完整定義
文字生成圖像是一種多模態人工智慧技術,用於根據文字描述自動生成對應的圖像。它能夠將抽象的文字概念轉化為具體的視覺呈現,常見應用包括藝術創作、設計輔助、內容生成等。
白話說明
你有沒有只用一句話,就想先看見設計草稿的時候?
你可以把文字生成圖像想成「把描述變成看得見的畫面」
你先講出主題、風格、構圖,模型再把這些線索組成一張圖
它很適合做靈感草圖、行銷素材和故事分鏡,但細節還是常要人再修
記住這句
先把意思講清楚,再讓模型把意思畫出來。
比喻:Text-to-Image 就像一個會畫畫的說書人 -- 你告訴它「一隻太空貓在月球上吃披薩」,它就能立刻畫出這張圖給你。
容易混淆
文字生成圖像 vs 圖像編輯
文字生成圖像是從零長出新圖
圖像編輯是拿既有圖片再改
最關鍵的區別:一個是從無到有,一個是從有到改
文字生成圖像 vs 擴散模型
文字生成圖像是任務
擴散模型是常用的方法
最關鍵的區別:前者是目標,後者是工具
文字生成圖像 vs 提示工程
文字生成圖像是產出圖的能力
提示工程是把需求說清楚的技巧
最關鍵的區別:一個是模型能力,一個是你下指令的方法
實際案例
行銷草稿
設計師先用一句商品文案生出 5 張封面草圖,再挑一張進行精修,速度比從白紙開始快很多
課堂示意圖
老師輸入「火山爆發的夜景插畫」先做教材示意,之後再補上文字標示和版面調整
演算法與應用
| 文字理解 | 先找出主題、風格、顏色、物件 | 描述越明確,畫面越穩 |
| 生成步驟 | 把文字條件轉成影像特徵 | 通常會搭配擴散模型 |
| 控制方式 | 用參考圖、種子值、負面提示詞調整結果 | 控制越多,越接近需求 |
| 常見限制 | 手指、文字、複雜場景容易出錯 | 最後常要人工修圖 |
情境判斷
Q1(直覺題):你要先做社群貼文封面,但還沒時間請設計師,該用嗎?
可以,先用文字生成圖像做草稿,等版型方向定了再交給設計師精修。
Q2(判斷題):你要的是公司標誌上的準確字樣,還適合只靠它嗎?
不太適合,因為模型常把字拼錯,這種任務通常要搭配人工排版或後製。
常見問題
不一定,重點是把主體、風格、場景和限制講清楚,短句也能有效。
傳統軟體靠人一筆一筆畫,文字生成圖像是先理解描述,再自動合成畫面。
因為模型擅長整體語意,不一定擅長精準控制局部細節,尤其是文字和手部。
出現在這些考古題
官方公告試題的逐題解析裡,這 1 題把文字生成圖像列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本