AITerms 登入
機器學習深度學習自然語言處理

文字生成圖像(Text-to-Image)是什麼?

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。

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

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

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本