Sheru Bhai 提示词：怎么做出「和狮子合影」的那张照片

Sheru Bhai 提示词其实同时干两件事：把角色钉死（穿三件套西装、戴金链和飞行员墨镜的拟人狮子），再把你放进画面里（站在他旁边，他的爪子搭在你肩上）。做法就一句话：粘一段角色描述，加一段场景描写，上传一张清晰的正面自拍当参考图，再明确要求「保持人脸一致」。方法本身没有难度，下面给的是可以照抄的文本、操作顺序，以及最容易翻车的三处。

要点速览

• 让人一眼认出「这是 Sheru Bhai」的不是背景，而是鬃毛、眼睛、西装、金饰和墨镜这几项。
• 没有官方提示词。目前流传的都是描述性文本，只能当起点改，不能当规范。
• 主流的两种形象：白色狮子配纯白三件套；金色鬃毛的「西装商人」配米白西装。
• 角色描述段一字不改地重复使用，只换场景段——这是同一组照片保持角色一致的关键。
• 大部分失败不是模型不行，而是指令互相打架，以及「爪子搭肩」这个身体接触点写得太含糊。

Sheru Bhai 这个趋势到底是什么

Sheru Bhai 是粉丝用 AI 造出来的角色：一只拟人的狮子，被设定成穿定制西装、很有钱的「大佬」。趋势最早是竖屏短视频，后来像所有爆款一样分出了一条静态照片支线——大家生成一张自己站在狮子旁边的照片，常见姿势是他的爪子搭在你肩上，或者两人并排站在豪车前面（已公开的整组照片提示词，2026 年 11 月）。

动手写提示词之前，有两点值得先知道。

第一，没有所谓标准参考图。一个整理该角色各种「剧本」的粉丝站点把形象描述为：高大的白色狮子，雪白浓密的鬃毛、浅金色眼睛，纯白三件套，金色古巴链、金表、金戒指，黑色飞行员墨镜。另一个提示词页面写的则是金色鬃毛的狮子商人，米白双排扣西装加炭灰马甲，场景在拍卖行。两种都在传。选一种，然后在同一组图里保持一致。

第二，这些是描述性文字，不是预设。公开整理这类提示词的页面也只给出纯文本写法，并明确不承诺人脸能完全一致——所以下面「翻车怎么修」那一节，比提示词本身更重要。

公开记录的角色描述与「Photo with Sheru」剧本，截取自 sherubhai.co（2026-11-14 访问）。

顺便省掉一件事：这个趋势「谁带火的」有好几种无法核实的说法，没有一种被确认，别写进提示词，也别写进图注。

角色描述段：先粘这一块

这一段不要临场发挥。它固定了物种、鬃毛、眼睛、西装、首饰和眼镜——正是让人从一张图认出同一只狮子的那些细节。

A photorealistic anthropomorphic lion character: a tall white lion with a thick
snow-white mane, pale gold eyes and a calm, confident expression, wearing a
tailored white three-piece suit with a crisp white shirt, a gold Cuban-link
chain, a gold wristwatch, gold rings and black aviator sunglasses. Natural fur
texture, realistic anatomy with five-fingered hands, editorial fashion
photography lighting, 50mm lens, shallow depth of field, no logos, no text.

要做金色狮子的版本，只改第一句和西装：把物种换成 "a muscular golden lion with an amber mane and amber eyes"，西装换成 "an ivory double-breasted suit with a charcoal waistcoat"，其余不动。鬃毛、金色配饰和墨镜才是辨识度的来源。

这段里有两个短语在悄悄干活。"Photorealistic" 加 "natural fur texture" 把模型挡在卡通风格之外；"five-fingered hands" 是防爪子糊成一团的便宜保险——「爪子搭肩」这个姿势最容易坏在这里。

三段可以直接抄的场景提示词

下面每段都是「角色描述段 + 场景段」。方括号里的内容换成你自己的。

A. 阳光庭院，爪子搭在肩上

这是趋势里最常见的构图。

[CHARACTER BLOCK]

The lion stands on the right side of the frame with its right paw resting
lightly on the shoulder of the person in the reference image, who stands on
the left in [a light blue linen shirt and white trousers]. Keep the person's
facial structure, skin tone, hairstyle and expression identical to the
reference image. Sunlit stone courtyard with columns and green foliage,
golden-hour light from the left, both subjects sharply in focus, 50mm lens,
eye-level camera, three-quarter body framing, photorealistic, natural skin
texture.

B. 夜景豪车

用来做「排面」的那张。它看起来豪，靠的是光，不是车标——所以别写品牌，让模型自己造一台。

[CHARACTER BLOCK]

The lion stands beside an unbranded black luxury sedan in an underground
parking garage, one paw in his pocket, chin slightly raised. The person from
the reference image stands beside him, half a step forward, looking at the
camera. Keep the person's facial structure, skin tone and hairstyle identical
to the reference image. Cool overhead garage lights with warm rim light on
the fur, wet concrete floor with soft reflections, 35mm lens, low camera
angle, full-body framing, cinematic contrast, photorealistic.

C. 宫廷拍卖行

对上短视频那条支线的设定：坐在第一排、举牌没人跟得起的那个买家。

[CHARACTER BLOCK]

The lion sits in the front row of an opulent auction hall, holding a numbered
paddle, the person from the reference image seated beside him. Keep the
person's face, skin tone and hairstyle identical to the reference image.
Warm chandelier light, blurred bidders in the background, dark wood and gold
details, 85mm lens, shallow depth of field, editorial cinematic lighting,
photorealistic.

两张图之间该换的是：场景段、姿势、镜头。不该换的是角色描述段。一组图的一致性来自重复粘贴，不来自把狮子形容得更花哨。

在 SketchTo 里跑一遍：五步

下面这套流程需要「同一个面板里既能传参考图、又能输入自定义提示词」，AI Character Generator 就是这种结构：上传、提示词、各模型积分价格都摆在同一屏。

1. 打开工具，停在 Custom Prompt 标签。 页面默认是图片位加提示词框；预设风格可以忽略，因为你自带文案。
2. 把自己的自拍当参考图传上去。 这个工具最多支持三张参考图。一张清晰的、正面受光、没有遮挡的正脸照就够；同一人多补两帧，能在场景复杂时帮模型稳住相似度。
3. 粘贴完整提示词。 角色描述段 + 空行 + 场景段，方括号里的衣服和场景细节按需要改。
4. 选模型，生成前先看价格。 Nano Banana 每张 2 积分，新账号送的 4 积分正好够两次；选择器里还有更贵的选项，比如 FLUX 2 Flex 6 积分、Nano Banana Pro 8 积分，余额在同一个面板显示。
5. 生成，对着参考图比对，然后按下一节的办法逐项修。 一次只改一处——姿势、光、相似度要求，三样一起改就分不清是哪一步起的作用。

实际工具界面：最多三张参考图、自定义提示词框与模型积分价格在同一屏。

翻车了：三个对症改法

1. 脸不像你。 通常是指令在打架：你既在提示词里描述了长相，又传了参考图，模型只能把两段描述平均一下。做法是留一张清晰自拍、删掉所有描述自己五官的句子，只留一句："keep facial structure, skin tone, hairstyle and expression identical to the reference image"。如果脸还是飘，就把场景简化——人更少、遮挡更少、不要侧脸角度。

2. 爪子和手糊在一起。 两个主体之间的身体接触是最难的要求。要么把位置写死（"the lion's right paw rests on the person's left shoulder, arm crossing behind the neck"），要么干脆取消接触，改成并肩站立。姿势稍微没那么亲密但干净出图，好过完美姿势配一只焊死的手。

3. 狮子变成卡通或者别的动物。 这多半是场景段又把角色重新形容了一遍。删掉那些形容词，角色描述段原封不动，再补一句 "photorealistic, not a cartoon, not an illustration"。如果换提示词也压不住漂移，换模型，别继续改写角色。

让它不那么像 AI 生成

• 裁成竖幅。 4:5 或 9:16 更贴近这些照片实际发布的场景，也会逼出更紧、更可信的构图。
• 给一个镜头焦段。 "50mm" 和 "eye-level" 会给出接近人眼的透视；"wide-angle" 会得到那种一眼假的夸张形变。
• 保留一点不完美。 角色描述段里已经有自然毛发质感；想要更接近手机随手拍而不是棚拍，颗粒感和轻微偏心构图得你自己加。
• 避开对称。 两个人同一高度、正面直视镜头，出来的画面一定发僵。把其中一个头转过去。

常见问题

有官方的 Sheru Bhai 提示词吗？ 没有。角色是粉丝造的，整理它的页面给的也是描述性文本而非官方预设，并且同样说明不保证人脸完全一致。

可以用我自己的照片吗？ 可以——参考图这一栏才是「你站在狮子旁边」和「随便一只狮子」的区别。用你自己有权处理的照片，别把其他人带进画面。

还需要视频工具吗？ 不需要。视频支线（先写故事，再出图，再做图生视频）是另一套流程；单张静态图本身就是完成品，一次生成的事。静态图任务在 SketchTo 上，编辑器、积分余额和生成历史都在同一个账号里，如果你打算做一组图，这点很省事。

一句话总结

角色段写一次，之后每个场景原样粘贴；把你自己的姿势和光写进场景段；传一张干净自拍，用一句话锁住相似度。剩下的就是逐项排错：删掉冲突的长相描述，简化或取消身体接触，别重复形容那只狮子。提示词是最容易的部分，一次只改一个变量，才是让照片经得起多看一眼的原因。