用 AI 出图的人多半都遇到过：同一个提示词，换个模型、改几个参数，出来的东西差得离谱；或者想调「像不像参考图」，却不知道该动哪一项。这篇不教你怎么写提示词，而是把图像生成模型从一团噪声到一张图的中间过程拆开讲，让你知道每类参数大概在动哪一环，出了问题该往哪查。
用 AI 出图的人大多踩过这种坑：同一段提示词，换个模型、动几个参数，出来的东西完全两样；想调「像不像参考图」，却不知道该拧哪一颗螺丝。问题往往不在提示词本身，而在你没搞清楚整条流水线在干什么。这篇不教写提示词，只把从一团噪声到一张图的中间过程拆开，让你知道每类参数大概在动哪一环，出问题知道往哪儿查。
大体上，一张图要经过四段路：随机噪声起步、在更小的表示里反复去噪、条件信息全程插手、最后解码还原成像素。后面每一节对应一段，讲清它的作用和边界，以及你在界面上能看到的那几个旋钮分别接在哪。
一张图是怎么从随机噪声里长出来的
起点不是空白画布，而是一张纯随机噪声图。模型在每一步对这块噪声做一点「减法」，逐步补出结构信息，采样步数就是「减几次」。训练阶段做的恰好是相反的事：往真图里一步步加噪，让模型学会分辨「这一步加了什么」，加噪的方式决定了这个模型整体的风格偏好。
所以采样步数不是越多越好。到某个点之后再叠加，基本只是重复计算，还会把已经出现的细节磨平。这个拐点因模型而异，与其背数字，不如到 /tools/pelican-bench 用同一提示词跑不同步数配置，自己看差异。另外注意：模型的输出往往不是一步直接出整张像素图，而是先出中间表示，再交给解码环节还原。
- 固定提示词和种子，只改步数，跑三档对比，看画面从「没成形」到「够干净」再到「细节被磨平」的转折在哪
- 同一模型重复跑同一种子，确认结果是否稳定；不稳的部分多半来自采样随机性
- 换个模型重跑同一组参数，感受不同训练分布带来的风格差异
- 把结论记在该模型自己的备注里，别套用到别的模型上
为什么很多模型不直接在像素上算
直接在原图像素上做加噪去噪，计算量按分辨率增长得很快，所以主流做法是先把图压进一个更小的表示（潜空间），在潜空间里完成生成，最后再解码回像素。这个「压缩再还原」的环节会带来固有精度损失，文字、细线、小字最容易糊——这就是不少模型排不好中英文的物理原因，不全是提示词没写对。
| 环节 | 在做什么 | 出了问题的典型表现 |
|---|---|---|
| 编码压缩 | 把像素图压成更小的表示 | 细节先天有损，越小的元素越危险 |
| 潜空间生成 | 在压缩表示上反复去噪 | 构图稳但细节上限受压缩比限制 |
| 解码还原 | 把小表示还原成像素 | 文字、线稿容易糊成一团 |
| 放大环节 | 另行提升到更高像素 | 和潜空间尺寸是两回事，别混着调 |
压缩比越小，出图越快、显存越省，但细节上限越低。要排字或做精细线稿，优先挑对文字处理更擅长的模型，可以在 /ai-nav/category/ai-image 和 /ai-nav/category/ai-image-edit 里横向看工具定位。还要记住：潜空间尺寸和最终出图分辨率是两件事，放大到更高像素通常靠另一套放大环节，不是把潜空间直接拉大。
提示词、参考图、姿态这些控制是加在哪一步的
文字提示词和参考图都属于「条件」，它们的参与方式是每一步去噪时都来影响方向。也就是说条件贯穿整个生成过程，不是开头拍一次板就完事。这解释了一件事：条件写得太含糊，后面每一步都在放大这种含糊，最后就偏得离谱。
- 文字提示词
- 最轻的控制手段，改一句就换一个方向
- 参考图
- 同时带来内容相似和构图相似，力度大、也更容易压过别的条件
- 姿态、深度等结构条件
- 主要锁形状，一般不管风格和材质
- 控制强度
- 每一种可控条件都有的旋钮，决定它在去噪里说话的分量
控制强度调太高，容易出现「形似但糊」或画面僵硬；调太低，等于没加。实践中从中间值往两边试，通常比从两端往中间收敛得快。另外，一堆条件叠加时很容易互相打架，别一次加满。想省事的话，把参考图和控制条件交给 /ai-nav/category/ai-image-edit 里明确标注支持参考图的工具，比在通用模型上硬拧参数稳。
出图不稳时按这个顺序排查
这一节的顺序不是随手排的，原则是「先排除随机性，再动可控项，最后才换模型」。越往后代价越大，因为换模型等于换一整套训练分布，之前调好的参数基本要重来一遍。
- 固定种子先把随机种子锁死，确认问题能复现。不复现的差异多半来自采样随机性，不是模型坏了，别急着改参数。
- 调步数与采样器这两项一起决定收敛过程和画面干净程度，单独动一项容易误判。成组试，别只拧一个。
- 动控制条件与强度参考图、姿态信息往往是画面跑偏的主因。先把叠加的条件减到最少，再一个一个加回来。
- 最后才换模型前三步都排除后再换。换模型后，之前的参数经验基本作废，按新模型重跑一遍上面的顺序。
还有一层成本和原理相关：叠了参考图、放大之后，出图的计费口径和单纯文生图往往不同，不同厂商差别也不小。出图前先去 /official-api/providers/openai 这类官方页核对当时的计价方式，再到 /tools/model-cost-calculator 按自己的出图量算一遍，比事后看账单清楚。
参数不是玄学，每一个旋钮都接在整条流水线的某一环上；知道它接在哪，就知道动了它会牵动什么。下一步想动手验证这些原理，最省事的办法是固定提示词和种子，在同一个工具里只改一项参数，跑几组对照。比起继续搜「最佳参数」，这种排查能更快让你摸清手里这个模型脾气。→
常见问题
为什么同一个提示词，别人出图比我好看这么多？
多数情况不是模型差距，而是采样步数、采样器、控制条件强度和随机种子这几项组合不同，加上对方可能用的是经过微调或加了风格控制的版本。先固定种子、再逐个变量对比，比直接换模型更能找到原因，具体参数档位因模型而异，参考站内工具目录里对应模型的默认推荐值。
文字和手为什么总是画不好？
这两类内容对像素级精度要求高，而主流做法是在压缩过的潜空间里生成，细笔画和字符结构在压缩还原时容易丢。专攻排字或线稿的模型会在这一环做补偿，可以在 /ai-nav/category/ai-image 里按这个维度筛工具，而不是靠把提示词写得更长。
步数调高一点，图会不会一定更好？
不会。步数增加到一定程度后，画面结构基本定型，再叠加主要是重复计算，反而可能让纹理变糊，同时出图耗时和费用线性上涨。合适档位跟模型、采样器和画面复杂度都有关，建议用同一提示词做几档对照，把差异记录下来再定默认值。
