低调布光是一种以高对比度和以暗调为主的视觉风格，其特点是主体由单一、通常是硬质的光源照亮，而背景则陷入深重的阴影中。这种技法强调阴影和剪影，营造出戏剧性、阴郁或紧张的氛围。在摄影和电影摄影中，它是对高调布光的有意背离，后者偏好明亮、均匀的照明和极少的阴影。该风格广泛用于黑色电影、恐怖片和人像摄影，以传达神秘、悬疑或情感强度。
在Generative AI和提示工程的语境下，低调布光是文生图和文生视频模型中经常使用的关键词。提示词撰写者使用这一术语，通常与“明暗对照法”或“伦勃朗布光”等描述词搭配，以引导模型生成具有深黑、强烈高光和电影感的图像。该技法在古典绘画和早期摄影中的起源，为其现代数字应用提供了依据，使其成为传统艺术史与当代基于机器学习的创作之间的桥梁。
艺术与摄影中的起源
低调布光的美学原则可追溯至文艺复兴时期发展起来的明暗对照法，尤其是卡拉瓦乔和伦勃朗等画家的作品。卡拉瓦乔对暗色调主义的运用，即戏剧性的光线从黑暗背景中浮现，创造出强烈的对比，影响了巴洛克艺术。伦勃朗的肖像画常采用单一光源，使面部大部分处于阴影中，这种风格后来被称为伦勃朗布光。这些画家确立了选择性照明的视觉语言，而低调布光正是继承了这一传统。
在摄影中，低调布光随着该媒介的早期实践者而出现。19世纪摄影师朱莉娅·玛格丽特·卡梅伦使用戏剧性的侧光和深色背景，创作出亲密且充满阴影的肖像。到20世纪20年代和30年代，爱德华·斯泰肯和阿尔弗雷德·斯蒂格利茨等画意摄影主义者尝试用低调效果来唤起情绪和抽象感。这一技法在影棚摄影手册中被系统化，描述为使用单一主光并配以极少补光，通常采用黑色或深灰色背景。
特征与技术设置
低调布光以高光比著称，通常主光与补光之间的比例超过8:1。主光通常是硬质光源，如聚光灯或裸灯泡，以一定角度放置以形成清晰的阴影。补光（如果使用）保持在最低限度，或采用负补光（黑色卡片）来加深阴影。背景通常单独布光或保持无光以陷入黑色，从而将主体与环境分离。
在电影和视频中，该技法依赖于控制对比度和曝光。摄影师可能将背景欠曝数档，同时保持主体高光在正常范围内。结果是画面中70-80%的区域处于阴影中，仅有小面积的明亮细节。这营造出体积感和三维感，因为光线塑造了主体的形态。常用的光效附件包括束光筒、挡光板和遮光旗，用于塑造光线并防止溢出。
电影中的著名实践者
低调布光成为20世纪20年代德国表现主义电影的标志，如《卡里加里博士的小屋》（1920年）使用绘制的阴影和刺眼的光线来传达心理不安。这一风格后来被20世纪40年代和50年代好莱坞黑色电影运动所采用。摄影师如拍摄《大组合》（1955年）的约翰·阿尔顿，以及以《公民凯恩》（1941年）闻名的格雷格·托兰德，使用低调布光来创造深重阴影和戏剧性构图。阿尔顿的著作《用光绘画》（1949年）成为该技法的开创性文本。
后来的实践者包括拍摄《教父》（1972年）的戈登·威利斯，其黑暗、欠曝的风格成为经典，以及罗杰·迪金斯，他在《边境杀手》（2015年）和《银翼杀手2049》（2017年）等影片中的作品常采用低调布光来营造氛围。在当代恐怖片中，阿里·艾斯特和罗伯特·艾格斯等导演使用该风格来构建紧张感，如《遗传厄运》（2018年）和《灯塔》（2019年）所示。
AI图像生成中的低调布光
在Artificial intelligence图像生成中，低调布光是一个提示词关键词，指示模型生成具有特定色调分布的图像。像Stable Diffusion、DALL-E和Midjourney等模型已在大量照片和电影数据集上训练，使其能够将该短语与视觉模式关联起来。当用户在提示词中写入“低调布光”时，模型会调整输出，以包含深色背景、强烈阴影和单一主导光源。
该关键词的有效性取决于模型的训练数据和周围提示词的上下文。例如，添加“电影感”或“黑色电影”可以强化风格，而“肖像”或“静物”则帮助模型将其应用于正确的主题。一些模型，尤其是基于扩散架构的模型，对明确的照明术语反应良好，而其他模型可能需要更描述性的语言，如“硬光”或“深阴影”。提示词撰写者通常将低调布光与其他修饰词如“阴郁”、“戏剧性”或“高对比度”结合使用，以达到预期效果。
典型关键词与提示词策略
提示词撰写者使用各种关键词来调用低调布光，具体取决于模型和所需细微差别。常见术语包括“低调布光”、“明暗对照法”、“伦勃朗布光”、“深色背景”、“单一光源”和“硬阴影”。对于视频生成，短语如“低调电影布光”或“黑色电影布光”用于设定跨帧的基调。一些模型，如针对电影剧照微调的模型，可能将“黑色电影”或“德国表现主义”作为简写来响应。
一个典型的提示词可能是：“一位老人的肖像，低调布光，单一窗户光，深阴影，深色背景，高对比度，电影感。”关键词的顺序很重要，因为模型通常对较早出现的术语赋予更高权重。将“低调布光”放在提示词开头附近会增加其影响力。此外，负向提示词（告诉模型避免什么）通常包含“明亮”、“过曝”或“高调布光”，以防止模型默认生成更亮的图像。
与其他布光风格的关系
低调布光常与高调布光对比，后者使用明亮、均匀的照明和极少的阴影。高调布光常见于喜剧、广告和积极内容，而低调布光则用于戏剧、恐怖片和严肃肖像。另一种相关风格是伦勃朗布光，这是一种特定的肖像设置，在脸颊上形成三角形高光，通常用于低调方案中。明暗对照法是一个更广泛的艺术史术语，涵盖低调布光，但也包括对比度更适中的作品。
在AI生成中，这些风格经常互换使用，但它们并不相同。伦勃朗布光暗示特定的光源位置，而低调布光是一种整体的色调方法。提示词撰写者可能使用“明暗对照法”来唤起绘画质感，而“低调”则暗示摄影或电影外观。理解这些区别有助于制作在不同模型中产生一致结果的提示词。
AI模型中的挑战与局限
虽然低调布光是一个强大的提示词关键词，但在某些情境下AI模型可能难以处理。扩散模型可能生成过暗的图像，丢失主体细节，或在视频生成中无法跨帧保持一致的照明。如果模型缺乏足够的训练示例，该术语也可能被误解，导致图像仅仅是昏暗而非风格化的低调。提示词撰写者通常需要迭代，调整提示词或使用种子值来实现所需的平衡。
另一个挑战是模型可能过度应用该风格，使图像的所有元素（包括主体面部）都变暗。为缓解此问题，提示词可以指定“面部主光”或“主体上的高光”来引导模型。一些模型，如基于Stable Diffusion变体的模型，允许通过ControlNet或其他条件控制工具进行控制，从而更精确地放置光线和阴影。截至2025年，这些工具日益集成到主流Generative AI平台中，为用户提供更精细的照明控制。
未来方向
随着Machine learning模型的改进，调用低调布光的能力正变得更加细致。较新的架构，如使用带注意力机制的扩散模型，能更好地理解空间关系，从而实现更准确的阴影放置。视频模型也在进步，有些能够在动态场景中保持一致的低调布光。Natural language processing和Computer vision的集成正促使模型能够解释更抽象的照明描述，如“夜晚阴郁的小巷”或“黑暗房间中的单支蜡烛”。
对于提示词撰写者，趋势是使用更具描述性和层次感的提示词，将低调布光与色彩分级或镜头效果等其他风格元素结合。基于Large language model的提示词助手的兴起，可以根据用户意图建议照明术语，也使该技法对非专业人士更易用。随着领域的发展，低调布光仍然是AI视觉语言中的基础美学，连接传统艺术与前沿技术。