大多数 AI 专辑封面过不了缩略图这关：原图很美，到 Spotify 歌单里那一行 64 像素就糊成一团。这篇给你一套构图脚手架、一份配色纪律，以及一套字体叠加流程，让封面缩小之后还像你的；再加一个一小时迭代闭环，比闭眼重生 30 张靠谱得多。
下面的规格和价格均截至 2026 年 6 月。
太长不看（TL;DR）
- Spotify 接受 640 至 10000 像素的正方形（1:1）封面，sRGB、24 位、无损 TIFF/PNG/JPG、不带内嵌色彩描述文件。多数发行平台（DistroKid 等）要 3000×3000 的 RGB JPG，10 MB 以内。直接按全尺寸出图，绝不要把 1024 像素的图放大。
- 图像用 Midjourney V8.1（2026 年 6 月：Basic $10 / Standard $30 每月）出，但标题和艺人名后期在编辑器里加 —— 哪怕是 V8.1，长文字偶尔还是会变形。
- 能扛 64 像素的构图法则：一个主形状（约占画面 60%）、两种强对比色、一个具体主体、有意图的质感。
- 每张变体都先在 150 像素和 64 像素下判断，再看原图。封面在灰度下丢了剪影，在拥挤的信息流缩略图里同样会输。
本文覆盖什么
一套能扛缩略图压缩的 AI 封面流程：一个主形状、双色对比、不和图打架的字体，以及一个一小时内出终稿、而不是熬一晚的迭代闭环。
这篇适合谁
自发行到 DSP 的独立音乐人、用着默认封面模板的播客主、在 Bandcamp 卖 beat 的制作人，以及那些需要给 SoundCloud 或 YouTube 上传配封面、但没必要每次都请设计师的创作者。
什么时候适合用
单曲发行、EP、mixtape、beat 包封面、播客单集封面、YouTube 音乐上传、Bandcamp 数字发行，以及任何”母带做完当天就要封面”的情况。需要印刷级 CMYK 的厂牌封面不适用 —— 那还是需要人类设计师。
选生成器
做专辑封面，2026 年 6 月的选择基本就两个工具，而且它们的短板正好相反：
| 工具 | 套餐（2026 年 6 月） | 做封面的强项 | 短板 |
|---|---|---|---|
| Midjourney V8.1 | Basic $10 / Standard $30 / Pro $60 / Mega $120 每月（年付约 $8/$24/$48/$96） | 美术方向、质感、胶片感最强；V8.1（2026 年 4 月 30 日）起原生 HD 2K | 图里的长文字偶尔仍会变形 —— 字后期再加 |
| ChatGPT（GPT Image 2） | 免费 $0（额度紧）/ Plus $20 / Pro $100 或 $200 每月 | 两者中图内文字渲染最干净 | 美术方向偏平庸，封面容易显得套路 |
本文的建议：图像用 Midjourney V8.1 出，把”长相”做到位，文字在图像编辑器里另排。如果确实需要把清晰文字嵌进图里（封面少见，海报常见），GPT Image 2 的文字引擎更靠谱。Relax 模式（不限量的慢速出图）从 Standard 套餐起才有；要图片私有的 Stealth 模式得 Pro 及以上。
开始前准备
- 把曲子听两遍，写下三个形容词 —— “冷、急、洗白” —— 封面要让你感到的就是这三个词。空泛的 prompt 出空泛的封面。
- 打开 Spotify，滚到任意歌单，盯着那一行的实际尺寸看。这就是你封面要过的那一关。
- 提前定好规格。Spotify 接受 640 至 10000 像素的正方形（1:1）、sRGB、24 位、不带内嵌色彩描述文件；多数发行平台（DistroKid 等）要 3000×3000 的 RGB JPG，约 10 MB 以内。直接按全尺寸出图 —— 不要在 1024 像素出图后再放大，因为发行平台会拒糊图，Spotify 也明确反对放大过的图。
- 决定标题和艺人名是放进图里，还是后期叠 —— 两种都行，但中途切换会浪费 credit。
- 收集你所在风格过去 12 个月里两张你希望是自己做的封面。按它的优点命名 —— “那种留白”、“那种偏轴的人脸”、“那种双色”。
一步一步操作
- 从单形状 brief 开始：“一个主形状占据 60% 画面”。能扛缩略图的封面几乎都是一个形状在挑大梁。
- 加上强对比的双色 —— “深牛血红和骨白”、“冷钴蓝和尘奶色”。三色是上限，到四色就会在缩略图里糊成泥。
- 主体写具体：不是”抽象的能量”，而是”一个从后面拍的人物，肩到头顶，背景一面洗过的粉色平墙”。具体主体抗压缩，抽象不行。
- 加上摄影 / 插画模式：“Pentax 67 + 过期胶卷”、“riso 印刷、双色叠印、轻微错位”、“油画厚涂、调色刀、不要细节”。挑一个传统，模型认得这种”长相”。在 Midjourney 里加
--ar 1:1，从第一次出图就按正方形构图，而不是事后去裁一张 16:9。 - 最后加质感词：“看得到颗粒、轻微 halation、墨下面有纸的质感”。不加，默认就是干净的数码味 —— 大多数音乐不要那个气质。
- 同一个 prompt 出两组共 8 张。在图像工具里把每张缩到 150 像素，先用小图判断。
- 挑出缩略图状态下最强的 1-2 张，做定向修改 —— 一次只换配色、形状或质感中的一个。在 Midjourney 里，“Vary (Subtle)” 会保住构图、只微调一处；“Vary (Strong)” 会推翻重来，所以候选稿用 Subtle。
一个完整 prompt 示例
按上面的顺序把 brief 拼起来。一首氛围电子单曲的完整起手 prompt 长这样：
single dominant figure shot from behind, shoulders to crown,
against a flat washed-pink wall, filling 60% of the frame,
deep oxblood and bone white two-color palette, high contrast,
shot on Pentax 67 with expired film, grain visible,
slight halation, paper texture --ar 1:1 --v 8.1注意它没有什么：没有标题文字、没有”氛围感”、没有四色彩虹、没有”抽象的能量”。每一行都是具体、可压缩的指令。每次迭代只换一句 —— 一旦构图站得住，配色那行是最高杠杆的改动。
第一次跑的练习
- 选一首你已经发过的曲子 —— 你有听众数据，也有旧封面可以对比。
- 完整 prompt 跑一次，原始结果先存下来，不要调。
- 在 150 像素和 64 像素下看。糊掉的全 reject。留下来的，记下它符合哪条构图规则。
- 第二轮只换一个变量 —— 如果构图已经站得住，最高杠杆的换法就是配色。
质量检查
- 64 像素下还能看出主体是什么吗？认不出，就是形状太碎或者中间调太多。
- 对比度在干活吗？把图转灰度，灰度里仍有清晰剪影的，去任何信息流里都能识别。
- 标题位置是不是避开了主体焦点？字压在脸或手上是 AI 封面最常见的翻车。
- 质感和音乐对得上吗？lo-fi 磁带专辑配超干净的数码味就别扭；干净录音室作品配有意的颗粒就显得有风格，不显得偷懒。
- 导出参数对吗？确认 sRGB 色彩空间、不带内嵌色彩描述文件（Apple Music 尤其会因此拒图）、1:1 正方形，且不超过发行平台的体积上限（DistroKid：10 MB、1000–3000 像素）。
怎么复用这个流程
- 把胜出的 prompt 按情绪命名存为模板，不要按发行命名：“冷-急-缩略图”、“暖-饱和-不插电”。情绪会在多次发行里复用。
- 建一个”缩略图测试”文件夹，放 150 像素导出图 —— 这是你对自己听众什么有效的视觉资料库。
- 每 4-6 次发行重测一次模板；模型默认值会变，你的质感词可能就不需要了。
- 配一套固定字体系统 —— 标题一种 display、credits 一种 mono —— 字在图像编辑器里加，不要写进 prompt。prompt 里的字很难干净读出来。
- 建一个”差一点的废稿 + 备注”文件夹 —— 每张写一句”是哪一点没顶住”。三个月后回来比翻 prompt 历史快得多。
- 出姐妹曲时，从胜出 prompt 开始只动一个元素 —— 通常是配色。一组曲子在缩略图扫一眼应该看得出是一家。
推荐流程
单形状 brief + 双色配色 + 具体主体 + 媒介质感 → 8 张变体 → 150 像素缩略图测试 → 留两张候选 → 定向换一个变量 → 后期加字。如果前 8 张回来都是没有主形状的满屏混乱，是 brief 写错了，不是模型 —— 先重写形状那行再重生。重要单曲的终稿过一遍图像编辑器（曲线、轻微加颗粒），按 3000×3000 sRGB JPG、10 MB 以内、不带内嵌色彩描述文件导出。
容易踩的坑
- 没有单一主形状 —— 复杂封面到 200 像素以下就糊，Spotify 歌单缩略图就在 64 像素左右
- 三四种颜色饱和度差不多 —— 中间调过多是缩略图杀手第一名
- 字直接写进 AI 生成里 —— 字会变形、字距乱、想换字还得重做
- 在 1024 像素出图然后放大 —— 发行平台会拒糊图，Spotify 也反对放大图，细节也已经没了
- 只看原图 —— 95% 的时间封面活在缩略图里，先在那儿判断
- 模糊的情绪词 —— “氛围感”、“很酷”、“美学”每次都出一样的平均脸
- 挑最”好看”的那张当终稿，而不是挑最有辨识度的那张 —— 好看是低门槛，缩略图能认出来才是真门槛
- 跳过灰度测试 —— 灰度能站住的封面在任何背景下都能站，灰度站不住的会被复杂信息流吃掉
- 把一张还可以的变体直接当终稿 —— 第二轮才是封面真正变成”你的”的那一步
常见问答
图像到底该用哪个工具？ 做美术，Midjourney V8.1（Basic $10/月，要不限量 Relax 模式选 $30 的 Standard，均为 2026 年 6 月）方向感和质感最强。标题和艺人名之后在图像编辑器里另加。如果需要把清晰文字渲染进图里，ChatGPT 的 GPT Image 2（Plus，$20/月）的文字比 Midjourney 干净，但它的美术方向偏平庸。
为什么我的标题文字出来是乱的？ 因为你把它写进了 AI prompt。哪怕是改进了引号内文字精度的 Midjourney V8.1，长一点的短语仍会变形。稳妥流程是：先出干净图像，再在编辑器里把标题和艺人名做成真正的文字图层。
发行平台会拒绝 AI 封面吗？ 目前不会因为”是 AI 做的”就拒，但因为技术原因会被拒：色彩描述文件不对（Apple Music 很严 —— 用 sRGB、不带内嵌描述文件）、非正方形比例、放大糊图，或图里出现 logo、网址、价格。保留 prompt 日志和源文件，平台追问出处时有据可查，毕竟规则在收紧。
确切的上传规格是什么？ Spotify 接受 640 至 10000 像素的正方形（1:1）、sRGB、24 位、无损 TIFF/PNG/JPG、不带内嵌色彩描述文件。多数发行平台统一用 3000×3000 的 RGB JPG；DistroKid 体积上限 10 MB，接受 1000–3000 像素。拿不准就导 3000×3000 sRGB JPG、不带内嵌描述文件，哪里都能过。
黑胶封面呢？ 流程不同 —— 12×12 英寸 300 dpi 至少 3600×3600，屏幕上想要的质感在印刷上经常糊。印刷版另出一遍。
只做正方形还是带 banner 变体？ 先出一张 3000×3000 母版，再裁切或扩绘成 banner / 故事 / 海报变体。不要从头重生 —— 视觉身份会丢。
多少次重生算太多？ 跑过 40 张还选不出来，问题在 brief，不在模型。停下来，把形状那行和配色那行重写，再从头跑。
封面要严格贴合音乐风格吗？ 贴情绪，不贴风格俗套。一张民谣专辑用刻意工业感的封面，常常在信息流里跑得过又一张木吉他配木地板。
相关
- AI 品牌视觉方向 —— 在封面之前先把视觉系统定下来
- AI 图像 prompt 基础 —— prompt 结构入门
- AI 电影感镜头流程 —— 通用的镜头和光线词汇
- AI 角色一致性出图 —— 让一个主体在多次发行里保持一致
- AI 应用背景图 —— 相邻的封面型背景图流程
- AI 广告创意实操 —— 缩略图能识别这条规则在广告创意上同样适用
- AI 奇幻角色设计实操：从角色卡到大场景
- AI 时尚 Lookbook 实操：模特一致，造型多变
外部参考：
- Spotify：封面图要求 —— 你上传要过的官方规格
- Midjourney：套餐对比 —— 当前各档套餐、Relax 模式与 Stealth 模式