在AI图像生成任务中，光照方向、强度和色温的提示词往往同时作用于文本编码器与扩散模型的注意力层。当多个光照词叠加时，模型并不会像人类一样理解主次关系，而是在潜在空间中寻找一个折中的特征向量。这个过程中，关键词的先后顺序、括号权重、以及是否出现互相矛盾的色温描述，都会影响最终光照的稳定性。所谓烘焙异常，本质上是这些控制词在去噪早期被过度激活或被噪声淹没后留下的伪影。

如果画面中同时出现sunlight和blue hour，模型可能把暖色阳光与冷色环境光混合，导致人物皮肤发灰、阴影层次丢失。要解决这类问题，不能只靠增加更多光照词，而是需要先理解光照控制词在提示词序列中的编码方式。

从文本编码到光照特征：为什么控制词会失效

光照类提示词在进入扩散模型之前，会先经过文本编码器映射为语义向量。像front lighting、side lighting、backlight这些表达，在训练数据中出现的频率并不相同。模型对高频词的响应更稳定，对低频组合词则容易出现特征漂移。例如soft frontal lighting如果拆开成soft、frontal、lighting三个词分别编码，它们各自的注意力权重会分散到整句提示词的不同位置，最终生成的图像可能同时包含柔光、正面光和大面积环境光，而不是一个明确的主光源。

另一个容易被忽视的因素是词序。文本编码器对靠前的词赋予更高的注意力权重，对靠后的词则会逐渐衰减。如果把warm sunlight放在提示词末尾，它的实际影响力可能远低于放在开头的cool ambient light。这就会造成一种奇怪的结果：提示词写的是暖阳，生成图却偏冷。调整词序有时比增加括号权重更有效。

下面的对比可以直观看到词序差异对光效的影响。第一组是容易出错的写法，第二组是把主光源提前后的写法。

错误示例：
portrait, warm sunlight, blue hour, soft shadows, rim lighting, high key
正确示例：
portrait, single light source from left, warm sunlight, soft shadows, rim lighting, low key background

光照方向控制词的语法与权重分配

方向控制词并不是越多越好。常见的方向词包括front lighting、side lighting、backlight、top lighting和rim lighting。它们之间存在天然的冲突关系：正面光和逆光同时出现时，模型会试图在画面中同时安排两个主光源，导致阴影方向不一致，人物面部出现混乱的明暗交界线。

要避免这种冲突，可以采用单一主方向加辅助方向的策略。比如主光源确定为左侧光，辅助光只负责勾勒轮廓，并在负面提示词中屏蔽其他方向。括号语法可以改变词的权重，例如(side lighting from left:1.4)表示强化左侧光的存在感，而(front lighting:0.6)则会弱化正面光。权重数值通常在0.5到1.5之间比较安全，超过1.6容易产生过曝或纹理粘连。

正面光优先：
(soft frontal lighting:1.2), (catchlight:0.8), no backlight
侧光与轮廓光：
(side lighting from left:1.4), (rim lighting:1.1), dark background
逆光控制：
(backlight:1.3), (silhouette:1.0), (lens flare:0.6)

如果已经尽了词序和权重的调整，光照方向仍然异常，可以检查负面提示词中是否错误地加入了与主光源相反的词。有些模型对负面提示词的执行力度并不一致，尤其在采样步数较低时，负面词可能没有被完全抑制。此时可以尝试提高采样步数，或者把负面提示词中的干扰项用括号弱化。

强度与色温的精细调节：过曝、欠曝与色偏控制

光照强度异常通常表现为高光溢出或暗部死黑。控制强度的提示词大致分为两类：一类是场景亮度词，如high key、low key、bright、dimly lit；另一类是曝光相关词，如overexposed、underexposed、blown out highlights。单独使用bright很容易导致整体发白，因为模型会把明亮理解为所有像素都向高值偏移，而不是增加光源强度。

更稳妥的做法是把强度控制和范围控制结合起来。例如在需要柔和日光时，可以写soft diffused lighting加上(highlights:0.7)，这样既能保留光照层次，又能抑制高光区域过曝。色温方面，warm light、cool light、neutral white balance这些词直接影响画面整体色调。如果同时出现暖色词和冷色词，模型会把它们平均，得到一种发灰的中间色温。建议先确定一个色温锚点，比如5500K color temperature，再围绕它添加轻微的氛围色。

降低过曝：
(soft diffused lighting:1.3), (exposure:0.8), (highlights:0.6), no blown out
提升暗部：
(low key lighting:1.1), (fill light:0.7), (shadow detail:1.2)
色温锚定：
(neutral white balance:1.2), (5500K color temperature:1.1), (warm accent light:0.7)

下面这张表汇总了不同氛围目标的推荐组合与冲突词，可以作为快速排查的参考。

异常排查流程与负面提示词组合

当生成图出现光照方向混乱、明暗失衡或色温漂移时，可以按照先方向、再强度、最后色温的顺序排查。第一步固定光源方向，只保留一个主方向词，其余方向词全部移入负面提示词。第二步调整强度和范围，观察高光与阴影是否仍然粘连，如果有过曝就降低highlights权重，如果有死黑就增加fill light。第三步校准色温，确保画面中只有一个色温锚点，氛围色以低权重叠加。

负面提示词的写法也会影响光照稳定性。不需要把所有光效词都塞进去，那样会互相干扰。建议只放入与主光源直接冲突的项，以及容易产生伪影的项。下面是一组可复用的负面提示词模板。

通用光照负面提示词：
mixed lighting, multiple light sources, hard shadows, blown out highlights, 
wrong color temperature, blue cast, orange cast, overexposed skin, 
underexposed face, inconsistent shadows, double shadows, light source conflict

如果以上方法仍然无法解决，可以考虑使用ControlNet或局部重绘来辅助控制光照区域。ControlNet的深度图或法线图可以帮助模型理解物体表面朝向，从而让阴影落点更合理。局部重绘则适合修复小块过曝或色偏区域，不会影响整体构图。不过对于大多数提示词层面的异常，先把词序、权重和负面词整理清楚，通常就能获得明显改善。

最终的目标不是堆叠更复杂的提示词，而是让每一个光照控制词都有明确的职责：方向词决定光源位置，强度词决定明暗分布，色温词决定氛围基调。三者不冲突、不重复，模型才能在去噪过程中稳定地呈现你想要的光效。