你大概遇到过这种场面:同事甩来一句「用文生图做张配图」,或者自己在某个工具里输了半天描述,出来的东西完全不是想的那样。问题往往不在你描述得差,而是没搞清文生图到底在干什么、有哪些入口可选。这篇把原理讲到够用为止,再把常见入口按「谁会用到」分一遍,最后给一套挑入口的对照清单。
你大概遇到过这种场面:同事甩来一句「用文生图做张配图」,或者自己在某个工具里输了半天描述,出来的东西完全不是想的那样。问题往往不在你描述得差,而是没搞清文生图到底在干什么、有哪些入口可选。
下面把原理讲到够用为止,再把常见入口按「谁会用到」分一遍,最后给一套挑入口的对照清单。全程只讲判断标准和可执行动作,具体数字一律去站内页面核对当时的版本。
文生图到底在干什么
一句话:把一段文字描述交给模型,模型算出一张图。你写的是「要什么」,模型负责「画出来」。它不是搜索,也不是从素材库里挑一张拼上去,每次结果都可能不一样。
- 文生图
- 输入只有文字描述,输出是图像,你无法预先指定具体像素长什么样
- 图生图
- 输入是一张已有图加上文字,模型在原图基础上改,风格和构图会跟着原图走
- 局部重绘
- 输入是图加一块指定区域加文字,只改那一小块,其余部分尽量保持不动
先分清输入类型,再看工具能力,别混着挑。描述也不是越长越好,关键是给出可执行信息:主体、构图、光线、风格、比例。写「一只猫」和写「一只橘猫坐在木桌上,侧逆光,浅景深,方形构图」,得到的东西差别很大。
原理够用就行:它凭什么能画出图
大致流程分三步:文字先被转成机器能算的表示,模型从一团随机噪声里逐步去噪,最后还原成图像。所以它本质是「按你的描述往某个方向猜」,不是从图库里检索拼接,也不保证每次猜对。
这个机制解释了三件常被吐槽的事:同一个描述每次结果不同;词语顺序和措辞会明显影响构图;抽象词的效果普遍不如具体词。理解了这三点,你调描述时就知道该往哪个方向使劲。
如果你对里面那些名词还有疑问,可以去 模型底层概念随手对照(/ai-dict/category/tech) 查,别在原理上耗太久。多数人只需要记住「描述了方向、模型负责猜、结果有随机性」这三句,就能把活干下去。
常见入口有哪几类,各自适合谁
| 入口类型 | 适合谁 | 要先确认什么 |
|---|---|---|
| 网页版工具 | 偶尔出图、不想配环境的人 | 额度、水印、导出格式和商用条款 |
| 对话助手里出图 | 边聊边改、随手要一张的人 | 尺寸比例和精细控制够不够用 |
| API 接口 | 要批量、要接进自己流程的团队 | 按量计费方式、重试和存储怎么处理 |
| 本地或自部署 | 数据不能外发、出图量大且固定的场景 | 有没有卡、有没有人长期维护 |
- 网页版工具打开就能用,代价是额度、水印和导出限制要提前看清。
- 对话助手的出图功能胜在顺手,但尺寸比例和局部控制通常较弱。
- API 适合把出图嵌进流水线,但重试、失败回退、图片存哪儿都得自己管。
- 本地部署只对特定场景划算:数据敏感或者量足够大,只是偶尔用几张图就不值当。
怎么挑入口:四个问题问自己
- 问题一:出图量级一次几张还是每天上百张。前者用网页版就够,后者再谈接口或本地,别一上来就搭环境。
- 问题二:数据能不能出内网涉及未公开素材、客户资料时,本地或私有部署这条线才成立,否则先确认工具的隐私条款。
- 问题三:要不要嵌进流程只出图就选工具;要和文案、上架、审核串起来,就得看接口能不能接。
- 问题四:后期编辑谁做很多工具生成强、改图弱。出图之后还有没有改的余地,要提前确认,别等成图了才发现没法动。
挑之前先去 图像生成(/ai-nav/category/ai-image) 和 图像编辑与设计(/ai-nav/category/ai-image-edit) 两个目录各扫一遍,再对照 AI 模型库(/models) 看模型的能力口径。目录里既有直接能用的工具,也有需要接接口的,先按上面四个问题筛掉一半,剩下的再逐个试。
第一次上手:按这个顺序跑一遍
- 第一步,跑通用一句话描述一个简单主体,只求能出图,确认这个入口是通的、不报错。
- 第二步,感受随机性固定同一段描述连出几张,看差异有多大,再决定要不要上批量。
- 第三步,替换抽象词把一个抽象词换成具体词,观察差别。这一步最能建立对描述用词的直觉。
- 第四步,记录限制记下出图速度、是否带水印、导出格式和额度消耗,再判断能不能长期用。
- 第五步,横向对照需要批量或对比多家时,用 同一提示词比多家模型出图质量(/tools/pelican-bench) 做一次横向对照,别只凭单张好看就定下来。
跑完这五步,你手里就有了一份属于自己的对照记录:哪个入口出图快、哪个改图方便、哪个额度经用。具体到价格和额度这些会变的数字,去 价格追踪(/price-watch) 核对当时的数字,别拿别人几个月前的截图当依据。
下一步想直接把几个入口摆在一起比,先去图像生成目录按你的场景筛一轮,再回模型库核对能力口径。→常见问题
文生图和「AI 绘画」是一回事吗?
日常说法里基本混用。严格讲,文生图强调输入是文字,AI 绘画的范围更大,还包括图生图、局部重绘、扩图这些。你跟人沟通时说清输入是什么,比纠结叫法有用。
我不会写提示词,是不是就用不好?
不至于。起步阶段只要把主体、场景、风格、比例四件事说清就能出可用的图,剩下的靠多试。真要系统学,按「拆提示词、定风格、再批量」的顺序练,比一次堆一长串修饰词有效。
出图能不能商用?
不能一概而论,取决于你用的入口和模型授权条款:有的禁止商用,有的允许但要求署名,有的对生成内容归属另有约定。发布前把该入口的条款读一遍,涉及品牌和人物的图还要额外注意。