文生图

文生图是什么

文生图（Text-to-Image）指通过文字描述直接生成图像的技术。输入一句话，模型根据语义生成对应的画面——这是 AI 绘画的核心能力，也是普通人最先体验到的生成式 AI 应用。

直观理解：你当「导演」用文字描述画面（主体、场景、风格、光线），模型当「画师」把描述画出来。描述得越具体，画得越接近你的想象。

它是怎么工作的

文生图模型经历了从 GAN 到扩散模型（Diffusion）的演进：

1. 理解文字：模型把提示词解析为语义特征（主体、属性、关系、风格）。
2. 生成画面：扩散模型从随机噪声开始，逐步去噪，最终形成与文字语义匹配的图像。
3. 迭代优化：模型在训练中学习了海量「文字-图像」对应关系，从而能把描述映射为合理画面。

当前主流的文生图模型（Stable Diffusion、Midjourney 等及其国内版本）都基于这一思路，在分辨率、一致性、风格控制上持续进步。

怎么写出好提示词

提示词是文生图的「导演脚本」，遵循「主体 + 细节 + 风格 + 画质」结构：

• 主体明确：一只戴帽子的橘猫、赛博朋克城市的夜景。
• 细节补充：姿势、环境、光线、构图（特写、远景）。
• 风格指定：水彩、油画、3D 渲染、国风水墨等明确风格词。
• 画质词：高细节、高清、大师级等提升画面质感（不同模型效果有别）。

实用技巧：

• 描述画面而非形容词：「具体的场景和物体」比「好看、高级」有效。
• 先抄后创：从参考作品的提示词起步，理解结构后再创作。
• 多轮调整：生成不满意就改词重出，文生图是「试出来的」。

相关概念

• 图生图（Image-to-Image）：以图片为基础再创作，比文生图更可控（改风格、改细节）。
• 扩散模型（Diffusion）：文生图背后的主流生成技术（见「扩散模型」词条）。
• 提示词工程（Prompt）：写出高质量提示词的方法论（见「提示词」词条）。

限制与误区

限制：

• 一致性：复杂场景、多人、长文本容易出错。
• 细节：手部、文字等精细元素仍可能崩坏。
• 版权：生成内容的版权与商用权益取决于平台条款与训练数据。

常见误区：

• 「文生图 = 无所不能」——复杂指令与精确控制仍需图生图等补充手段。
• 「提示词越长越好」——准确比长度重要，冗余词可能干扰模型。
• 「AI 绘画替代设计师」——它替代的是「执行」，创意与审美仍是人的价值。

小结

文生图让「文字变画面」成为现实，是生成式 AI 应用最直观的入口。掌握「主体+细节+风格+画质」的提示词结构，多轮迭代，就能稳定产出可用图像。它是内容创作、电商、设计领域的效率杠杆，也带来了版权与真实性的新议题。