文字生成圖像 是什麼？

Text-to-Image — 文字生成圖像 的完整解釋

文字生成圖像是一種人工智慧技術，它能根據文字描述自動生成對應的圖像，實現文字內容的視覺化呈現。

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

記住這句就好

先把意思講清楚，再讓模型把意思畫出來。

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

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

文字生成圖像一定要會寫很長的提示詞嗎？

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。

它和傳統繪圖軟體差在哪？

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。

為什麼生成圖常常看起來像，但細節不對？

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。