第十二节:人物姿态与动作控制(Pose & Gesture)
完整迁移第 12 节原文,拆解姿态、动作、重心、视线与人物交互的提示词控制方法。
第十二节:人物姿态与动作控制(Pose & Gesture)
GPT 生图从 0 到 1 · 第 12 课 · 人体姿态、手势、身体重心、视线与人物互动
前十一节,我们学习了如何控制图片的比例、构图、风格、镜头、光影、材质与参考图,并建立了完整的商业生图工作流。
这一节,我们要解决一个经常出现的问题:
为什么 AI 能够生成漂亮的人物,却不一定能准确控制人物的手、脚、身体姿态和动作?
例如:
- 明明要求人物双手背在身后,却生成了一只手放在胸前。
- 要求人物坐在椅子上,但身体重心和腿部姿态不自然。
- 要求人物向左转头,结果整个身体都转向左侧。
- 要求两个人牵手,却出现多余手指、手臂融合等问题。
这些都与 Pose(身体姿态)和 Gesture(手势与表达性动作) 有关。
本节继续使用之前的蓝发女仆少女作为统一角色参考,固定角色设计、服装与画风,重点改变身体姿态和动作。
12.1 首先区分 Pose、Gesture、Action
这三个概念很容易混淆,但它们控制的内容不同。
Pose
身体姿态
站立、坐下、蹲下、身体旋转
Gesture
表达性手势
挥手、比心、指向、托腮
Action
连续动作
奔跑、跳跃、转身、拿起物品
以上为三种控制概念的示意。严格的动作实验应使用同一张角色参考图片。
| 概念 | 重点控制 | 示例 |
|---|---|---|
| Pose | 身体各部位的位置和方向 | 双腿站立,身体向右转 30° |
| Gesture | 手、头部等部位表达的动作 | 右手挥手、左手托腮 |
| Action | 人物正在执行的运动行为 | 向前奔跑、从椅子起身 |
例如:
少女站立,身体略微侧向右方,右手举起挥手,正在向朋友打招呼。
这句话同时包含 Pose、Gesture 和 Action 的信息。
12.2 人物姿态的七大控制维度
HUMAN POSE CONTROL SYSTEM
01 · Body Pose
整体姿态
站、坐、蹲、跪、躺
02 · Body Orientation
身体朝向
正面、侧面、背面、旋转
03 · Limb Position
肢体位置
肩膀、手臂、双腿、关节
04 · Weight Balance
身体重心
承重腿、倾斜、支撑点
05 · Hand Gesture
手势控制
张手、握拳、比心、拿物
06 · Head & Gaze
头部与视线
转头、低头、抬头、看向哪里
07 · Interaction
接触与互动
人物与道具、人物与人物
其中,人物姿态最重要的是空间关系与支撑关系。
不能只告诉 AI“人物坐着”,还需要说明坐在哪里、双腿如何摆放、双手如何放置,以及身体重量由什么承载。
12.3 第一部分:基础身体姿态(Body Pose)
我们先研究最常见的四类姿态。
四类基础姿态:先确认身体如何被支撑
姿态提示词不能只写动作名称,还要交代接触面、重心和四肢关系。下面的本地教学图可以作为观察和描述的起点。

01 · Body Pose
站、坐、蹲、躺
先判断身体的主要支撑面,再描述髋部、膝盖、脚部和手臂的位置。不要只依赖“坐着”或“蹲下”这样的宽泛动词。
关键词:standing, seated, squatting, lying, supported by surface

02 · Weight Balance
重心与平衡
双腿均衡承重和单腿承重会产生不同的骨盆倾斜与身体线条。描述承重腿,能减少人物像悬浮或失去平衡。
关键词:balanced weight, contrapposto, supporting leg, center of gravity

03 · Human–Object Interaction
人物与道具接触
当人物拿杯子、抚摸物体或依靠桌面时,要补充手指、手腕、接触面和重力方向,避免穿模与漂浮。
关键词:hand contact, grip, supporting surface, natural interaction
- 站姿(Standing Pose)
双脚与地面接触,身体重量由腿部支撑。可进一步细分为自然站立、双腿并拢、单腿承重、交叉站姿。
关键词:standing upright, relaxed posture, natural weight distribution
- 坐姿(Sitting Pose)
臀部由椅子或其他表面支撑,髋关节和膝关节处于弯曲状态。需要明确双脚是否落地,以及手放在腿上还是椅子上。
关键词:seated, feet resting on floor, hands on lap
- 蹲姿(Squatting Pose)
髋部和膝部明显弯曲,身体重心降低。要明确脚跟、膝盖与手臂的位置,避免违反人体运动规律的姿势。
关键词:squatting, balanced center of gravity
- 躺姿(Lying Pose)
身体大部分重量由床、沙发或地面承载。需要明确身体朝向、接触面以及头部和四肢摆放。
关键词:lying on side, supported by sofa, relaxed limbs
从模糊姿态到精确姿态
普通提示词:
蓝发少女坐在椅子上。
更精确的提示词:
蓝发少女自然坐在木椅中央,臀部与椅面接触,躯干直立略微前倾,双膝自然弯曲,双脚平放在地面上,双手交叠放在大腿上,身体重心由椅面和双脚共同支撑。
第二种描述明确了身体与椅子的关系,能够降低生成不合理姿势的可能性。
12.4 第二部分:身体朝向(Body Orientation)
这一节需要重新强调第五节学过的概念:
身体朝向、头部朝向、相机位置,是三个不同的控制维度。
例如:
人物身体朝左,但头部回头看镜头。
身体正面朝向镜头
躯干与脸部都面向相机
身体侧向,回头看镜头
躯干方向和头部方向分离
可以将控制拆成三个参数:
| 参数 | 描述 |
|---|---|
BODY_DIRECTION | 身体面向左侧 |
HEAD_DIRECTION | 头部转向相机 |
GAZE_TARGET | 双眼看向镜头 |
示例提示词
参考图中的蓝发少女站立在画面中央。
身体朝向画面左侧,肩膀与躯干呈自然侧身姿态。
头部向右转动,回头看向相机。
双眼准确看向镜头方向,保持自然表情。
双脚稳定站立,身体重量主要落在靠后的腿上。
使用三分之四人物视角,3:4 竖版全身构图。
保持角色服装、发型和配饰一致,避免头部和颈部出现不合理扭转。
12.5 第三部分:手势控制(Hand Gesture)
手是 AI 生图中非常值得单独研究的复杂结构。
因为手掌包含多个关节,手指长度、弯曲角度、相互遮挡和物体接触关系都需要协调。
挥手(Waving)
手掌张开,手指自然分开
比心(Heart Gesture)
双手配合,手指位置明确
指向(Pointing)
食指伸出,其余手指自然弯曲
托腮(Hand on Cheek)
手掌与脸颊形成自然接触
如何描述手指动作?
不要只写:
右手做一个好看的动作。
建议描述:
右手抬至肩膀附近,手掌面向相机,五根手指自然张开,手腕略微向外旋转,左手自然垂放在身体侧面。
如果需要拿物品,还需要补充接触关系:
右手握住白色马克杯杯柄,拇指位于杯柄外侧,其余手指自然弯曲并形成稳定握持。杯子垂直放置,不悬浮。
但需要注意,指定五根手指也不能保证 AI 一定生成正确。最终仍要放大查看手指数量、关节和遮挡关系。
12.6 第四部分:身体重心与平衡(Weight Distribution)
为什么有些 AI 人像看上去像悬浮或即将跌倒?
一个重要原因是身体的支撑关系不合理。
站姿重心示意
双腿均衡承重
身体中轴大致处于双脚支撑范围内
单腿主要承重
骨盆与肩膀可产生自然倾斜
简化的二维人体姿态示意。实际平衡取决于三维重心、脚底支撑区域和动作状态。
一个重要概念:Contrapposto
Contrapposto(对立式平衡姿态)是艺术与人物造型中常用的站姿概念。
它通常表现为:
- 身体重量主要落在一条腿上。
- 骨盆因承重而倾斜。
- 肩部与骨盆产生相应的平衡关系。
- 非承重腿相对放松。
这种姿态常用于时尚写真、人物插画和角色设定图。
提示词可以写:
自然的 Contrapposto 站姿,身体重量主要落在右腿,左腿放松并略微弯曲,骨盆轻微倾斜,肩膀形成自然平衡,整体姿态优雅且符合人体结构。
12.7 第五部分:视线与头部控制(Head & Gaze)
视线对人物情绪的表达非常重要。
例如,同样是一个半身肖像:
直视镜头
亲近、直接、具有互动感
看向画面之外
引导观众想象画面外的空间
低头垂眸
安静、沉思、内敛
仰头向上看
好奇、向往、希望
控制视线时,建议分别描述:
头部方向(Head Orientation) 与 眼睛注视目标(Gaze Target)。
例如:
头部略微向左转动约 15°,眼睛仍看向正前方的相机。
这样能比“她看着镜头”更明确。
12.8 第六部分:人物与道具的互动(Human–Object Interaction)
当人物需要拿着、坐着、靠着或触摸某个物体时,模型不只要生成两个主体,还需要理解它们之间的接触关系。
例如,我们让少女拿起一只白色马克杯。
人物与道具交互的四项控制
- 接触位置: 手掌、手指接触杯柄的具体区域。
- 动作方向: 右手抬起,杯子保持直立。
- 物体尺度: 杯子大小符合成人手部握持比例。
- 支撑与遮挡: 手指正确环绕杯柄,杯子不悬浮或穿过手掌。
示例提示词
使用参考图中的蓝发女仆少女作为唯一主体。
人物自然坐在木椅上,身体面向镜头,双脚平放地面。
右手握住桌面上白色马克杯的杯柄,手指自然弯曲,形成真实的抓握姿态。
左手轻轻放在桌面上。
杯子保持直立,比例与人物手掌相协调。
采用3:4竖版、中景、平视镜头,温暖室内自然光。
必须保持角色的蓝发、蓝色眼睛、女仆服装及主要配饰。
不得出现多余手指、悬浮物品、手掌穿透杯柄或不合理的手腕弯曲。
12.9 第七部分:多人姿态与互动(Multi-person Interaction)
当画面中出现两个人时,单独描述人物动作已经不够。
还要明确:
- 人物 A 与人物 B 的位置。
- 谁是主要人物。
- 两人面向哪里。
- 人物之间是否接触。
- 接触的是哪只手、哪个部位。
示例:双人牵手
普通提示词:
两个少女在草原上牵手。
更精确的描述:
两位成年女性站在草原上,人物 A 位于画面左侧,人物 B 位于右侧。人物 A 使用右手轻握人物 B 的左手,两人自然站立,手臂呈舒适的弯曲状态。两人的身体轮廓清晰分离,双手接触位置自然,不出现融合或重复的肢体。
复杂多人场景中,最好给人物分配固定的标识,例如 Character A、Character B,避免模型混淆角色。
12.10 第八部分:使用姿态参考图进行控制
仅靠文字描述某些复杂动作时,容易出现误差。
这时可以使用 Pose Reference(姿态参考图)。
例如:
姿态参考控制流程
图片 A · 角色参考
确定人物外貌与服装
图片 B · 姿态参考
确定身体姿势、手臂和腿部位置
生成目标图片
尽量保持 A 的角色身份 + B 的动作结构
例如:
图片 A 作为角色设计的唯一依据。图片 B 只作为人物姿态和肢体位置参考。最终图片保持图片 A 的蓝色长发、女仆服装及角色特征,但使用图片 B 中的坐姿、手臂位置和腿部摆放。不得复制图片 B 中人物的脸部、服装或背景。
OpenPose 与 ControlNet 是什么?
这两个名词值得了解,但它们并不属于 GPT Image 的通用内置控制参数。
- OpenPose:一类人体关键点检测与姿态表示技术,可以表达头部、肩膀、手肘、手腕、髋部和膝盖等关键位置。
- ControlNet:在部分扩散模型生态中,用姿态骨架、边缘图、深度图等条件辅助控制生成内容的方法。
它们适合需要更明确几何约束的工作流。使用 GPT Image 时,可以通过上传姿态参考图进行自然语言引导,但不能据此认定其内部会使用 OpenPose 或 ControlNet,也不能保证逐关键点精确匹配。
12.11 完整的姿态控制提示词模板
GPT Image · Pose & Gesture Prompt V1.0
01. 主体(Subject)
使用参考图中的人物作为唯一主体。
保持人物主要外貌、发型、服装、配饰和视觉风格。
02. 整体姿态(Body Pose)
[站立 / 坐下 / 蹲下 / 跪姿 / 躺姿]
03. 身体朝向(Body Orientation)
身体面向:[正面 / 左侧 / 右侧 / 背面]
躯干旋转:[具体描述]
04. 四肢控制(Limb Position)
- 左手:[位置、弯曲程度]
- 右手:[位置、弯曲程度]
- 左腿:[位置、承重情况]
- 右腿:[位置、承重情况]
05. 身体重心(Weight Balance)
明确主要承重部位、支撑点与重心方向。
06. 手势(Gesture)
[挥手 / 指向 / 比心 / 握持 / 托腮]
描述手掌方向与手指位置。
07. 头部与视线(Head & Gaze)
- 头部方向:[方向]
- 头部倾斜:[角度或程度]
- 视线目标:[相机 / 物体 / 远处]
08. 互动关系(Interaction)
如果涉及道具或其他人物,说明:
- 人物与物体的相对位置
- 接触位置
- 支撑方式
- 合理的遮挡关系
09. 镜头与风格(Camera & Style)
- 比例:3:4
- 构图:人物居中
- 景别:全身
- 镜头:平视
- 风格:保持参考图风格
10. 约束条件(Constraints)
P0:不改变人物核心身份和服装结构。
P1:姿态与指定肢体关系尽量一致。
P2:允许自然衣褶和发丝变化。
禁止多余肢体、异常关节、悬浮物体及明显错误的人体支撑结构。
11. 验收标准(Validation)
- 整体动作正确
- 头部和躯干方向正确
- 双手与双脚位置正确
- 人体比例与重心合理
- 人物身份与服装保持一致
- 人物与物体接触自然
12.12 互动实验:构建人物姿态提示词
选择身体姿态、手势和视线方向,自动组合提示词。
整体姿态
自然站立
坐在木椅上
自然蹲下
身体侧向站立
手部动作
右手挥手,左手自然下垂
双手在胸前比心
左手托腮,右手自然放松
双手自然垂放在身体两侧
头部与视线
正面看向镜头
头部向左转并看向远方
轻微低头,视线向下
抬头看向上方
身体重心
双腿均衡承重
主要由右腿承重
主要由左腿承重
身体由椅面与双脚支撑
视觉风格
动漫写实3D
自动组合的姿态提示词
使用参考图中的蓝发女仆少女作为唯一人物主体,保持蓝色长发、蓝色眼睛、白色女仆头饰、深蓝白色女仆服装与核心配饰。 【整体姿态】自然站立。 【双手动作】右手挥手,左手自然下垂。 【头部与视线】正面看向镜头。 【重心与支撑】双腿均衡承重。 【画面风格】日系动漫。 采用3:4竖版、平视、人物居中全身构图,确保手部、脚部完整可见。 【约束】保持角色主要设计一致,保证人体关节自然、动作具有合理支撑,避免多余肢体、不合理手指和异常扭曲。
复制提示词
有些组合需要进一步调整,例如坐姿不适合采用单腿站立承重。正式生成前应检查姿态、手势和重心之间是否存在冲突。
12.13 第十二节博客配图规划
建议为本节制作以下 8 张教学图片:
| 编号 | 教学图片 | 说明 |
|---|---|---|
| 12-01 | Pose、Gesture、Action 对比 | 理解三个概念 |
| 12-02 | 站、坐、蹲、躺姿态 | 2×2 四宫格 |
| 12-03 | 身体朝向与头部朝向 | 双栏对比 |
| 12-04 | 挥手、比心、托腮、指向 | 2×2 四宫格 |
| 12-05 | 双腿承重 vs 单腿承重 | 重心示意 |
| 12-06 | 四种头部与视线方向 | 2×2 四宫格 |
| 12-07 | 人物拿马克杯的正确接触关系 | 手部细节与标注 |
| 12-08 | 角色图 + 姿态图 → 目标图 | 多图参考工作流 |
我们可以继续使用同一个蓝发少女角色进行整套对比实验,尽量固定服装、脸部、画风、比例和背景。
尤其推荐将 12-07 作为重要教学案例:人物握住马克杯时,重点检查手指与杯柄的关系、手腕角度、物体重力方向以及是否出现穿模。
12.14 本节总结
人物姿态控制的核心公式是:
Pose & Gesture = 整体姿态 + 身体朝向 + 肢体位置 + 重心支撑 + 手势 + 头部视线 + 互动关系。
通过这一节,我们不再只是写“一个少女站着”或“一个少女坐着”,而是能够详细描述身体各部位如何组织、如何支撑,以及与其他物体产生什么关系。
需要记住三个关键原则:
- 描述身体结构,而不只是动作名称。
- 区分身体朝向、头部方向与相机位置。
- 复杂动作尽量使用姿态参考图,并对手部和接触关系进行单独验收。
下一节将进入 第十三节:空间与透视控制(Spatial & Perspective),研究一点透视、两点透视、三点透视、消失点、前中后景、物体尺度、遮挡关系和空间深度。
这将帮助我们进一步解决 AI 生图中的另一类核心问题:人物和物体本身看起来正确,但它们所处的空间却不真实。