一、什么是 AI 生图

1. 文生图：输入文字关键词生成画面（如 Stable Diffusion、Midjourney、DALL・E）；
2. 图生图：上传一张参考图，保留构图 / 风格，换内容重绘；
3. 局部重绘、扩图、AI 修图、AI 绘画都属于 AI 生图范畴。

二、AI 生图核心原理（通俗 + 专业两层讲解）

通俗版原理

专业完整原理（主流扩散模型 Diffusion，目前 99% AI 生图都用这套）

1. 训练阶段（模型学习图片）

1. 收集千万级图文配对数据（图片 + 文字描述）；
2. 对清晰原图不断加高斯噪声：一点点打乱画面，直到图片完全变成雪花噪点；
3. 神经网络（UNet）反复训练，学习「去除噪点」，记住不同文字、物体对应的画面特征；
4. 模型最终学会：任意噪点图，都能反向还原成清晰图片，同时绑定文字语义。

2. 生成阶段（你出词，AI 画图）

1. 随机初始化：生成一张纯随机噪点画布；
2. 反向去噪迭代（核心步骤）
   根据你输入的提示词（Prompt），模型一步步预测、抹除图片里的噪点，每一步恢复一点细节：轮廓→色彩→五官纹理光影；
   迭代步数越高，画面细节越丰富（一般 20–50 步）；
3. 语义引导
   通过文本编码器（CLIP）把文字转换成数字向量，全程约束 AI 生成内容贴合你的描述，避免画偏；
4. 输出清晰成品图。

补充两种辅助技术

1. CLIP 文本编码器
   把人类文字翻译成 AI 能读懂的数字特征，实现 “文字控制画面”，是文生图的桥梁；
2. ControlNet 控制网络
   额外控制构图、人体姿态、线条、景深，解决 AI 画手畸形、构图混乱问题。

三、延伸关键知识点（结合你之前关心的版权）

1. AI 生图版权争议：
   训练时使用大量网络摄影、绘画素材，未授权商用训练存在著作权侵权风险；
2. AI 图≠CC0 图：
   CC0 是作者主动放弃版权；AI 生成图版权归属各地法律不统一，不能默认免费商用。
3. 局限：
   模型没有真实认知，容易出现手部畸形、文字错乱、透视错误，需要后期修正。