AI去路人去杂物指令：remove objects from photo prompt实测好用的10条

这张图为什么发出去总有人问"背景那个人是谁"？十有八九是路人没处理干净。最近后台问得最多的一类需求，不是怎么生成新图，是怎么把已经拍好的照片里那些不想要的东西弄掉——路人、水印、地上的电线、桌上的杂物。工具早就够用了，卡的是提示词没写对，remove objects from photo prompt这件事，十个人里有八个第一次写都会翻车。

remove objects from photo prompt 为什么总留痕迹

最常见的错法是只写一句"去掉背景里的人"，模型确实会执行删除，但删除之后空出来的那块区域怎么填，你没说，它就自己猜，猜错了就是一块颜色不对、纹理断掉的补丁，一眼假。真正管用的写法要把"填补逻辑"也交代清楚：删了之后地面纹理怎么延续、阴影方向跟着哪个光源走。这跟旧照片修复的思路是一回事，可以对照看看老照片修复怎么保住颗粒质感里提到的填补原则。

这张是划痕修复的案例，逻辑跟去杂物是通的——删掉的不只是"脏东西"本身，还要把它原来占的位置合理地长回来，查看完整提示词。

以下是几条针对不同场景写好的提示词，直接改主体描述就能用：

• Remove the passerby standing behind the bench on the right, rebuild the pavement texture and shadow direction to match the surrounding light, keep everything else pixel-identical.
• Erase the tourist crowd in the mid-ground behind the subject, extend the stone wall pattern naturally to fill the gap, do not alter the subject's pose or clothing.
• Remove the second person standing at the edge of the frame, do not crop the composition, extend the background instead of cutting the canvas.
• Erase the reflection of the photographer visible in the mirror, keep the mirror frame and surrounding wall color untouched.

chatgpt remove background objects 处理产品图和杂物

产品图和生活照的杂物清理，跟去路人的底层逻辑一样，但对"干净"的要求更高，chatgpt remove background objects这个需求下，背景稍微留一点色差都会被挑出来。产品类的图尤其要注意，删掉的东西如果带反光或投影，新填的背景也得跟着有对应的光影逻辑，不然产品看着像浮在半空。这块可以对照电商产品图换背景的提示词思路一起用。

纯白背景类的产品图对"干净"的容错率最低，任何杂物残留都藏不住，查看完整提示词。

• Delete the small logo watermark in the bottom-right corner, reconstruct the underlying fabric texture at that spot, keep color grading unchanged.
• Remove the cable and power strip visible on the studio floor, fill with matching floor material and consistent lighting falloff.
• Remove the price tag sticker and any visible barcode on the product packaging, reconstruct the packaging surface pattern seamlessly.
• Clean up the scattered paper clutter on the desk except the laptop and coffee cup, keep desk wood grain direction consistent after fill.
• Delete the birds in the sky and the utility pole on the left, keep the sky gradient and cloud shapes consistent with the rest of the frame.

remove people from photo ai prompt 去路人专项：分批比一次到位稳

去一群人的场景，remove people from photo ai prompt这类需求最容易犯的错是贪心，想一次把一整片人群全删掉。人多的时候背景的补全难度是叠加的，一次删太多，出了问题都不知道是哪一步塌的。稳妥的做法是分批处理：先删离主体最近、最显眼的一两个，看结果稳不稳，再继续。

分步处理不只是去人，降噪、虚化这类需求也一样讲究先后顺序，查看完整提示词。

• Remove all bystanders from the street scene one at a time, starting with the person closest to the subject, keep street lines and shadows continuous after each removal.

多人场景删完一轮，记得回头检查一下阴影方向有没有互相矛盾——两个被删的人如果原本阴影朝不同方向，填补的时候很容易被模型统一成一个方向，反而露馅。

还有一个小细节容易被忽略：删除的对象如果本身带阴影或者反光，光删主体不删它的影子，画面还是会露馅。比如去掉一个人，但地上那道属于这个人的阴影没提，模型有可能把阴影留在原地，变成一块没有主体的诡异暗色区域。提示词里把"连带阴影和反光一起处理"这句话写进去，能省掉很多返工。

常见翻车点小结

• 只说"删掉"不说"怎么补"，等于把填补逻辑的判断权全交给模型，出错率最高
• 复合需求（去路人+换背景一起做）建议拆成两步，先删干净再换背景，一步出错不好定位
• 产品图对背景干净度要求更高，删除后建议重点检查阴影和反光是否跟场景光源对上
• 想同时处理"去路人"和"换背景"，可以先参考背景替换提示词的写法把两件事分开描述

想再深挖提示词的通用写法，可以看看提示词结构公式，去杂物这类删除类需求本质上也是往结构里加一段"填补描述"。更多修图改图相关的实操内容，欢迎去[首页](/)翻一翻其他分类。