用ChatGPT做色彩鑑定、面相分析!妝容建議、穿搭配色都幫你搞定,2組提示詞一次收
用ChatGPT做色彩鑑定、面相分析!妝容建議、穿搭配色都幫你搞定,2組提示詞一次收

以往想要提升穿搭、化妝技巧,有的人會選擇做色彩鑑來更了解自己適合的風格。不過,現在只要打開 ChatGPT,把一張素顏自拍或日常生活照丟給它,AI 就能同時讀出膚色冷暖、五官比例、臉型輪廓,生成可供參考的鑑定報告。

OpenAI 近期推出的 ChatGPT Images 2.0 不只會看圖、給文字建議,還能直接生成各種實用圖卡。社群上也有不少人分享,透過與 AI 聊天的方式,就能完成「個人色彩+妝容+髮型+穿搭」的一站式風格診斷。

本篇文章將分享兩組實用的提示詞,帶你體驗如何利用 AI 的視覺辨識功能,完成「形象診斷」與「氣場分析」。

ChatGPT Images 2.0 做色彩鑑定

很多人買了昂貴的化妝品卻發現顯髒、顯黃,其實是因為沒搞懂自己的「個人色彩」。這組提示詞會讓 AI 遵循「四季型人」邏輯進行掃描並產出分析建議,讓使用者以後在購物時能直接比對。

#0 GPT色彩鑑定+面相分析
圖/ ChatGPT

上圖為讓 AI 生成的色彩鑑定與個人風格指南,想要達成這樣的效果,上傳個人照片後,可以輸入以下提示詞:

請扮演一名頂尖的「全方位形象美學顧問」,根據我提供的照片,結合色彩診斷、面部輪廓分析與穿搭比例,為我製作一份「專屬美學形象鑑定」資訊圖表。
#鑑定邏輯與要求
1. 核心風格定位: 根據我的五官氣質(如:柔和、精緻、俐落),先給出 3 個風格關鍵詞(如:不費力的高級感、韓系溫柔風、簡約氣質風)。
2. 色彩鑑定模組 (Color Analysis):
- 分析膚色冷暖調與明度(例如:低飽和、柔霧、偏暖),並讓我知道我是什麼四季型人。
- 提供「最佳色盤」與「應避開的色系」。
- 推薦適合的專櫃感妝容色彩(眼影、腮紅、唇膏)。
3. 髮型美學模組 (Hairstyle Guide):
- 根據臉型與五官比例,推薦 3 款具質感的髮型(包含長度、層次與瀏海建議)。
- 結合色彩鑑定結果,推薦最能提亮膚色的 2-3 款髮色。
-髮型需要搭配照片的五官、臉型與真實特徵,透過左右或並排對比方式,展示不同髮型套用在我身上的效果。
4. 穿搭建議模組 (Outfit Advice):
- 推薦最適合的穿搭風格(如:溫柔通勤風、甜美清新風)。
- 提供具體的「穿搭色彩組合」建議(例如:奶油色+燕麥色,營造層次感)。
- 建議適合的配飾材質與質感(如:珍珠飾品、細緻金飾、皮革包款)。
#輸出格式要求
1. 全繁體中文的圖卡,文字要有「高級、專業、不迷信」的時尚雜誌質感。
2. 請使用結構化的排版(標題、子標題、列表、重點粗體)。
3. 在報告最後,請給出一句專屬的「形象寄語」,總結我的美學優勢。

ChatGPT Images 2.0 做面相分析

這組提示詞捨棄了傳統命理色彩,其核心在於解析面部特徵再社交場合中給別人的第一印象,並透過雷達圖將抽象的溝通與執行特質數據化,是優化職場形象與個人品牌定位的參考。

GPT面相分析
圖/ ChatGPT

上圖為讓 AI 生成的色彩鑑定與個人風格指南,想要達成這樣的效果,上傳個人照片後,可以輸入以下提示詞:

請根據我提供的照片,為我生成一份高質感的「面相分析指南」圖卡。
#核心鑑定邏輯與原則
1. 嚴禁迷信術語: 嚴禁使用傳統命理中的「剋星」、「貴人」、「劫難」、「大富大貴」等術語。改用行為心理學、神經行為學與形象管理的角度進行客觀分析。
2. 高級感與時尚感: 報告語氣要像時尚雜誌專訪,風格簡約、結構化、具備啟發性。

#圖卡要求

1. 「五角潛能雷達圖」分析:

請以 1-5 星(或 1-10 分)評估以下五個科學化的維度,並說明每個維度的評分依據(結合面相數據點):溝通表達力、邏輯決策力、情緒穩定度、執行開拓力、環境適應力

2. 外部呈現與社交氣場 :
- 分析面部給人的社交第一印象(例如:具備天然親和力、專業權威感、或創意靈動感)。
- 找出 3 個風格關鍵詞(如:知性幹練、溫柔大氣、獨特個性)。
- 人物臉部重點標註:額頭、眉毛、眼睛、鼻子、嘴巴、下巴、臉型,每個部位用簡短中文分析。

3. 內在思維與行為模式:
- 將傳統線路轉化為內在邏輯:例如,將「智慧線」分析為「資訊處理深度」;將「感情線」分析為「情感邊界與同理心」。
- 挖掘內在的天賦潛能。

4. 綜合優勢與開運美學建議:
- 綜合面相的優勢,給予最具競爭力的自我定位建議。  
-   提供「形象優化(開運)」建議:如何透過神態調整、微調妝容(如:眉形、唇色)或配飾選擇(如:眼鏡框形、金屬質感)來增強弱勢維度。

#輸出格式要求:
1. 全繁體中文,使用精美的結構化排版(標題、子標題、列表、重點加粗)。
2. 最後請提供一句富有啟發性的「潛能箴言」,作為整份報告的結尾。

延伸閱讀:
ChatGPT Images 2.0風格實測!日系手繪風、學習筆記、IG圖卡…8種好用提示詞一次收
實測ChatGPT Images 2.0:如何用免費版做出實戰級成品?繁中排版7大題型一次看懂

關鍵字: #ChatGPT
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓