用 JSON 提示词做出\"悬浮爆炸\"产品广告图，像导演一样控制每一层
薯片从袋子里炸出来、珍珠冰块悬浮——这种风格在食品行业几乎是标配，因为它同时传达诱人和真实。
- 悬浮爆炸风格能同时传达两件事：产品很诱人，配料很真实。
- 以前要么请摄影师搭高速摄影棚，要么设计师一层层 P。
- 为什么用 JSON 而不是写一段话——控制粒度完全不同。
- 十层结构拆解，每层在控制什么说清楚。
- motion_effect 是悬浮感的开关；四种变体加 JSON 与自然语言的选择建议。
你一定见过这类食品广告：薯片从袋子里炸出来，奶茶的珍珠和冰块在空中悬浮，巧克力碎片和坚果围绕着产品旋转。这种"悬浮爆炸"风格在食品行业几乎是标配，因为它能同时传达两件事：产品很诱人，配料很真实。
以前做这种图，要么请摄影师搭高速摄影棚，要么找设计师一层一层 P。现在，一条结构化的 JSON 提示词丢给 AI，几秒钟就能出图。
今天拆解的案例来自 ShaHid WaNii，他用 Google Gemini 生成了一组 BOO! 零食广告图：三包不同口味的零食包悬浮在暗色背景中，黑色冰淇淋筒、红蓝浆果、焦糖糖果在周围散落飞舞，包装上的俄文文字和怪兽图案细节清晰可辨。更厉害的是，他用同一套 JSON 结构换了个产品，生成了 Fit Seed 能量棒的广告图，紫色背景配种子散落，风格统一但产品完全不同。
这套方法的核心就一个词：分层控制。
为什么用 JSON 而不是写一段话
先回答一个最基本的问题。
写一段自然语言提示词，比如"三包零食悬浮在黑色背景中，周围有冰淇淋和浆果飞散，灯光是戏剧性的，画质要高"，AI 也能出图。但你会发现一个问题：AI 对"戏剧性灯光"的理解可能和你不一样，"飞散"的幅度和方向你控制不了，产品的角度和大小全靠 AI 自由发挥。
JSON 的本质是把一张图拆成独立的层，每一层你都能精确指定参数。就像拍电影，导演不会对摄影师说"你随便拍，好看就行"，而是会说"机位在这里，灯光从左上方 45 度打下来，演员站在画面右三分之一处"。
JSON 提示词就是你的导演分镜表。
十层结构拆解：每一层在控制什么
这套 JSON 结构一共有十层，我用通俗的比喻帮你理解每层的作用。
第一层，总控参数（image_type + resolution + aspect_ratio）： 决定你要拍什么类型的片子。商业产品摄影、4K 分辨率、16:9 横版。这就像开拍前先定好"我们拍的是 TVC 广告，不是 vlog"。
第二层，场景层（scene）： 搭建舞台。环境是什么？暗色摄影棚。背景是什么？深灰到黑色的渐变。这一层决定了整张图的"氛围底色"。
第三层，构图层（composition）： 摄影师的站位和镜头选择。用什么风格拍（商业广告风）、景深多少（浅景深突出主体）、镜头焦段多少（85mm 人像镜头的压缩感）。这一层决定了画面的"视觉语法"。
第四层，主产品（primary_objects）： 舞台上的主角。三包 BOO! 零食，分别是正面 15 度、侧面 30 度、背面 10 度的角度。注意，连每个包装的旋转角度都能指定，这是自然语言做不到的精度。
第五层，配料和装饰物（secondary_objects）： 群演登场。黑色华夫冰淇淋筒、新鲜蓝莓和覆盆子、焦糖糖果、碎坚果。每个配料的大小、数量、散落范围都可以单独设定。
第六层，灯光层（lighting）： 打光师上场。主光源从左上方 45 度打下来，补光从右侧填充阴影，底部有微弱的反射光让产品底部不会黑成一团。色温、强度、角度全部可控。
第七层，材质层（materials）： 告诉 AI 每种物体的表面质感。包装袋是哑光塑料带轻微反光，冰淇淋筒是粗糙的华夫纹理，浆果表面有水珠。这一层直接决定画面的"高级感"。
第八层，色彩层（color_palette）： 整张图的配色方案。主色调深灰黑，强调色用产品包装的橙红和蓝紫，辅助色用焦糖的暖棕。统一的色彩管理让画面看起来像经过后期调色，而不是 AI 随机配色。
第九层，动态效果层（motion_effect）： 这是"悬浮感"的关键，下面单独讲。
第十层，渲染质量层（render_quality）： 最终输出的技术参数。抗锯齿、光线追踪、纹理精度。相当于后期渲染时选"最高画质导出"。
motion_effect：悬浮感的灵魂在这一层
为什么那些"飞散的配料"看起来既有动感又不混乱？秘密在 motion_effect 层里的一个关键词：frozen motion（冻结运动）。
这个概念来自高速摄影。你用 1/8000 秒的快门速度拍一杯被打翻的咖啡，液体在空中凝固成完美的弧线，每一颗飞溅的水珠都清晰可见。frozen motion 就是告诉 AI："所有物体都在运动中，但画面是凝固的那一瞬间。"
在 JSON 里，你可以进一步控制：
- 运动方向： 配料从中心向外扩散（explosion 模式），还是从上方自然下落（gravity 模式）
- 运动幅度： 飞散的距离是产品尺寸的 1.5 倍还是 3 倍
- 运动阶段： 是刚开始炸开的瞬间，还是已经散到最远点的状态
这三个参数的组合，直接决定了画面是"刚炸开的那一刻的冲击力"还是"优雅悬浮的静谧感"。BOO! 零食那组图选的是中等幅度的爆炸模式，所以配料散得开但不杂乱，悬浮感和冲击力兼顾。
换产品实战：同一套框架的四种变体
这套 JSON 结构最大的价值在于复用。产品换了，框架不用重写，只改几层就行。
奶茶广告：
- primary_objects 换成奶茶杯（透明杯体，能看到分层）
- secondary_objects 换成珍珠、芋圆、冰块、茶叶碎
- color_palette 主色调换成奶白和茶棕
- motion_effect 用 gravity 模式，配料从上方自然洒落，比 explosion 更适合饮品的"清爽感"
化妆品广告：
- primary_objects 换成口红或粉底液瓶
- secondary_objects 换成花瓣、水滴、丝绸飘带
- lighting 加强高光，化妆品广告需要更多的"光泽感"
- materials 重点调整：金属壳体的镜面反射、液体的流动质感
手机发布会风格：
- primary_objects 换成手机（正面亮屏）
- secondary_objects 换成 App 图标、光粒子、几何碎片
- scene 背景换成深蓝到黑的渐变（科技感标配）
- motion_effect 用轻微的 orbital 模式，让碎片围绕手机缓慢旋转而不是炸开
咖啡豆广告：
- primary_objects 换成咖啡包装袋（开口朝上）
- secondary_objects 换成咖啡豆、研磨粉末、热气
- materials 特别注意咖啡豆的油亮质感和粉末的细腻颗粒
- color_palette 走深棕、焦糖色系
你会发现，每次换产品基本只改 3 到 5 层，其他层（总控、构图、渲染质量）几乎不用动。这就是结构化提示词的效率优势。
JSON 还是自然语言？看场景选工具
JSON 提示词并不是所有情况都需要用。一个简单的判断标准：
自然语言够用的场景： 单个主体、简单背景、不需要精确控制细节。比如"一只猫坐在窗台上，阳光照进来"，用自然语言完全没问题，写 JSON 反而浪费时间。
JSON 更合适的场景： 多个物体需要精确摆放、灯光和材质有特定要求、需要复用结构批量出图。商业产品广告几乎都属于这个范畴，因为你需要控制的变量太多了：产品角度、配料种类和数量、灯光方向、色彩统一性、动态效果。
还有一个实际考虑：如果你要给同一个品牌做一组系列广告图（比如同一个零食品牌的五种口味），JSON 结构可以当模板用，每次只改产品名称和配色，出图风格高度统一。用自然语言写五次，每次的措辞差异都可能导致 AI 理解偏差，风格一致性很难保证。
上手建议
- 不需要一次写完整的十层 JSON。先从五层开始：场景、主产品、配料、灯光、动态效果，这五层决定了 80% 的画面效果
- motion_effect 层多试几次 frozen motion 的参数组合，这一层对最终效果的影响最大
- 先用自然语言跑一张"差不多"的图，确认大方向对了，再用 JSON 精调细节
- 保存你觉得效果好的 JSON 结构作为模板库，下次换产品直接套用
小互说： 以前觉得 JSON 是程序员的事，跟做图没关系。看了这个案例才发现，结构化提示词本质上就是"把你脑海里的画面拆成清单告诉 AI"，逻辑清楚比文笔好更重要。做产品广告图的朋友真的可以试试，省下的设计费够吃一个月零食了。
本文参考：ShaHid WaNii 的推文 | 原文链接