文生图：用文字描述生成图像的AI技术
文生图是指通过输入文本描述，由人工智能模型自动生成对应图像的技术。它基于扩散模型等算法，将文字语义转化为视觉元素，已成为AIGC领域的核心应用之一。
一句话解释
文生图是指用户通过输入一段文字描述（提示词），人工智能模型自动生成符合该描述的图像的过程。例如输入“夕阳下漫步的宇航员”，AI就能生成相应的超现实画面。
为什么会被关注
文生图技术大幅降低了图像创作的门槛，非专业用户也能快速实现创意可视化。2022年Stable Diffusion开源后引发普及浪潮，其在设计、营销、娱乐等领域的实用价值备受关注，同时关于版权、艺术替代的争议也持续存在。
核心逻辑
文生图模型通常基于扩散模型架构：首先在大量图文配对数据上训练，让模型学习文字与视觉特征的关联。生成时，模型先随机生成噪声图像，然后根据文本提示逐步去噪，迭代优化至最终图像。关键步骤包括文本编码（将提示词转化为数学向量）和图像解码（根据向量生成像素）。
常见场景
1. 创意设计：快速生成海报、插画、UI概念稿等视觉草案。
2. 内容创作：为文章、视频配图，生成社交媒体素材。
3. 概念可视化：将抽象想法（如“未来城市交通”）转化为具体图像辅助沟通。
4. 艺术探索：艺术家利用其生成风格独特的数字艺术作品。
容易混淆的点
文生图与图生图不同：后者需要上传参考图像，AI在其基础上修改或重绘；而文生图仅凭文字生成。
提示词精度影响结果：模糊描述可能生成随机图像，具体描述需包含主体、细节、风格、构图等要素（如“赛博朋克风格，雨中霓虹灯街道，电影感”）。
版权边界需注意：生成图像可能包含训练数据中的版权元素，商用时需谨慎核查。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词Midjourney是一款基于人工智能的文本生成图像工具，用户通过输入文字描述（提示词），即可快速生成高质量、风格多样的数字图像。它以其强大的艺术表现力和易用性，成为创意工作者和爱好者的热门选择。
DALL-E是OpenAI开发的文本到图像生成模型，能够根据用户输入的自然语言描述，创造出高度匹配且富有创意的图像。它代表了AI在理解复杂概念并将其视觉化方面的重大突破，极大地降低了图像创作的门槛。
AIGC（人工智能生成内容）是指利用人工智能技术自动或辅助生成文本、图像、音频、视频等内容。它正从辅助工具演变为独立的内容生产者，深刻改变着内容产业的创作模式与效率。
Stable Diffusion是一种开源的潜在扩散模型，能够根据文本描述生成高质量的图像。它通过将图像生成过程分解为逐步去除噪声的步骤，实现了从随机噪声到目标图像的转换。
提示词是用户输入给大语言模型等AI的指令或问题，是引导AI生成预期内容的核心工具。它决定了AI的思考方向、输出格式与质量，已成为人机交互的新界面和一项关键技能。
扩散模型是一种通过逐步去除噪声来生成数据（如图像、音频）的生成式AI模型。它模仿了物理中的扩散过程，先将数据“打散”成噪声，再学习如何逆向“重建”出清晰、高质量的内容。