Midjourney 中文 Prompt 點寫？粵語創作實戰教學（2026）

一句答你： Midjourney 收中文 prompt 都出到圖，但想穩定控制畫面，最穩陣嘅寫法係「英文關鍵詞＋具體視覺描述」：主體、場景、風格、光線逐樣講清楚，再避開文字、手部、香港街景、品牌色同比例呢五個常見失效位。

Key Takeaways

• 中文 prompt 可以用，但抽象詞（例如「氛圍感」「高級感」）經語義轉換之後容易走樣，具體視覺詞先至可控。
• 穩陣結構：主體 → 動作 → 場景 → 風格 → 光線 → 鏡頭，一段 prompt 講齊六樣嘢。
• 五個常見失效位：畫面文字、手部、香港街景、品牌色、比例，每個都有具體補救方法。
• 香港場景要靠「視覺詞庫」：茶餐廳、霓虹招牌、唐樓、鐵閘——唔好淨係寫「香港街」。
• 品牌色要寫具體色相，唔好靠品牌名；商標同 logo 就唔好叫模型畫。
• 出圖之後配返粵語旁白同字幕，先係完整嘅內容工作流。

Midjourney 中文 prompt 嘅核心難題

Prompt 係你畀圖像模型嘅文字指令，模型根據呢段字去估你想要嘅畫面。你可以將佢當成一份畀美術指導睇嘅簡報：你講得越具體，佢自由發揮嘅空間就越細，出嚟嘅嘢就越接近你腦入面嗰幅畫。

問題係：好多香港創作者腦入面有清晰畫面，落到鍵盤就只係打「香港街景 夜晚 霓虹燈」十幾隻字，然後怪模型出嘅嘢唔似樣。呢個通常唔係模型唔得，係指令太疏。根據 Midjourney 官方文件（2026-10-31 查閱），官方建議嘅寫法都係由主體、場景、媒介、光線呢啲基本元素逐步描述起（Midjourney 官方文件, 2026）——呢套思路對中英文 prompt 一樣適用。

中文 prompt 仲有一層結構性難題：模型理解文字依賴訓練資料入面嘅對應關係，中文口語、潮語、抽象美學詞嘅對應樣本相對少，語義一飄，畫面就跟住飄。粵語口語入面好多生動詞——「好有 feel」「好癲」「好治癒」——本身就唔係視覺描述，你唔可以指望模型譯得準。

順帶一提，粵語受眾規模唔細：全球約有 8,490 萬粵語母語者，但高質素語言資源長期不足（WenetSpeech-Yue 論文, 2026）。呢個背景落，香港創作者更加要靠「自己寫得具體」嚟補返模型對粵語文化場景嘅認知缺口。

中文定英文？粵語創作者嘅取捨

中文 prompt 嘅優勢同陷阱

中文 prompt 最大優勢係快：你腦入面用廣東話諗嘢，直接打中文，唔使隔一層翻譯。寫「茶餐廳入面阿婆飲緊奶茶」呢類句子，語感自然，試概念一流。

但陷阱喺抽象詞。中文創作圈流行嘅詞——「氛圍感」「高級感」「電影感」「治癒系」——唔係視覺描述，係情緒標籤。模型收到之後只能靠統計關聯去估，出嚟嘅嘢好容易同你想要嘅差一截。視覺描述詞 係具體講出畫面入面「睇得到」嘅元素：顏色、光線方向、物件、構圖、質感。呢啲先係模型真正識得處理嘅語言。

例如：「高級感餐廳」不如寫「深色木牆、單盞吊燈、白枱布、暖黃燈光、淺景深」。

英文關鍵詞＋具體視覺描述：穩陣組合

實際操作上，我哋建議嘅組合係：概念用中文諗，落筆用英文視覺詞。流程係——先用廣東話寫低你想要嘅畫面，再逐個元素轉成具體英文：主體、動作、場景、風格、光線、鏡頭。

例如：你想「一個後生女喺深水埗樓梯舖揀黑膠唱片」，可以寫成 "a young woman browsing vinyl records in a tiny Sham Shui Po stair shop, cluttered shelves, warm tungsten bulb, shallow depth of field, documentary photography style"。

一句總結：唔係「中文唔得」，係「抽象唔得」。你用中文寫到幾具體都得，但視覺詞庫用英文累積通常快啲，因為攝影、電影、設計嘅教學材料大部分以英文寫成，現成詞彙多。

三個結構模板（可以直接抄）

模板一：通用敘事模板

結構：主體 → 動作 → 場景 → 風格 → 光線 → 鏡頭

例如："an elderly man reading a newspaper, sitting by the window of a cha chaan teng, morning light through glass, 1980s Hong Kong, film photography, warm tones, 35mm lens"

呢個模板適合故事性內容：插畫、封面、社交媒體帖。六個元素未必樣樣都要，但主體同場景一定唔可以慳。

模板二：香港在地場景模板

結構：主體 → 香港具體場景 → 時代感細節 → 鏡頭語言 → 色調

例如："a dai pai dong food stall at dusk, steam rising from the wok, dense neon signs and tangled wires overhead, red-white-blue canvas canopy, cinematic wide shot, teal and orange grade"

關鍵係「時代感細節」：紅白藍帆布、鐵閘、馬賽克磚、霓虹招牌——呢啲詞先會令畫面「港」起嚟。淨係寫 "Hong Kong street"，好多時會出一個泛亞洲街景。

模板三：品牌商業模板

結構：產品 → 使用場景 → 色相描述 → 背景簡潔度 → 比例設定

例如："a matte black water bottle on a light grey studio background, soft shadow, minimal composition, vertical format"

商業圖重點係乾淨同可控：背景要簡單、色調要貼品牌、比例要配合投放平台。品牌色點寫，下面失效位四會詳細講。

五個常見失效位同補救

先俾你一個總覽：

失效位一：畫面文字變假字

假字 係模型畫出嚟「似文字但讀唔到」嘅符號——筆畫似模似樣，但冇一個字係真嘅。圖像模型渲染文字向來係難點，中文字筆畫多，出假字嘅情況一般更明顯。

補救：需要文字嘅位（招牌、標語、海報字），出圖之後用設計工具加返上去。prompt 入面可以寫 "blank signboard"，留空間後期加工。如果真係要模型寫字，短英文詞通常好過長句子同中文字，但唔好指望一次過完美，準備多出幾張挑選。

失效位二：手部崩壞

手係圖像模型嘅經典弱點：手指數量、關節方向、握嘢姿勢都容易出錯。補救方法三個：一，構圖避開手部特寫；二，用道具自然遮擋，例如「雙手捧住杯」好過「攤開手掌」；三，一次出多幾張，揀手部正常嗰啲用。

失效位三：香港街景唔似香港

你寫 "Hong Kong street"，模型俾你一條乾淨、現代、招牌稀疏嘅街——可能似新加坡，可能似重慶，就係唔似旺角。因為「香港」對模型嚟講係一個統計概念，你要喂佢具體視覺證據。

補救：將「香港」拆成元素——霓虹招牌密集、雙層巴士、紅色小巴、唐樓騎樓、涼茶舖、報紙檔、電線橫空、舊式手寫價目牌。元素落得越多，畫面越似樣。同時記住失效位一：招牌字會係假字，留返後期處理。

失效位四：品牌色走樣

你寫公司名或者品牌名，模型唔會知道你哋品牌指南入面嗰隻色。佢只會按訓練資料入面對呢個名嘅一般印象出圖，顏色好容易走樣，仲會被場景光污染。

補救：用色相描述代替品牌名——「深藍」「熒光綠」之外，可以再精確啲：「深藍接近海軍藍、帶灰調」。更穩陣係出圖之後喺設計工具校色。另外特別提醒：唔好叫模型畫商標或者 logo，一來效果不可控，二來涉及授權問題；生成式 AI 嘅商用要有清楚標示同問責（香港數字政策辦公室《香港生成式人工智能技術及應用指引》, 2026）。品牌視覺嘅一致性，應該由設計系統把關，唔係靠模型估。

失效位五：比例唔啱用

出圖比例 係圖片闊度同高度嘅比例，例如方形 1:1、橫度 16:9、直度 9:16。唔講明比例，模型多數出返個預設形狀，到你放上社交平台或者做影片底圖先發現唔啱用，裁完之後構圖散晒。

補救：出圖之前先決定用途——社交帖、影片底圖、印刷稿各有唔同要求，然後喺 prompt 入面一早指明直度、橫度定方形，官方文件有講點樣設定（Midjourney 官方文件, 2026）。仲有一個實用習慣：同一個 prompt 出幾個唔同比例版本，揀最啱用嗰張先去執。

【獨家觀察】香港視覺詞庫先係你嘅護城河

【獨家觀察】根據我哋同本地創作者項目嘅交流（觀察至 2026-10-31），香港用家寫 prompt 最常見嘅樽頸唔係英文詞彙量，而係「場景記憶冇轉成視覺語言」。你腦入面有阿嬤間涼茶舖嘅完整記憶——木枱、銅葫蘆、手寫價錢牌、吊扇——但落筆只係「涼茶舖」。模型唔會讀心。

所以我哋建議每個團隊建一份自己嘅「香港視覺詞庫」：將你常用嘅場景拆成十至二十個具體元素詞——茶餐廳卡座、馬賽克磚、鐵閘、紅白藍帆布、霓虹招牌、雙層巴士、唐樓騎樓、街市紅色燈膽——每次寫 prompt 由詞庫抽料。呢份詞庫先係你同外地創作者拉開差距嘅資產：模型人人有得用，但你對香港街頭嘅記憶，係獨家素材。

寫 prompt 嘅迭代節奏

好 prompt 唔係一次寫成，係迭代入深。建議節奏：

1. 粗試：用模板一寫個基本版，出幾張睇方向啱唔啱。
2. 加料：方向啱但細節唔夠，就加光線、質感、時代感詞，一次只加兩三個元素，先知邊個詞有用。
3. 固定：成功嘅詞組記低，變成你團隊嘅 prompt 範本，下次直接抽用。

同一個 prompt 出唔同結果係正常嘅；你要管理嘅唔係「一次到位」，而係「揀圖成本」。

出圖之後：配粵語聲音先至完整

靜態圖只係第一步。而家嘅內容工作流通常係：Midjourney 出底圖 → 圖像工具加工或者延展成影片 → 配粵語旁白同字幕 → 出街。

圖像加工同角色一致性，可以睇 Nano Banana 呢類圖像生成編輯能力，而且生成圖會帶內容憑證同水印，對標示 AI 內容有幫助（Google Gemini API 圖像生成官方文件, 2026）。圖轉影片之後想角色開口，對嘴工具一般要求角色正面、嘴部清楚，聲軌長過影片就要剪（Kling 官方使用指南, 2026）。聲音嗰邊，CapCut 內建文本朗讀可以快速配粵語試稿，正式旁白就用專門粵語 TTS，聲線同語氣可控啲。

下一步資源：

• 圖轉影片＋粵語配音：睇 Nano Banana 粵語影片教學 同 AI 影片粵語配音指南。
• 快速剪接配聲：睇 CapCut 粵語配音教學。
• 社交短片聲音處理：睇 短影片粵語配音實戰。
• 品牌視覺同聲音一致：睇 品牌聲音一致性指南。

資料來源同方法說明

本文嘅工具能力描述以官方文件為準（2026-10-31 查閱）；文中冇列明嘅功能、價錢或者版本細節，一律唔作保證。實際輸出效果因 prompt 同設定而異，建議讀者用自己嘅場景重複驗證，建立自己嘅詞庫同範本。

常見問題 FAQ

Midjourney 明唔明中文 prompt？

可以試，簡單場景通常出到嘢；但抽象詞同長句容易走樣。穩陣做法係概念用中文諗、落筆轉成具體英文視覺詞，香港元素就用具體場景描述，唔好依賴情緒標籤。

點解我寫「香港街」出嚟唔似香港？

「香港」對模型係統計概念，要拆成視覺元素：霓虹招牌密度、雙層巴士、紅色小巴、唐樓、鐵閘、橫空電線。元素越多越似。招牌文字會係假字，留返後期加工。

可以叫 Midjourney 畫公司 logo 嗎？

唔建議。一來效果不可控，二來商標涉及授權問題。品牌色用色相描述（例如「深藍帶灰調」），logo 交返設計師同設計系統處理。

中文同英文可以溝住寫嗎？

可以，但溝寫嘅好處主要係方便你自己記錄同迭代；對輸出穩定性，具體視覺詞先係關鍵。建議主體、場景、風格用英文具體詞，中文淨係做註解，出圖前清理一次。

比例應該點揀？

跟用途：社交平台貼文用方形或者直度、橫額同影片底圖用橫度、手機直向短片用 9:16。出圖前喺 prompt 講明，同一個 prompt 出幾個比例版本再挑，慳返裁圖時間。

出圖之後想加粵語旁白，點開始？

先將圖變影片（圖像延展或者影片生成工具），再配聲。快速試稿可以用剪接工具內建文本朗讀；正式發佈建議用專門粵語 TTS，聲線、語速、語氣都可控啲。可以由港嘢 playground 開始試。

AI 出圖商用要注意乜？

三樣：一，生成內容要有清楚標示，香港官方指引強調透明同問責；二，唔好喺 prompt 叫模型模仿真人物樣貌或者畫商標，用到真人物料（相片、聲音）要留意個人資料保障（香港私隱專員公署 AI 模範框架, 2026）；三，聲音都一樣，複製他人聲音必須先取得明確同意，詳情睇 AI 聲音授權與版權指南。

[!CTA]

圖搞掂，把聲都要夠港

即刻去 港嘢 playground，貼上你嘅粵語旁白稿，試聽香港腔 AI 聲線。

關於港嘢：我哋專做香港廣東話語音。有查詢可以聯絡我們，或者睇關於港嘢。

本文由港嘢內容團隊撰寫，經編輯覆核（2026-10-31）。