当前位置:首页 > 文章列表 > AI提示词 > 画画 > 手机壁纸提示词:暖棕陶土山脊与浅灰晨雾

手机壁纸提示词:暖棕陶土山脊与浅灰晨雾

来源:17golang原创 2026-11-11 10:25:26 0浏览 收藏
热门推荐
漫画APP
漫画阅读推荐,热门漫画资源更好找
立即下载

想做一张安静、耐看的山景锁屏,关键不是把山脊和云层塞满,而是让暖棕陶土色成为主体,把浅灰晨雾留在顶部。下面这组提示词把山脊压在画面中下部,给时间和通知留下低细节区域;再用一张斜向变体为主屏图标腾出左侧空间。

先看主壁纸:山脊在中下部,顶部留给锁屏时间

暖棕陶土山脊与浅灰晨雾的无文字纵向手机壁纸
图1:暖棕陶土山脊主壁纸说明图,顶部浅灰晨雾为锁屏信息保留低细节空间。

下载这张手机壁纸

主图的视觉重量集中在中下部:近处山脊用暖棕和陶土色建立层次,远处山线逐渐被浅灰雾化。顶部不要放尖锐山峰、树木或细碎纹理,锁屏时间叠上去之后仍然清楚。

中文提示词:先固定主体,再控制锁屏留白

下面的中文版本适合先确定画面方向。复制时建议连同负面限制一起使用,尤其要保留“无文字、无水印、无设备边框”和顶部低细节区域。

9:16 纵向手机壁纸,一片安静的暖棕陶土山脊风景,宽阔的山脊位于画面中下部,柔和的浅灰晨雾覆盖远处层叠山线,顶部四分之一保持低细节的淡灰雾天空,适合放锁屏时间。电影感自然风景插画,真实的陶土与砂岩层理,轻微侵蚀纹理,清晨漫射侧光,哑光质感,暖棕、赭石、沙色、浅灰和少量灰粉色雾气,前景到远景有柔和纵深。画面安静、留白充足、没有明确现实地点。不要出现文字、字母、数字、Logo、水印、二维码、应用界面、手机边框、人物、动物、建筑、道路、奇幻符号、过饱和橙色和密集碎小细节。

英文提示词:把材质和空间关系说清楚

英文版本更强调“山脊位于中下部”和“顶部低细节负空间”这两个构图约束,适合在模型对英文空间描述响应更稳定时使用。

Original 9:16 vertical mobile wallpaper, a quiet mountain ridge landscape built from warm terracotta earth and pale gray morning fog. Place one broad sculpted ridge in the middle-lower area, with layered distant ridges dissolving into haze. Keep the top quarter as generous low-detail pale gray negative space for a lock-screen clock. Cinematic natural landscape illustration, tactile clay and sandstone strata, soft erosion texture, diffused early-morning side light, matte editorial color grading, burnt terracotta, warm umber, muted sand, pale gray and a trace of dusty rose in the fog. Calm atmosphere, gentle depth from foreground to background, no recognizable real location. No text, letters, numbers, logos, watermark, QR code, app UI, device frame, people, animals, buildings, roads, fantasy symbols, oversaturated orange or dense tiny details.

三个词决定画面是否耐看

  • “中下部”决定山脊不会顶到时间区;如果顶部仍然拥挤,可把它改成“下方三分之一”。
  • “低细节负空间”比单说“留白”更具体,它要求雾天空减少碎纹理,而不是简单涂成纯色。
  • “宽阔层叠山线”能保留陶土主题的体积感;如果山体太像岩石特写,可加入“远景比例更大、轮廓舒缓”。

颜色上,暖棕适合做主体,浅灰负责压低背景对比。若生成结果偏橙,可以把“暖棕”替换为“muted terracotta brown”,并把“过饱和橙色”放进负面限制。

构图变体:让山脊向右下收束,左侧留给主屏图标

斜向暖棕陶土山脊与冷灰晨雾的无文字手机壁纸变体
图2:斜向山脊变体说明图,左侧浅雾为主屏图标保留空间。

下载这张变体手机壁纸

变体不改变“陶土山脊加晨雾”的主题,只改变主体流向:山线从左下向右下展开,左侧保持较淡的雾层。这样放置主屏图标时,图标不会全部压在岩层纹理上;同时较冷的雾色能和暖棕形成明显区分。

生成变体时,可以把中文提示词中的“山脊位于画面中下部”替换为“山脊从左下向右下斜向收束,视觉重量集中在右下三分之一”,并加入“左侧低对比雾面适合主屏图标”。不要同时增加树木、房屋或人物,否则主题会从抽象风景变成旅行照片。

放到手机上时怎么选

锁屏优先使用主图:顶部雾天空更适合时间、日期和通知。主屏可以使用变体:左侧雾面能减轻图标背景的视觉噪声。如果手机会自动放大裁切,先把山脊缩到画面下方,再检查顶部是否仍有一整块浅灰区域;裁切后不要让最高的山线进入时间文字。

常见问题

为什么生成的山脊太近,像一张岩石特写?

把“宽阔的山脊”“远处层叠山线”和“前景到远景有柔和纵深”放在主体描述中,并明确“山脊位于中下部”。

为什么浅灰晨雾变成了白色空背景?

不要只写“白雾”,改用“半透明薄雾覆盖远处山线、仍能看见低对比轮廓”,同时保留陶土层理作为中景锚点。

主图和变体怎样保持同一组壁纸的感觉?

两次生成都固定陶土、赭石、浅灰雾和哑光质感,只替换主体位置、雾色冷暖与负空间方向。这样变化来自构图,而不是换了一个题材。

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
手机壁纸提示词:午夜蓝纸雕云层与一颗微小星体手机壁纸提示词:午夜蓝纸雕云层与一颗微小星体
上一篇
手机壁纸提示词:午夜蓝纸雕云层与一颗微小星体
Go base64.NewDecoder 怎么边读文件边解码而不占满内存
下一篇
Go base64.NewDecoder 怎么边读文件边解码而不占满内存
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。
    979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。
    985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。
    1100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。
    1071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。
    909次使用