企业官网建设流程全解析

1. 场景拆解：为什么地铁站内景这么难画

说句实话，"内景 地铁站内部"这个提示词，看着简单，真正动手生成的时候才知道坑有多深。我拿到这个题目第一反应觉得挺好对付——不就是一个室内场景吗，空间方正、透视明确、元素也不复杂。结果连续试了好几版，出来的图要么像地下停车场，要么像某个废弃仓库，最离谱的一次直接生成成了高铁车厢内部，站台、屏蔽门、立柱全部跑偏。

后来我把这个题目掰开揉碎重新想过一遍，才发现问题的核心不在关键词数量，而在于对地铁站视觉识别特征的深度理解。地铁站不是一个普通的室内空间，它有着极强的功能性特征——人流组织、安全标识、轨道交通设备、特有的光线环境，这些都构成了一套完整的视觉语言系统。AI绘画工具对这类“高约束场景”的把控能力其实比很多人想象中要弱，原因就在于它的训练数据里，地铁站内部图像的多样性极低，虽然我们日常都见过地铁站，但真正高质量、高清晰度的站内场景图在网上占比并不多，而且不同城市、不同线路的车站风格差异极大，AI在训练时很容易把“地铁站”和“站台”“候车厅”“地下通道”这些相关场景混淆在一起。

对于想要用AI绘画工具做场景创作的朋友来说，“内景 地铁站内部”这类题目其实是特别好的训练样本。它能逼着你去思考——一个被观者一眼就能识别出来的地铁站，到底靠的是什么？是那排整齐的立柱？是头顶的吊挂指示牌？是屏蔽门反射的灯光？还是地面防滑砖的纹理？当你把这些识别要素一个个拎出来喂给AI，生成结果才会从“近似的地铁站”变成“一个真正的地铁站”。

1.1 先搞清楚这个标题到底要什么

站在创作者的角度来拆解，“内景 地铁站内部”至少包含三个层面的信息：

• 空间层面：这是一个封闭或半封闭的室内环境，需要有天花板、地面、墙面、立柱等建筑结构元素。
• 功能层面：需要有地铁车站特有的设施——售票闸机、安全检查通道、自动扶梯、屏蔽门、轨道区、指示牌、候车座椅等。
• 氛围层面：地铁站的光线、色调、材质质感需要符合大众对地铁空间的普遍认知——通常是明亮的、偏冷色调的、带有金属和玻璃质感的空间。

单把这些写进提示词里，也就是几十个词的事，但问题在于这么多元素同时出现时，AI生成模型的注意力分配很容易失衡，结果就是某几个元素很强，另外几个被弱化甚至丢弃。后来我摸索出来的经验是：先区分“结构骨架”和“特征零件”，分两个阶段去构建提示词。

结构骨架指的是空间本身的框架——站台层、站厅层、通道、楼梯、扶梯、天花、地面，这些确定了空间是什么形态。特征零件则是那些“看到就知道是地铁站”的小物件——线路指示牌、票价表、闸机、安全标识、屏蔽门上的线路图、灯箱广告等。AI对结构骨架的生成能力较强，但对特征零件的生成能力偏弱，所以提示词里要把特征零件的权重适度抬高，并且不能贪多，一次聚焦2到3类就够了，后面会给大家一个可以直接抄作业的参考模板。

1.2 一组好提示词的门槛标准

判断这组提示词是否及格，我的标准比较直接：把生成的画面截图给完全不了解AI绘画的普通路人看，对方能在三秒内说“这是地铁站”，而不是“好像是个地下空间”“有点像高铁站”“是机场吗”。达到这个门槛，提示词才算是基本合格。

这就涉及到AI绘画里的一个核心概念——视觉先验。普通路人识别一个场景，靠的不是逐项检查画面里的每一个元素，而是整体氛围加上几个关键特征点的组合。对于地铁站来说，最具有识别度的视觉先验一般有三个：一个是轨道与屏蔽门的组合关系，一个是站台层那种狭长、低矮、层叠的纵向空间感，再一个是线路指示牌和灯箱广告带来的城内公共交通气息。如果这三个特征在画面里有两项能够清晰呈现，画面基本上就稳了。

2. 核心细节：地铁站里的每一类元素都要单独调教

在生成地铁站内景的过程中，我踩过最多的坑都集中在元素层级上。很多朋友写提示词喜欢把所有名词一次性堆进去：north站台，屏蔽门，立柱，吊灯，广告牌，闸机，扶梯，指示牌，座位，地面反光……出来的结果比预想的工程投标效果图还乱。原因很简单——AI的注意力资源是有限的，东西太多，它只能“雨露均沾”，最后每一个元素都平均地“存在”着，但没有任何一个元素是“精确”的。

所以我后来把地铁站内景的所有元素提前做了分类，按照“必须精确、可以模糊、最好出现”的优先级来分配提示词的权重和措辞方式。这个方法不是我自己拍脑袋想出来的，而是基于AI绘画模型从文本到图像的对齐机制——某些高频概念在训练数据里更稳定，关联模式更强，你只要用准确名词去描述就能触发高质量生成；而低频概念或者容易混淆的概念，则需要附加风格词、材质词、空间词去做辅助锚定。

2.1 站台结构：一切空间感的基础

站台是地铁站内景的绝对主角。在中文语境里，“内景 地铁站内部”的默认指向其实更偏向站台层，因为站台具有最强烈的“地铁感”标签——轨道、列车、屏蔽门、等车的乘客。

在处理站台结构时，我的默认基线提示词是：

• 站台层，相对狭长的空间，低矮天花板，中央立柱序列，纵向延伸的透视感
• 边缘设置屏蔽门（或安全门），门体透过隐藏灯光望向黑暗的轨道区
• 地面使用浅灰色防滑瓷砖，反射顶部灯光形成柔和光带
• 站台边缘有明显的黄色安全线或盲道

这里有个非常关键的细节：屏蔽门与轨道区的关系。很多AI生成图里，屏蔽门和轨道会同时消失，取而代之的是一面干净得发亮的玻璃墙，玻璃外面是白色的什么也没有。这种情况其实是模型把“屏蔽门”这个语义和“玻璃幕墙”混淆了。要解决这个问题，我给提示词里加上了“透过玻璃可以看到轨道与隧道”的补充语义，并且使用“看着黑暗隧道的玻璃屏蔽门”而不是简单写“玻璃门”。

低矮天花板也是地铁站区别于高铁站和机场的重要特征。高铁站的天花板往往极高，穹顶开阔，地铁站的站台层天花则相对压抑，一般在3米左右，加上各种管线、通风口、灯具排布，形成了丰富的顶部细节。我通常会在提示词里用“天花板上密集排列的灯具”“外露的管线与通风管道”这类词来强化地下空间的特征，这些细节词看起来不重要，但对于模型生成“地下”的空间感帮助极大。

2.2 流线与设施：让画面“有人气”的关键

纯建筑空间生成不难，难的是空间的“使用感”。一个让人觉得“真的是地铁站”的站台，通常不会只有空荡荡的建筑结构，而是要在流线上植入功能设施。

我常用的设施关键词优先级是这样的：

• 第一梯队（必须高权重）：屏蔽门、线路指示牌、站名标识、安全出口指示灯
• 第二梯队（建议出现）：自动扶梯、楼梯、垂直电梯、检票闸机、售票机
• 第三梯队（可选加分项）：候车座椅、广告灯箱、垃圾桶、盲道、卷帘门

需要特别提醒的是，闸机和扶梯不要同时大量出现在站台层画面里，因为在现实物理世界里，闸机通常设在站厅层，扶梯连接站厅与站台。如果画面里同时出现闸机、扶梯和列车轨道，空间逻辑是错乱的，AI生成的画面就会显得像不同楼层拼贴在一起，非常不真实。

2.3 光线与材质：决定“真实感”的隐藏变量

地铁站的光线环境与大多数室内场景有显著差异。一般室内设计追求的是柔和均匀的照明，但地铁站恰恰相反——它需要的是高对比、强指向性的光环境：顶部明亮、地面有反射、屏蔽门玻璃背后的轨道区是暗的。这种明暗对比构成了地铁站特有的空间情绪。

我在生成时会给光线指定方向：“顶部天花板提供均匀的照明，光源向下照射，站台边缘光线渐暗，轨道区黑暗，屏蔽门玻璃上有顶部灯光的反射”。

材质方面，地铁站的标配是金属、玻璃、瓷砖、石材。用提示词描述的时候，不能只写“金属”，要细化到品类——不锈钢立柱、铝合金吊顶、大理石地面、安全玻璃，这些具体的材质名称会给模型提供更明确的材质渲染路径，生成的质感才会对。

3. 实操合成：从零到出图的完整流程参考

接下来是我实际生成这张“内景 地铁站内部”的完整流程，里面包含了我反复调参后的最终版提示词和参数，需要的朋友可以直接拿去跑。

要说明的是，我用的工具是当前主流的文本到图像生成平台，参数设计和提示词逻辑对其他支持中文提示词的绘画模型也有参考价值，不是只能在这个平台上用。

3.1 环境配置与基础参数

开始之前，先建议把画面比例设置为竖图。为什么？地铁站台空间的核心特征就是纵深和延伸感，竖构图配合低角度仰拍或者站台中轴透视，能最大化强化那种一眼望不到头的空间纵深。横构图更适合表现全景，但由于站台空间本身狭长，横构图容易让两侧的信息过分拥挤。

我最终使用的参数如下：

• 分辨率：尽量开到平台支持的最高档，细节纹理需要足够的分辨率来支撑
• 画面比例：2:3（竖构图）
• 采样步数：平台默认高精细档
• 风格强度：中等偏低

3.2 触发词：我的最终版提示词参考

下面这组提示词是我折腾了好几轮之后觉得最稳定的一组，分成正向和反向两段：

正向提示词（中文可直接使用）：

地铁站站台内部，现代的都会轨道交通空间，狭长的站台层，低天花板，整齐排列的不锈钢立柱，浅灰色防滑瓷砖地面，地面有顶部灯光的湿润反射，屏蔽门沿站台边缘设置，玻璃门内可以看见黑暗的隧道与轨道，黄色安全线沿站台边缘延伸，天花板均匀排列的灯具提供明亮照明，吊挂式线路指示牌，站名标识，少量乘客在候车，广告灯箱在站台墙壁上，冷白色环境光，略微低角度的视点，写实摄影风格，超精细的细节，8k分辨率下的材质细节

反向提示词（需要排除的干扰项）：

模糊，低分辨率，卡通化，插画风格，超现实，文字乱码，奇怪的几何形状，不符合逻辑的光源，室外光线，自然环境，大型穹顶，飞机舱内部，火车卧铺，隧道，事故场景

这里解释几个细节：

“湿润反射”这个词很关键，作为地面材质描述的补充，能让AI生成的地面带一层薄薄的环境光反射，很像真实地铁站里潮湿的地面质感。如果去掉这个词，地面容易变成完全没有反射的磨砂塑料质感，真实感瞬间下降。

“少量乘客在候车”是我刻意保留的一个元素。纯建筑空间虽然很干净，但缺了人，画面始终少了一点“生活切片”的纪实感。加少量模糊化的乘客，能有效加强画面作为“地铁站现场照片”的可信度——这招是从街头摄影的经验里借鉴来的。

3.3 从构图到生成的判断逻辑

生成之后不要急着保存，先做三件事。

第一步，检查空间逻辑。站台、轨道、屏蔽门三者的空间关系是否正确——轨道在屏蔽门外面（远离镜头的一侧），站台在屏蔽门的内侧。如果画面里轨道和站台在同一侧，那空间逻辑就错了。

第二步，检查比例关系。地铁站里立柱的高度、屏蔽门的高度、天花板的高度之间是否符合正常人体工学比例。因为AI生成的建筑空间经常会出现尺度错乱——站台层画成8米高，跟高铁站一样，那就穿帮了。

第三步，检查文本信息。指示牌、站名、警示标识上的文字如果乱码或拼写错误，不要着急修图，先多抽几次——文本生成本身就是概率性的，多跑几张总会有满意的。

4. 修图策略：哪些地方适合局部重绘

即使提示词写得很细，一次生成就满意的概率其实不高。地铁站内景这种信息密集的场景，大概率需要局部修复。以下三个区域是我在实践中最常做局部重绘的。

4.1 屏蔽门玻璃的反射层次

最常见的问题出在屏蔽门玻璃上。要么玻璃太干净、太透明，看不到任何反射，整面玻璃像不存在一样；要么反射过度，把对面的立柱和乘客全倒映出来，看着很乱。这两种情况的修复方式完全不同。

如果是玻璃“太透明”，可以先选择屏蔽门全部区域，用“磨砂夹层玻璃，带有顶部灯带反射痕迹”作为局部提示词重新生成；如果是反射过度，用“干净的钢化玻璃，轻微反射，能看到清晰轨道区域”来修正。

这个修复原理其实和拍照是一样的——玻璃的真实感不在玻璃本身，而在它上面叠加的那层反射信息，你要控制的是反射强度，而不是玻璃的透明度。

4.2 地面材质与反光的统一

地面是另一大重灾区。很多AI生成的地面反光是点状、零散分布的，像撒了一地碎玻璃，这和真实地铁站的地面反光差得很远——真实情况下地面反光应该是连续光带，因为光源是顶部整齐排列的线性灯带。

局部修复时，建议直接把地面全部选中，用“浅灰色石材地面，连续横向反射灯带，抛光材质”来重绘。有时候甚至可以把“防滑纹理”四个字也放进去，防止地面变得过度光滑像溜冰场。

4.3 空间的尺度与透视矫正

如果站台太宽、天花板太高，空间比例失调，不要试图在提示词层面继续调整，直接缩窄画面构图或者换更低机位就能解决。低机位（贴近地面的视角）能让站台显得更狭长，天花板在画面中的占比变小，地下空间的局促感会自然流露出来。

这里有个不需要重绘的小技巧：把画面裁切一下，让站台尽头紧贴画面边缘，减少画面顶部吊顶区域的占比，空间比例马上会缓和不少。

5. 常见问题：地铁站内景生成避坑实录

一路实操下来，我会把占了最多时间的问题整理成一张排查表，新手上路可以参考，遇到同样毛病直接对照解决。

5.1 一次“翻车”现场的完整复盘

我最近一次实战生成，目标就是做一个带氛围的夜间运营结束后空无一人的地铁站台内景。第一次跑出来的图像其实空间结构是准的——站台、屏蔽门、立柱都在，但整体氛围完全不对，像商场打烊后关灯的走廊，冷静是冷静了，但没有地铁站的味道。

复盘后定位到两个问题。一个是我把“空旷无人”直接写成了“大厅空无一人”，这个措辞把场景的语义拉偏了，让模型认为这里是一个空旷大厅而不是站台。另一个是我在氛围词里加了“静谧”，结果AI把所有的灯光都调暗了，连站台的荧光灯都变暗了，整个画面失去了地铁站“亮堂中带着冷清”的味道。

修正方法很直接：把“静谧”改为“无人但灯光保持明亮”，把“大厅”改为“站台层”，并且额外补充了“荧光灯管仍全亮着”。重新生成之后，画面里的空间结构没变，但光线氛围对了——整个站台冷白通亮，没有人，却依然能明显看到地上的反射光带和屏蔽门后面的轨道区，跟夜间巡查时看到的地铁站一模一样。

5.2 进阶技巧：用风格词控制不同的“地铁情绪”

同一套空间结构，如果你想要改变画面情绪，不用动建筑描述，只需要调整风格词和光影氛围词。我常用三组方案：

• 日常通勤感：冷白光、均匀照明、平静、纪实摄影、轻微噪点
• 末班车氛围：较低机位、玻璃反射增强、空荡、浓重阴影、蓝绿色调
• 都市电影感：宽银幕比例、镜头光晕、湿润地面反射、暖色点缀、浅景深

这三种方案不是三种不同的提示词，而是在同一个基础模板上替换风格尾部。用这个思路，可以很快做出一组不同情绪的地铁站系列作品，元素一致性很强，不会出现每张图的建筑结构完全不同的尴尬。

6. 这套方法还能迁移到哪些同类场景

把地铁站内景这一套解析逻辑吃透之后，你会发现它不只适用于这一个题目，所有对空间逻辑和功能特征要求严格的室内场景都适用。我自己的经验是，这套方法已经成功迁移到好几种其他类型的场景：

• 机场航站楼内景：空间更开放，需要用玻璃幕墙、值机柜台、安检区、传送带来做功能锚定
• 医院门诊大厅：需要导诊台、候诊座椅、电子屏幕、挂号窗口的复合特征
• 图书馆阅览室：需要书架阵列、阅读灯、长条桌、高度统一的空间秩序
• 地下车库：需要立柱、环氧地坪、照明灯管、指引标识、车辆停放位置关系

核心方法论是一致的：先把场景的骨架结构拆出来（空间形态决定一切），再把3到5个能让人一眼识别的功能要素找出来，用准确的具体名词加细化的材质/光线描述去锚定。这样的提示词写法，比随便堆砌名词的做法成功率至少高出三倍。

还有一点值得单独拿出来说。地铁站内景这个场景的生成结果非常适合作为SFM（structure from motion）或者NeRF类三维重建算法的测试素材——因为它的空间结构简单、纹理丰富、透视关系明确，很多做三维视觉的朋友反而需要大量的这种“干净内景图”来做算法验证，用AI生成来补充数据集是个非常讨巧的路径。

我在实际生成过程中发现，如果平台的提示词支持权重调节，可以把“屏蔽门”和“站台层”这两个词的权重拉高到1.3倍左右，再配合明亮冷白光源和低机位视角，出来的效果基本稳定。最后再分享一个小操作：生成完多跑几次抽卡，选出三张最优的，放入局部重绘工具进行合成——地铁站内景不需要一张图“天生完美”，只需要每个区域的细节组合起来是真实的就够了。