图像生成：从文字到画面的魔法

文生图与图生图是怎么回事

除了文字，AIGC 还能「画画」。你只要用文字描述想要的画面，AI 就能生成一张从没存在过的图片，这叫 「文生图」（Text-to-Image）。代表工具有 Midjourney、Stable Diffusion、DALL·E 以及国内的各类绘图 AI。

它是怎么做到的？

核心原理（简化版） 

· AI 先看过海量「图片 + 文字描述」的配对数据，学会了「什么样的词对应什么样的画面」。

· 主流技术叫扩散模型（Diffusion）：简单说，它先在一张图上不断「加噪点」直到变成纯噪声，再学会「反向去噪」——从噪声里一点点还原出清晰图像。

· 你输入文字描述后，AI 就是在「按你的描述去噪还原」，画出新图。

小白秒懂 

想象一张满是电视雪花点的图。AI 学会了「按你的要求，把雪花点一点点抹掉，最后露出一幅画」。你描述「一只柴犬戴墨镜」，它就去噪还原成那只柴犬——哪怕这张图世界上原本并不存在。

除了文生图，还有 「图生图」：你给一张图，AI 按你的指令改造它——换风格、加元素、修细节，比如把照片变成油画风、给人物换装。

局限提醒 

· 细节容易崩：手指数量、文字拼写、小物件常出错。

· 可控性有限：很难精确控制每个元素的位置和数量。

· 版权争议：训练数据来自网络图片，生成相似内容可能引发版权问题。

一句话记住：图像生成靠扩散模型，从噪声中「还原」出符合文字描述的新画面，细节和可控性仍在持续优化中。