拍照学英语：用 GPT-Image-2 把生活照变成看图学单词手账图的完整提示词和操作指南

先看效果

四张图是作者 Larus Canus（@MrLarus）发推时附的实际效果。原图保留照片真实感、用白色细线圈出物品、单词加例句自然分布在留白处，整体像一页手写笔记。这是同一作者「手账系列」的第二个玩法，他之前还做过 Chibi Mini Me Scrapbook（自拍变 Q 版小分身手账）。

认识 GPT-Image-2

OpenAI 在 2026 年 4 月 21 日推出的最新一代图像生成模型，消费者品牌叫 ChatGPT Images 2.0。相比上一代，几个关键变化：

• 4K 分辨率：能出更细的图，文字渲染明显改进
• 指令跟随更稳：复杂任务（多物品标注 + 中英文混排 + 装饰元素）出错率比上一代低
• 会先想再画：生成前会先 plan 一下图片结构，OpenAI 自己叫这个「Agentic image generation」

ChatGPT 和 Codex 用户在 web 端 4 月 22 日已经能用，API 5 月初对开发者开放。这条手账玩法用的就是 ChatGPT 网页版里的 GPT-Image-2。

提示词结构：作者做了什么

完整提示词大约 800 字，按功能分 8 层。先看每层在管什么，再看完整版：

完整提示词（直接复制使用）

请根据用户上传的生活照片（Image A），创作一张高完成度的「看图学单词手账照 / Photo Vocabulary Scrapbook」。 【核心任务】 基于用户上传的真实生活照片，在尽量保留原图真实感与主体内容的基础上，把这张照片增强成一张「轻学习手账风」的英语单词学习图。请自动识别照片中清晰、常见、适合英语初学者学习的日常物品，并用白色细线手绘风格圈出物品，再为每个物品添加英文单词和简短英文例句，让整张图看起来像一页清爽、自然、适合社交媒体发布的 photo vocabulary scrapbook。 【原图保留要求】 Image A 是用户上传的原始照片，也是本次创作的基础底图。请尽量保留原图中的：真实人物（如果有）、场景环境、物体摆放关系、光线氛围、构图结构、照片原本的生活感与真实摄影感。不要大幅改动原图，不要把照片整体变成插画，不要破坏照片的真实感。如果照片中有人物，不要换脸，不要明显改变人物身份与姿态。 【物品识别规则】 请优先识别 6 个日常生活中常见、清晰可见、适合英语学习的物品。如果画面中合适物品不足，或者画面空间不足以清晰呈现 6 个标注，则可降为 5 个。不要为了凑数而选择太小、太模糊、太抽象或不常见的物品。优先选择：日常高频物品、容易理解和学习的名词、视觉上清晰可辨认的物品。 【标注呈现方式】 请用白色细线手绘风格对每个被识别的物品进行标注。要求如下：用白色细线沿着物体边缘轻轻描出轮廓；线条要像随手画上去的一笔画，轻松自然，不要太工整；可加入少量箭头、虚线、圈线或辅助指向线；标注风格要自然、有留白、像手账笔记；不要把整张图画满，不要过度装饰；标注应尽量分布均衡，形成自然阅读路径。 【文字内容格式】 每个物品旁边只写两部分内容：① 英文单词（最突出、字号最大）② 一句简短英文例句（比单词小一号）。不要写中文，不要写复杂英文释义，不要写太长的解释段落。整体以「纯英文轻学习标注」为主。 句子要求：简短、自然、容易理解、适合英语初学者、难度控制在 A1-A2、尽量使用基础词汇和基础句型、每句尽量短建议 4-8 个英文单词左右、不要写复杂从句、不要使用生僻词。 【文字排版要求】 英文单词最突出；例句略小一号；文字整体清晰可读；不要让文字块过大；文字颜色以白色为主；如有需要可加极轻微描边或阴影，保证在照片背景上清晰可读；保持手写笔记感，不要像正式排版海报。 【Chibi 学习助手规则】 可选加入 1 个很小的 chibi 学习助手，但必须遵循以下规则： 1. 如果照片中有清晰可见的人物：可以加入 1 个小型 chibi 学习助手。该助手应基于照片中的主要人物形象延展而来，保留人物的基本发型、服装特征或整体气质，像一个迷你英语学习小助手。 2. 如果照片中没有人物，但有清晰可见的动物或宠物：也可以加入 1 个很小的动物学习助手。该助手应基于该动物形象进行可爱化处理，并与原动物保持一定对应关系。 3. 如果照片中既没有人物，也没有动物：不要加入任何 chibi 学习助手。 4. chibi 学习助手只能有 1 个，而且必须很小：放在角落或边缘区域；不能成为主视觉；不能遮挡主体物品、英文单词或例句；只能作为轻微辅助装饰。 5. chibi 学习助手的动作可以是：拿着单词卡、拿着铅笔、拿着小本子、轻轻指向某个单词、做出学习/提醒/陪伴的可爱动作。 【手绘辅助元素】 可以在画面空白处加入少量辅助性的手绘装饰元素，用于增强 scrapbook / 手账学习感，例如：stars、sparkles、arrows、circles、underlines、dotted lines、tiny hearts、cute little icons。要求：数量少；点到为止；以白色为主；不要太花；不要喧宾夺主；不能影响物品学习标注的清晰度。 【整体构图要求】 整体视觉应以「原始生活照片 + 物品学习标注」为主。构图逻辑如下：保持原图主体清晰；6 个（或 5 个）英语单词标注分散在画面中；白色手绘线把物品与文字自然连接起来；标注布局均衡，不要都挤在一个区域；优先避开人物脸部和主体核心区域；让观众的阅读顺序自然形成「先看照片 → 再看被圈出的物品 → 再读单词 → 再读例句」。 【整体风格关键词】 realistic lifestyle photo, photo vocabulary scrapbook, white hand-drawn annotations, English vocabulary notes, clean and natural layout, light learning content, soft doodle style, social-media-friendly, minimal scrapbook aesthetic, casual study notes, cute but clear. 【避免事项】 请避免以下问题：标注数量过多；物品选择不典型；文字太长；例句太复杂；手绘线条太乱；元素堆得太满；遮挡主体；把照片改得不像真实照片；chibi 助手太大或太抢眼；没有人物/动物却硬加 chibi；文字乱码；英文错误或不自然；排版拥挤难读。 【最终目标总结】 把一张普通生活照，变成一页：「可爱、清爽、自然的英文单词学习手账图」。

GPT-Image-2 接受中文 prompt 没问题，所以这段中文 prompt 直接复制粘贴就能用，不需要翻译成英文。

哪些参数可以改

如果你想出图风格不一样，下面 7 个参数最常调：

三种场景的微调示例

针对常见的拍摄场景，把下面这些段落直接追加到原 prompt 末尾就能换效果：

场景 A：餐桌或食物照（学动词）

追加段落：

请优先识别照片中的动作（如 pour、slice、stir、boil、taste 等），
而不是物品名词。单词改成动词原形，例句改成第一人称现在时（如 "I pour the coffee"）。

效果（演示用 GPT-Image-2 一步合成的早餐场景）：

5 个动词全标了：POUR / SLICE / STIR / TASTE / BOIL，每个配第一人称现在时短句（"I pour the coffee" / "I slice the bread" / "I stir the yogurt" / "I taste the toast" / "I boil the water"）。白色细线圈出每个动作的对象，加了星星和虚线点缀。这套微调最适合做成「今日厨房动词系列」。

场景 B：户外或旅行照（强调形容词）

追加段落：

请额外标注照片中表达氛围、天气、场景特征的形容词
（如 cozy、breezy、crowded、sunny、quiet 等）3-5 个。
例句改成主谓+形容词结构（如 "The street is cozy"）。

效果（演示用 GPT-Image-2 一步合成的傍晚街景）：

5 个形容词都是描述场景氛围的：GOLDEN（光）/ BREEZY（空气）/ QUIET（咖啡馆）/ COZY（街道）/ EMPTY（椅子）。例句全部主谓+形容词结构。形容词手账特别适合旅行日记或者季节系列。

场景 C：宠物照（chibi 模式强化）

追加段落：

请生成 chibi 助手版本的猫/狗（基于照片中的真实宠物），
让 chibi 助手做拿着单词卡或指着某个单词的动作。
chibi 大小限制在画面右下角 1/6 区域。

效果（演示用 GPT-Image-2 一步合成的客厅猫咪场景）：

5 个名词标注：PLANT / CUSHION / CAT / TOY / BLANKET，例句保持 A1-A2 难度（"The cat is fluffy" 这类）。右下角 chibi 版橘猫拿着 CAT 单词卡，chibi 占画面约 1/6。装饰用了猫爪印代替星星，是宠物主题该有的细节。如果是狗或者其他宠物，把 prompt 里的 "cat" 换成对应动物即可。

5 步操作指南

1. 打开 ChatGPT 网页版（需要 Plus 账号），开始一段新对话，确保模型选的是 GPT-4o（GPT-Image-2 在 ChatGPT 里就是绑在 GPT-4o 下面的图像能力）
2. 点击附件按钮上传一张生活照。最容易出好效果的照片：物品 5-8 个、相互距离明显、光线均匀、背景不杂乱
3. 把上面的完整提示词整段粘贴进对话框，最好不要做大改动，先按原版跑一次看效果
4. 等模型出图（一般 30-60 秒）。如果效果不满意，直接告诉它「重新生成，标注更分散一点」「换成黄色细线」「单词改成动词」等具体要求
5. 出图后右键保存或截图发布。如果想做系列内容，把每天一张同一物品类型的照片标注，30 天积累下来就是一本主题词汇手账

容易卡的几个点

• 照片选得不好：拍得太杂、物品堆太满，AI 容易圈错或认成不常见的英文词。优先选物品 5-8 个、距离明显的
• 物品识别成奇怪的英文词：在原 prompt 里加一句「物品识别请优先使用 A1-A2 词频表里的常见名词」可以稳一些
• Chibi 助手抢戏：如果生成的助手太大，加一句「chibi 助手必须小于画面 1/8 大小，放在右下角」
• 文字模糊：原 prompt 已经说了用白色描边，但如果你的照片背景偏白，可以再加一句「如果照片背景为浅色，文字改用深灰色」
• 想叠加 Chibi Mini Me Scrapbook 玩法：作者之前那个版本是把人物变成 chibi 小分身散布在画面里，跟单词手账可以组合用

学完这条你应该能做的事：拍一张生活照、复制提示词、出一页带英文单词标注的手账图。可以试着做成「随拍英语日记」连续更新，主题可以按词性（名词周/动词周/形容词周）或者场景（厨房周/出行周/办公室周）分。 本文参考：Larus Canus（@MrLarus）的推文