AI生成圖片的過程，像是在跟一位看不見你腦中畫面的插畫師來回溝通，你描述一句，對方交出一張草稿，你再指出哪裡要改，對方才一步步畫到接近你要的樣子。很多人第一次嘗試，以為輸入一句話就該拿到成品，結果圖的構圖平淡、字拼錯、比例也不對，便直接認定這類工具不好用。
其實問題多半出在期待值。現行常見的入口，包括 ChatGPT、Gemini、Copilot 和 Firefly，都是用文字描述來下指令，圖能不能用，取決於提示詞寫得夠不夠具體，以及出圖之後有沒有耐心一次只改一處。把這個節奏抓熟，不管是小店家的貼文主圖、簡報插圖還是網站橫幅，AI繪圖都能成為相當順手的製圖幫手。
動手之前，值得先看看這類工具的開發商自己承認了哪些限制，每一步都要先出草稿再修改，原因就在這裡。
AI生成圖片靠對話反覆修改，第一張很少直接定稿
Google Cloud 在 Gemini 圖像生成的最佳做法裡寫道：「第一次嘗試時，請別期待能生成完美的圖片。」並建議用後續提示詞逐步微調，例如把光線調暖，或讓角色的表情更嚴肅。目前的 AI生圖工具大致都是這樣運作的，先把想要的畫面用文字寫出來，工具出圖，再用追問一次調整一處，整個過程是來回對話，而不是一次下單、直接收貨。
至於工具做不到的地方，開發商也寫在文件裡。Google 在 Gemini 應用程式的提示技巧中，把風格化表現有時不一致、或出現意外結果，列為目前的限制之一；OpenAI 的圖片生成開發者文件則提到，複雜的提示詞最長可能需要 2 分鐘才能處理完。圖中文字拼錯、長寬比不照指定、同一個角色換張圖就變樣，這幾類狀況也都很常見，各有對應的處理辦法。
所以比較合理的做法，是把第一張圖當成草稿，先確認方向對不對，再逐處修改，最後才進設計軟體做收尾。抱著這個預期，後面每個步驟的用意就清楚了。
免費生成圖片的入口，依手上已有的帳號來分
想找 AI生成圖免費的入口，可以先從手上已經有的帳號開始。常見的四個入口分別綁在 OpenAI、Google、Microsoft 和 Adobe 的帳號上，各自都有免費可用的範圍。各家的免費額度與功能隨時會調整，張數以登入後介面上的提示為準，與其記住張數，不如記住每個入口需要什麼帳號、免費帳號能不能用，以及額度在哪裡看。
至於哪一個入口最符合長期的用途，要依需求另外評估；只是想先拿一張 AI圖試試手感的話，四個入口都足夠。
ChatGPT 內建的圖片生成
有 OpenAI 帳號的話，最直接的方式是在 ChatGPT 的對話裡用文字要求它畫圖，也能上傳既有的圖片請它修改。根據 OpenAI 的說明頁，免費方案可以使用圖片生成。
額度方面，同一份說明提到，免費使用者的圖片生成有獨立於文字對話的使用上限，達到上限時 ChatGPT 會通知，要等一段時間後才能再用；付費方案的上限則比較高。OpenAI 並沒有公布免費帳號固定的每日張數，網路上流傳的「每天幾張」都沒有可查證的出處，不適合當作規劃的依據。
Gemini 的圖片入口與 Nano Banana 2
有 Google 帳號的話，在電腦上開啟 gemini.google.com，點選左上方的「開啟側欄」圖示，再點「圖片」，接著選擇範本或直接輸入提示詞，就會以 Nano Banana 2 生成圖片。
有幾項規定要先知道。Google 的說明頁寫明，未訂閱方案可以下載 1K 解析度的圖像，訂閱 Google AI 方案後則可下載 2K；編輯圖片須年滿 18 歲，使用學校帳戶時，可用範圍也可能不同。付費訂閱者另外可以在圖片右下方點「更多」，選擇「用 Pro 重新生成」，改用 Nano Banana Pro 重畫一次。
用量方面，Google 的用量限制頁說明未訂閱方案適用標準限制，而且會動態調整，所以每天能生成幾張，要以帳號內的顯示為準。
Microsoft Copilot 的對話式生成
Copilot 的用法很單純，在對話框直接輸入想要的畫面描述，它就會生成圖片，描述得越具體，越容易貼近想要的風格與氣氛。也可以上傳自己的圖片請它修改，做法是點「+」，選「Add images or files」（繁體中文介面的名稱可能不同），選好圖片後用提示詞下指令，例如移除背景裡的人物、把場景換成森林，並可在同一個對話裡繼續追加修改。
上傳圖片有條件。Microsoft 的說明寫明，上傳的圖片應該是自己擁有或有權使用的原始圖片，並由上傳者自行負責。圖片在 Microsoft 的系統中最長保留 18 個月，之後會被刪除，也可以提早從對話紀錄中刪掉。這份說明頁沒有列出免費帳號能生成多少張，實際額度同樣以介面顯示為準。
Adobe Firefly 的每日免費生成
Adobe Firefly 登入網頁版就能使用。依 Adobe 產品頁常見問題的說明，免費方案提供每日免費生成次數讓使用者試用；需要更多的話，就得訂閱付費方案才能繼續生成。
輸出方面，Adobe 指出 Firefly 可將生成的圖片匯出成 PNG、JPG 等標準格式，要放進簡報、網站或後續的設計軟體都能直接使用。
AI繪圖提示詞要交代主體、用途、構圖、場景與風格
Google 在 Gemini 應用程式的提示技巧中指出，簡單的一兩句輸入就能得到不錯的結果；想要更細緻的控制，可以再加入六個要素：主體、構圖、動作、地點、風格，以及修改既有圖片時的編輯指令。Google Cloud 的最佳做法則多了一項：說明圖片的用途。把這些要素組合起來，就是寫 AI繪圖提示詞時最實用的骨架。
為什麼要寫得這麼細？因為工具只能根據文字推測畫面，沒寫到的部分就只能由它自行決定，決定出來的結果未必是你要的。Google Cloud 也指出，提供越多詳細資訊，生成結果就越貼近需求。
主體和場景寫到能畫出來的程度
主體要說清楚是誰或什麼、在做什麼、在哪裡。Google Cloud 的最佳做法舉了一組對照，與其寫「奇幻盔甲」，不如寫「華麗的精靈板甲，刻有銀葉圖案，高領和肩甲形狀像獵鷹翅膀」。前者把畫面交給工具自由發揮，後者幾乎已經把細節都指定好了。Google 的提示技巧也建議把主體寫得具體，例如戴著小巫師帽的蓬鬆三花貓。
換成做生意的情境，落差一樣明顯。想替咖啡店做一張貼文主圖，「一杯拿鐵」只是一個物件；「木桌上的白色陶瓷杯，拿鐵表面拉出葉子形狀的奶泡，早晨的自然光從左側窗戶照進來」就同時有了主體、地點與光線。設計工作室的題材也是一樣，寫「桌面」遠不如寫「龐果設計的工作桌面上，攤開一本色票手冊，旁邊放著數位筆和一杯咖啡」。
動作也別漏掉。同樣是一杯拿鐵，寫「咖啡師正在倒出奶泡」和寫「靜靜放在桌上」，傳達的氣氛完全不同。
圖片用途與風格一併交代
先說明這張圖要放在哪裡、給誰看，結果通常更貼近需求。Google Cloud 舉的例子是，「為極簡風的高檔護膚品牌設計標誌」比單純的「設計標誌」更有效，因為工具知道這是品牌用途，風格和氣質才有依據。網站橫幅與貼文主圖也是同樣的邏輯：「餐飲業官網首頁用的橫幅，左側預留放標題的空間」，會比「畫一張餐廳的圖」有用得多。
風格詞則負責定調。Gemini 說明頁列出的寫法有照相寫實風、炭筆素描、水彩畫和卡通插畫。同一個主體換一個風格詞，整張圖的氛圍就完全不同。如果要用 AI圖片生成做一組網站或社群素材，建議先決定整批圖統一用哪一種風格，再逐張出圖，不然同一個網站裡會出現好幾種畫風，看起來不像同一個品牌。
構圖借用攝影術語指定
構圖是控制取景最直接的方式。Google Cloud 的最佳做法建議，使用攝影和電影術語描述構圖，例如「廣角鏡頭」、「微距鏡頭」或「低角度透視」。Google 的提示技巧也列出特寫、廣角、低角度、人像這幾種取景方式。
每個詞對畫面的效果各不相同。廣角能容納更多環境，適合需要交代場景的橫幅；微距把鏡頭拉到物件表面，適合呈現食物的紋理或商品細節；低角度由下往上看，會讓主體顯得高大、有份量；特寫則把整個畫面留給單一重點，縮圖尺寸下也看得清楚。這些都是攝影裡的通用概念，拿來指定 AI生成圖的取景，剛好不需要另外學一套語言。
正面描述與動詞開頭的寫法
有兩個小地方很容易被忽略。第一是描述想要的畫面，而不是不要的東西。Google Cloud 的寫法是「空蕩蕩的街道，沒有任何交通跡象」，而不是「沒有車」。同樣的道理，想要乾淨的背景就寫「純白攝影棚背景」，而不是「不要雜物」。
第二是用動詞開頭。Google Cloud 提醒，要用「製作…的圖片」或「生成圖片」等詞組說明意圖，否則多模態模型可能以文字回覆，而不是出圖。Gemini 說明頁也建議以「畫出」、「生成」和「建立」等詞開頭。這兩個寫法不用多花時間，卻能避開不少重來的狀況。
一句模糊描述改寫成完整提示詞
以咖啡店的貼文主圖為例，原本的需求可能只有這一句：
畫一張咖啡店的圖Code language: plaintext (plaintext)這句話能出圖，但主體、場景、構圖、風格和用途，全部交給工具自行決定。逐項補上之後，就變成這樣：
生成一張咖啡店貼文用的主圖：咖啡師正在把奶泡倒進白色陶瓷杯，拉出葉子形狀的拉花，木質吧台上放著一小盆綠色植物，早晨的自然光從左側窗戶照進來。使用特寫鏡頭，淺景深，照相寫實風，畫面右側留白，方便之後疊上標題文字，正方形構圖。Code language: plaintext (plaintext)改寫的過程，其實就是把前面幾個要素一項一項補進去：
- 用途與動詞：開頭的「生成…貼文用的主圖」同時交代了動作和用途。
- 主體與動作：咖啡師正在把奶泡倒進白色陶瓷杯，取代了籠統的「咖啡店」。
- 地點與光線：木質吧台、綠色植物和左側窗戶的自然光，把場景補齊。
- 構圖與風格：特寫鏡頭、淺景深、照相寫實風，分別指定了取景和質感。
- 預留空間：右側留白是為後製疊字準備的位置。
補上這些要素之後，圖更有機會貼近需求。不過這仍然只是一張更像樣的草稿，同一段提示詞每次出來的結果都不盡相同，剩下的差距，就要靠出圖後的追問去修正。
出圖後一次只追問一個修改項目
拿到第一張圖，先看哪一處離需求最遠，只追問那一處。若同時要求光線改暖、杯子換成黑色、背景加人、構圖拉遠，結果往往不穩定，也很難分辨是哪一個指令造成了新的問題。分開追問，每次的差異都看得出來，想退回上一版也容易。
複雜的場景則可以分步驟下指令。Google Cloud 舉的例子是：「首先，在黎明時分建立寧靜的霧林背景。然後，在前景中加入長滿青苔的古老石祭壇。最後，在祭壇頂端放置一把發光的劍。」先把背景定下來，再疊上主體，每一層都能單獨確認。Google 的 Gemini API 文件也寫明，多輪對話是反覆修改圖片的建議方式，這正是 AI生圖最省力的節奏。
同一個對話裡追問，角色特徵才會延續
如果要讓同一個角色出現在不同場景，第一則提示詞就要把特徵寫清楚。Google 的範例是先描述一隻蘑菇精靈：頭戴大型發光的蘑菇帽、有好奇的大眼睛、身體由藤蔓編織而成；接著在同一個對話裡要求同一隻精靈騎在長滿青苔的蝸牛背上，Gemini 會保留臉部特徵、外觀與服裝。
套用到品牌或網站的情境也一樣。替龐果設計的文章設定一位名叫王小明的虛構角色，第一則提示詞先寫清楚髮型、服裝和配色，後續再要求他出現在辦公桌前、咖啡店或簡報台上，整組圖看起來才像同一個人。
Google 的示範都是在同一個對話裡接著追問，換到新的對話時，最好把同一段角色描述重新貼一次，或附上前一張圖當參考。而且 Google 在限制清單中也坦承，角色特徵的一致性不一定每次都正確，所以需要角色保持穩定時，每出一張圖都要核對臉部與服裝。
用參考圖生成新圖，或把幾張圖合成一張
除了純文字，上傳圖片當參考也是常見的做法，可以請工具修改既有的圖、換風格，或把多張圖的元素合成一張。Google 的範例是先分別生成太空人和雜草叢生的雨林籃球場兩張圖，再把兩張一起上傳，下指令「讓太空人在這個球場灌籃」。OpenAI 的開發者文件則示範了用四張商品參考圖，生成一張包含所有商品的禮籃圖。
最常見的商業用途，是把自己拍的商品照放進指定的場景，例如放到木桌加自然光的情境裡。有了參考圖，圖片生成的結果在構圖與外觀上通常更貼近手上的素材，也比純文字省下不少描述的功夫。
不論用哪個入口，上傳的都應該是自己擁有或有權使用的圖。別人的商品照、模特兒照片和有版權的插畫，都不適合拿來當參考圖。
尺寸比例無法只靠提示詞指定
長寬比是最常讓人頭痛的地方。Google 在限制清單中寫明，雖然可以用提示詞要求所需的尺寸，但輸出內容不一定符合要求。OpenAI 的開發者文件列出的建議尺寸是 1024×1024（正方形）、1536×1024（橫式）和 1024×1536（直式），自訂尺寸時寬與高必須是 16 的倍數；這是給開發者的 API 規格，一般用對話介面的人只要知道，圖片的尺寸本來就有幾個標準級距即可。
實務上的做法，是先在提示詞中寫明想要的比例，例如「正方形構圖」或「橫幅」，拿到接近的圖之後，再用設計軟體裁切。貼文方圖是 1:1，橫式簡報或影片封面是 16:9。提示詞中記得替主體預留邊緣空間，裁切時才不會切到重點。
後製分成局部修改、補上文字與輸出尺寸三件事
出圖只是前半段，真正放上網站或貼文之前，還有三件事要處理：局部不滿意的地方修掉、不能錯的字另外補上、檔案輸出成網站能用的樣子。這幾件事做得扎實，AI製圖的成品才會是一張能直接用的圖，而不是半成品。無論使用哪一款繪圖AI，這三件事都適用。
局部修改用對話指令，需要精準範圍再用遮罩
換顏色、移除背景裡的物件、更換場景，都可以直接用一句話下指令，不需要選取範圍和圖層。Google 的示範是先生成一張有灰色沙發、淺木色咖啡桌的客廳，接著要求把沙發顏色改成深海軍藍，再要求在咖啡桌上加一疊三本書，每次只動一處。Microsoft 的說明頁也列出類似的指令，例如移除背景裡的人物，或把場景換成森林。Google 的說明頁還指出，Nano Banana 2 可以快速調整及修改圖像的特定部分。
需要精準範圍時，有些工具提供遮罩功能。OpenAI 的開發者文件說明，GPT Image 的遮罩編輯完全以提示詞為導向，模型會把遮罩當成引導，但不一定完全貼合遮罩的形狀。換句話說，遮罩的作用是縮小修改的範圍，不是精準的剪裁工具，邊緣不一定貼齊。
修完之後，記得把圖放大，檢查遮罩邊緣，以及最容易出現瑕疵的幾個位置：人物的手指與五官、商品的細節，以及背景光影的方向是否一致。
圖中文字交給設計軟體補上
標語、價格和品牌名這類不能出錯的字，建議生成時先留白，再用設計軟體疊上去。OpenAI 的開發者文件寫道，文字渲染雖然已大幅改善，模型仍可能在精準的文字位置與清晰度上吃力。Google 的說明頁則指出，Nano Banana 2 在所有支援的語言中，加入圖像內的文字時拼寫更準確。文字顯示確實在進步，但進步不等於可以免除逐字檢查。
以促銷海報為例，可以請工具先畫出主視覺：背景、商品和一塊留白的區域；「新品上市」、「2 件 9 折」這些字樣，則用 Canva 或 Figma 這類通用的設計軟體疊上去。字體可以自己選，價格寫錯也只要改一個文字框，不必重新生成整張圖。
下載解析度與網站用圖的處理
解析度要看出圖的工具。Gemini 的未訂閱方案可以下載 1K 解析度，訂閱後可下載 2K；OpenAI 建議的尺寸，則以 1024 級距為主。這些數字說明，AI生成圖放在網頁和社群通常夠用，若要大尺寸輸出，需要先確認解析度是否足夠。
放上網站之前，建議先裁切成需要的比例，再轉成 WebP 或 JPG 這類輕量格式並壓縮，最後替圖片寫好 alt 文字。順序不要顛倒，先壓縮再裁切的話，每重新存檔一次，畫質都可能再損失一些。
商用前要確認著作權、平台條款與標示方式
做圖做到最後，多數人最在意的，是這張圖能不能放在公司網站、商品頁或廣告上。商用前要先確認的事有三件，分別是著作權取決於人類投入多少創意、各平台有自己的使用規範，以及圖放上網站之後的 alt 文字與標示得人工處理。
AI生成圖的著作權取決於人類創意投入
經濟部智慧財產局在一則回覆「用 ChatGPT 輸入指令生成的圖畫」相關詢問的函釋中指出，AI 生成的圖畫是否享有著作權，要看創作過程中有沒有人類實際的創意投入。若只是把 AI 當作輔助工具（例如繪圖軟體）來使用，且有人類實際的創意投入，完成的創作仍可受著作權保護；若創作過程完全由 AI 的演算功能獨立完成，沒有人類精神文明的投入，該圖畫就無法享有著作權。
換成實際的做法，只下了一句提示詞就直接使用的 AI生成圖，不要預期能主張著作權；自己挑選、修改、編排與合成的部分，才是可能受到保護的地方。函釋同時強調，著作權屬於私權，個案是否受保護，仍應由司法機關就具體事實認定，所以以上只能當作判斷方向，不是保證。
平台條款與近似既有作品的風險
同一份函釋也提醒，若 AI 生成的圖畫與 AI 訓練資料中的原始著作構成實質近似，後續作為商業用途可能產生侵權問題。智慧財產局建議先向 AI 模型的開發或管理者釐清，是否已取得著作財產權人的授權、能否轉授權給第三人商業利用，並遵循生成式 AI 提供者訂定的使用規範。
各平台的說明頁也有類似的提醒。Google 的 Gemini 說明頁寫明，使用 Gemini 生成圖像，即表示同意 Google 的服務條款，包括使用限制政策，並請使用者不要侵犯他人的著作權或隱私權。Microsoft 對上傳圖片的要求，前面已經提過。
具體可做的動作有兩個。第一，商用之前把所用平台的條款頁看過一遍；第二，提示詞裡不要放真人的臉孔、既有的卡通角色或品牌商標，想用 AI生圖替品牌做素材時，更要避開這幾類內容。
放上網站後的 alt 文字和 AI 來源標示
圖放上網站之後，有兩件事要處理。第一，alt 文字、標題、描述這些中繼資料也要人工審過，不能原樣使用 AI 產出的內容。Google 的說明指出，發布前務必手動查證並審查所有 AI 生成內容，範圍涵蓋圖片的替代文字。第二，告訴讀者圖是怎麼製作的。Google 建議以適合受眾的方式說明內容的製作方式，並可加入圖片中繼資料。
經營電商商品頁的話，還要多留意 Google Merchant Center 的規定，用生成式 AI 製作的圖像，必須含有標示 AI 生成的中繼資料，例如 IPTC DigitalSourceType 的 TrainedAlgorithmicMedia 標記，也不可移除這類內嵌標記。圖片經過壓縮與轉檔之後，這項標記有沒有保留下來，上架前要再確認一次。
另外，Google 的 Gemini API 開發者文件寫明，透過 API 以 Nano Banana 系列模型生成的圖片，都含有 SynthID 浮水印。各平台的標示做法會隨政策調整，實際情況以各平台當下的說明為準。
AI生成圖片的第一張從來不是終點。先挑一個手上已有帳號的入口，拿一張自己真的會放上網站或貼文的圖，從第一則提示詞開始，一處一處改到能用為止。走完一次，就會知道自己的需求在哪一步最需要補強。