当前位置:首页 > 文章列表 > AI提示词 > 画画 > 深绿苔藓与透明水珠的雨后微距手机壁纸提示词

深绿苔藓与透明水珠的雨后微距手机壁纸提示词

来源:17golang原创 2026-10-07 04:17:36 0浏览 收藏

雨后的苔藓很适合做手机壁纸:绒面纹理能撑起近景细节,透明水珠又能在锁屏上形成自然的高光。真正容易失败的地方不是“有没有绿色”,而是主体太满、顶部没有放时间的空间,或者水珠变成塑料质感。下面给出一张深绿主图和一张冷色变体,提示词可以直接复制,也可以按手机布局微调。

雨后苔藓微距主壁纸

深绿苔藓与透明水珠的雨后微距原创手机壁纸,顶部保留锁屏留白
图1:雨后苔藓微距主壁纸说明图,顶部留出锁屏时间区域。

下载这张手机壁纸

主图把苔藓安排在画面中下部,顶部用柔和深绿散景承接时间和状态栏,底部避免放置最小的水珠细节。这样既能看见绒面,也不会让图标压住主体。

中文提示词与变量拆解

中文提示词:竖向9:16手机壁纸,雨后潮湿的苔藓地表,画面中下部一簇细密的深绿苔藓,叶尖和绒面停留着大小不同的透明水珠,水珠有自然的银色高光,背景化成柔和的深绿散景,阴天雨后光线,安静、清新、真实的微距摄影质感,主体略低于画面中心,顶部保留大面积柔和留白供锁屏时间使用,底部手势区域保持低细节,细腻苔藓绒面,浅景深,原创成片。不要文字、标志、水印、手机边框、人物、二维码、时钟、图标和霓虹色。

“主体略低于中心”决定锁屏能否舒服使用;“银色高光”让水珠有透明感;“柔和散景”负责隐藏复杂背景。想让纹理更明显,可把“浅景深”改成“中等景深、前景苔藓纤维清晰”;想让画面更安静,则降低高光对比,不要直接添加高饱和绿色。

English Prompt for Reuse

English prompt: An original 9:16 phone wallpaper of a damp moss ground after rain, a dense cluster of deep green moss in the lower middle of the frame, different-sized transparent raindrops resting on the tips and velvety surface, natural silver highlights inside the droplets, a soft deep-green bokeh background, overcast post-rain light, calm and fresh mood, realistic high-detail macro photography, the subject slightly below center, generous soft negative space at the top for a lock-screen clock, low detail in the bottom gesture area, delicate moss fibers, shallow depth of field. No text, logo, watermark, phone frame, people, QR code, clock, icons, or neon colors.

英文版与中文版保持同一主体和构图,只把变量写得更明确:slightly below center控制主体高度,generous soft negative space控制顶部留白,natural silver highlights避免水珠变成发光塑料。

冷色雨雾变体

冷色雨雾中的深绿苔藓与透明水珠原创手机壁纸变体,主体位于右下
图2:冷色雨雾变体说明图,主体向右下移动以改变图标区的可用空间。

下载这张变体壁纸

变体保留苔藓和水珠,但把色温改成蓝绿色雨雾,并把主体移到右下。左上较深的空区适合放时间和少量图标,适合偏好冷静、低对比锁屏的人。对应的英文提示词是:Cool blue-green misty morning macro phone wallpaper, a deep green moss cluster with transparent raindrops placed in the lower right, cool silver daylight reflected in the droplets, darker negative space across the upper left for a lock-screen clock and app icons, layered foreground and softly blurred background, quiet cinematic mood, vertical 9:16 composition, realistic natural macro photography. No text, logo, watermark, phone frame, people, clock, icons, QR code, or artificial CGI gloss.

手机适配与常见调整

  • 顶部被裁掉:增加“顶部三分之一保持柔和低细节留白”,并减少向上延伸的苔藓枝条。
  • 水珠像玻璃球:加入“水珠边缘有细微折射、反射周围苔藓颜色”,同时删掉过强的纯白高光。
  • 主体太挤:把“近距离微距”改成“稍宽的微距视角”,再保留“主体低于中心”。
  • 变体不够明显:同时替换色温、主体落点和背景层次,不要只把“绿色”改成“蓝绿色”。

相关问题

锁屏和主屏应该选哪张?锁屏优先选主图或变体的留白区域更多的一张;主屏图标较多时,优先使用冷色变体的左上暗部。

为什么不建议加入文字?文字会限制壁纸在不同机型上的裁切,也容易与系统时间和图标发生竞争;把提示词保留在文章中,更方便按屏幕重新生成。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
农产品合作社采购农资时,如何建立进货验收台账农产品合作社采购农资时,如何建立进货验收台账
上一篇
农产品合作社采购农资时,如何建立进货验收台账
用 Decoder 流式解析超大 JSON 数组并控制内存峰值
下一篇
用 Decoder 流式解析超大 JSON 数组并控制内存峰值
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    360次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    416次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    428次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    381次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    207次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码