底图是 AI 影像的第一性原理：微秒级决策、信息密度远超文本、参考图权重数倍于提示词。
文生图 T2I、图生图 I2I、视频生图 V2I——各自的优势、局限与适用场景，灵活组合成高效工作流。
人设图锁角色一致、场景图建空间氛围、分镜图控叙事节奏——从单帧到序列的完整生产链路。
三部分递进：先讲清底图为什么重要，再拆解生图三条主轴，最后落到三类底图的完整用法。
凡事皆可，第一性原理。底图在微秒级就决定了画面能否通过观众的「真实感判断」——一审定生死，不可逆。
核心命题：底图 > 提示词。在 AI 生成的决策权重中，参考图（底图）的影响力是提示词的数倍到数十倍。投入精力做一张好底图，远比反复调提示词回报率高。
观众对画面「真不真」的判断发生在微秒级。底图从一开始就决定了这一判断的结果，且不可逆。
一张底图承载的信息密度远超文字描述。提示词写不出的光影、材质、空间关系，底图全部自带。
真人 / 3DCG / 2D——不同风格的底图建立不同的视觉真实感坐标系，选对锚点是成功的第一步。
决策权重中参考图远高于文本。做一张好底图，比反复调提示词回报率高得多。
六条原理，讲透「底图为什么是老大」。
不同风格的底图建立不同的视觉真实感坐标系。真人底图锚定物理真实，3DCG 锚定渲染质感，2D 锚定美术风格。选对锚点类型是成功的第一步。
静态图像的模糊是「质量问题」，动态序列的模糊是「时间信息」。底图中运动模糊的方向、强度、分布直接决定生成视频的流畅度与真实感。
观众直觉中的「高级感」本质是光学复杂度：次表面散射、色散、焦外虚化、光线衰减、体积光……底图自带的光学信息越丰富，生成结果越有质感。
磨损的皮革、氧化的金属、湿润的水泥——材质纹理不只是视觉细节，更是时间与故事的载体。底图的材质精度直接影响画面的叙事深度。
画面中物体的「视觉重量感」由光影、材质、体积共同决定。底图如果重量感不对，后续生成的运动就会显得「飘」——物理直觉的违和感无法靠提示词修复。
在 AI 生成的决策权重中，参考图（底图）的影响力是提示词的数倍到数十倍。投入精力做一张好底图，远比反复调提示词回报率高。
生图是从无到有，更是从有再造。围绕文生图、图生图、视频生图三条主轴展开，每条路径各有优劣与适用场景，灵活组合才能形成高效的生产工作流。点击展开各主轴详情。
在项目初期用文生图快速探索美术方向，生成大量概念草图，从中筛选满意的风格与构图作为后续精细化生产的起点。适用：概念设计 / 风格探索 / 美术立项。
批量生成后筛选出质量高、风格对的成图，将其作为底图进入下一轮精细化生产流程——文生图负责「从 0 到 1」，后续工序负责「从 1 到 100」。适用：灵感筛选 / 底图素材库 / 快速原型。
关键要点：文生图负责「从 0 到 1」，后续工序负责「从 1 到 100」。把三条主轴按环节组合使用，才能形成高效的生产工作流。
三类关键底图构成了完整的创作体系：人设图定义角色外观，场景图构建环境空间，分镜图控制叙事节奏。三者协同工作，形成从单帧到序列的完整生产链路。
用于定义角色外观特征的基础底图体系，确保生成图像中人物形象的一致性与辨识度。一套完整的人设底图库是角色 IP 化的前提条件。
构建环境空间的基础底图体系，负责透视关系、空间布局与整体氛围的把控。好的场景底图能让角色「长在环境里」而不是「贴在背景上」。
用于序列画面生成的底图体系，控制镜头语言与叙事节奏的连贯性。分镜底图是「静态的动态设计」，决定了最终视频的剪辑感与运镜感。
标准三视图 + 表情与姿态库 —— 一套完整的人设底图库是角色 IP 化的前提条件。
适用场景：角色设计 / IP 形象 / 电商模特 / 游戏立绘。
标准三视图确保 360 度形象一致。
统一光源方向避免风格漂移。
建立表情库与姿态库快速调用。
关键特征标记确保多代一致性。
正面 / 侧面 / 45° / 背面 / 全身 / 半身 / 特写——多角度多景别的完整人设底图，确保任何角度生成都能保持角色识别度。
建立常用表情（喜 / 怒 / 哀 / 惊）和常用姿态（站立 / 行走 / 坐姿 / 动作）的标准化底图库，调用时直接选用，不用每次重新生成。
将服装款式、材质纹理、配饰挂件分层管理，像搭积木一样组合出不同造型，同时保证角色面部与体型始终统一。
景深与空间留白原则 + 多尺度场景图 —— 好的场景底图能让角色「长在环境里」。
适用场景：室内场景 / 户外环境 / 科幻空间 / 产品展示。
先确立透视灭点再细化细节。
用深度图层区分前后景关系。
光影方向与强度提前锁定。
多尺度覆盖全景到特写。
场景底图不是越满越好。合理的景深虚化和空间留白能给主体呼吸感，也让观众的视线有落脚点。「空」本身就是一种设计语言。
同一场景准备多个尺度的底图：全景（交代环境）、中景（互动空间）、近景（道具细节）、特写（材质纹理）。不同景别对应不同叙事需求。
主光源方向、环境光色温、反射光强度——场景底图的光影系统必须自洽。光影混乱的场景，无论加多少细节都不会有「高级感」。
分镜即剪辑，底图即镜头 —— 分镜底图是「静态的动态设计」。
适用场景：动画分镜 / 视频脚本 / 漫画创作 / 广告成片。
统一设定镜头焦距与视角范围。
景别切换遵循叙事逻辑节奏。
关键帧之间保留过渡空间。
构建「动-静」交替的节奏链。
每一张分镜底图就是一个镜头。机位、角度、景别、运动方向都在底图中预先设计好，后续生成只是「把镜头拍出来」的过程。
全动=乱，全静=闷。好的分镜底图序列要有动有静：动态镜头（推拉摇移）制造张力，静态镜头（固定机位）提供呼吸，张弛有度才有节奏感。
每张分镜底图标注清楚运镜方向（推 / 拉 / 摇 / 移 / 跟）和速度，避免生成时画面「跳轴」或运动方向混乱——运动连续性是视频真实感的底线。
「底图 > 提示词，
投入做一张好底图，胜过反复调提示词。」
一审定生死，不可逆。把精力放在底图上——选对锚点、做足光学复杂度、备齐人设 / 场景 / 分镜三类底图，你的 AI 影像就有了稳固的地基。