如何使用 Krea 進行 AI 圖像生成：首堂完整教學

本指南帶你從空白頁面走到 2K 匯出——使用 PixMind 上的 Krea 2 Turbo（Krea AI 首個自研基礎模型的快速版），也就是本文全部配圖所用的流程。下列控制項與限制於 2026-10-05 對照 PixMind 線上模型介面核驗；產生器介面始終是最終依據。

你手裡有什麼

• 僅文字生圖：一段流暢的提示詞進，每次執行一張圖
• 11 種畫幅比例（1:2 到 2:1），1K 或 2K 解析度
• 可選種子（0–1,048,576），用於重現觀感
• 每張 16 點數；提示詞最長 20000 字元

第一步：打開 Krea 2 Turbo 產生器

進入 pixmind.io/zh-tw/ai-image/krea。產生器位於橫幅正下方，已綁定模型 ID krea-2-turbo——不需要設定模型選擇器。未登入請先登入；每次執行前產生器都會顯示點數價格。

第二步：寫一段自然語言提示詞

Krea 2 回應流暢的句子，而不是標籤列表。官方提示詞指引推薦詳細的自然語言描述——在我們的實測中差異肉眼可見：一段講清光線、氛圍與場景的文字，幾乎每次都勝過逗號拼接的關鍵詞。

第一次上手可以用這個公式：

[景別] 的 [主體] 在 [場景]，[光線]，
[色調/情緒]，[媒介或風格參照]

三個實戰範例（就是本文配圖背後的原始提示詞）：

編輯攝影：

Editorial fashion photograph: a model in a relaxed ivory linen suit and leather
sandals on a sunlit Mediterranean veranda with terracotta pots and bleached linen
curtains moving in the breeze, soft morning side light, gentle 35mm film grain,
warm neutral palette, quiet luxury magazine aesthetic.

圖形版畫：

Risograph-style art print: large overlapping sun and wave motifs printed in
fluorescent pink and ultramarine blue with visible misregistration and overprint
texture, coarse paper grain, bold graphic shapes, no text, gallery-quality poster.

電影感場景：

Night photograph of a narrow ramen bar alley after rain: red paper lanterns,
steam rising from an open kitchen window, wet asphalt mirroring the light, a
single bicycle against the tiled wall, cinematic 35mm photography, shallow
depth of field.

兩個值得養成的習慣：寫清光線（側光、黃昏、霓虹）——它對結果的影響比任何形容詞都大；想要海報感就加一句 "no text"——這個模型不是排版引擎。

第三步：選擇畫幅比例與解析度

路線支援十一種比例，提前選好勝過事後裁切：

解析度先設 1K 探索——同樣 16 點數，但回饋更快。2K 留給最終畫面（第五步）。

第四步：生成、讀圖、重擲

執行提示詞。每次執行只出一張——這是設計，不是需要繞過的限制：Krea 2 被訓練成同一句提示返回真正不同的審美，所以重擲本身就是探索工具。

讀圖時對著 brief 判斷，而不是「喜不喜歡」：主體對嗎？光線匹配交付場景嗎？有沒有留給排版的乾淨負空間？通過的留下，其餘重擲，提示詞小步調整——這樣你才說得清每個改動帶來了什麼。

第五步：用種子鎖定觀感，再以 2K 重新渲染

當一張圖接近但未達最終，設定一個種子（0–1,048,576 中任意值）。種子固定後，模型的隨機起點也隨之固定——同樣的提示詞重跑會重現觀感，你可以一邊微調措辭一邊保持畫面穩定。把種子和提示詞交給團隊成員，他們能精確重新生成你的畫面。

然後把解析度從 1K 切到 2K 重新渲染。同一種子加同一提示詞在 2K 下給你的就是成片：織物紋理、邊緣細節與微觀反差經得起放大、裁切與印刷。

第六步：匯出與交付

下載 2K 畫面。交付時隨檔案記錄五件事：提示詞、種子、畫幅比例、解析度、生成日期。沒有控制項的結果只是靈感；帶控制項的結果才是可重現資產。

問題排查

結果平庸。 加具體性：寫清光的方向、年代、媒介、場景裡的一件具體物品。平庸的提示詞得到的是模型的平均答案。

構圖不對。 不要事後裁切——在產生器裡直接設比例（第三步），並在提示詞裡點名構圖（「寬幅全景構圖」、「緊湊直幅人像」）。

細節不足。 你看到的可能是 1K 草稿。先用同一種子在 2K 重新渲染一次，再下「模型不行」的結論。

喜歡過的畫面重現不了。 那是第四步沒設種子。從現在起，一張圖值得看第二眼就設種子——零成本，保留選項。

需要在圖裡寫字。 停下來換模型：小號文字在這條路線上不可靠。Nano Banana Pro 渲染可讀標題，還支援參考圖。

需要從現有照片出發。 本路線僅文字生圖。編輯請用支援參考圖的模型（Flux Kontext Pro、Midjourney），或參考模型比較選對工具。

常見問題

Krea 2 Turbo 每張圖多少點數？

PixMind 工作台內 16 點數——2026-10-05 核驗的快照。每次執行前產生器都會顯示最終價格。

每次生成都需要種子嗎？

不需要。種子是可選項——探索階段跳過，畫面值得保留或重現時再設。

Krea 的提示詞寫多長合適？

一到三句流暢的話，覆蓋主體、場景、光線、色調與氛圍。輸入框接受最長 20000 字元，但要點寫清之後，品質比長度重要。

能一次生成多張嗎？

本路線每次執行一張。迭代就是重擲——這也恰好契合這個模型面向多樣性的訓練方式。

為什麼同一句提示詞出圖不同？

這是有意為之。Krea 2「在模糊性中開花」——重複提示返回多樣且完整的審美，而不是近似複製。想要重複時用種子。

Krea 2 Turbo 適合做 logo 和文字嗎？

不適合——它為審美與速度調教，不是排版。圖內文字請用 Nano Banana Pro。

開始你的第一次生成

打開 Krea 2 Turbo 產生器，把第二步的編輯攝影範例貼進去，給它三次重擲。有一張感覺對了，就設種子、切 2K、匯出。整個工作流就這麼多——剩下的只是練習。想深入了解這個模型值不值，讀我們的 Krea 2 Turbo 評測。