扩散模型（Diffusion Model）的思路可以概括为：训练时给图片不断加噪直到变成纯噪声，推理时从纯噪声出发一步步「去噪」，最终还原出图片。文生图就是在这个去噪过程中加入文本引导。

关键名词

  • Denoising（去噪）：从噪声中逐步恢复图像的迭代过程
  • Text Encoder（文本编码器）：把提示词转成模型能理解的向量，如 CLIP、T5
  • Sampler（采样器）：决定去噪步数与算法，如 Euler、DPM++、DDIM，影响速度与画质
  • CFG（Classifier-Free Guidance）：提示词对生成结果的引导强度，数值越高越贴合提示词，过高会过饱和
  • Seed（随机种子）：相同的种子+参数可复现同一张图

文生图 vs 图生图

文生图（txt2img）从噪声生成全新图像；图生图（img2img）以一张现有图为起点，在保留构图的同时重绘或变换风格。ControlNet 则通过线稿、骨骼、深度图等额外控制生成结构。