AI 画图原理是什么？扩散模型三分钟讲明白

这期讲了什么

• AI 画图不是从白纸起笔：起点是一屏随机噪点（老电视雪花那种），它照着你的话一遍遍把「不像」的噪点擦掉、把画擦出来——行话叫扩散模型去噪
• AI 画手总出错的原因：它并不真懂一只手几根指头、怎么长的，只是擦出一个远看像手的形状，所以手、牙齿、复杂机械这种细节最容易翻车
• 同一句话每次出图都不一样：每次开局那屏噪点都是重新随机撒的，起点不同结果自然不同，多抽几次挑最满意的是完全正常的用法
• 怎么描述才画得准：把是谁、在哪、长什么样、什么风格、什么光线说清楚，跟点菜一个道理，越具体越对胃口

文字稿

文生图：AI 画图的起点不是白纸

今天要翻译的词是 AI 到底是怎么「画」图的，也就是你可能听过的「文生图」「扩散模型」。为什么普通人也该懂它？因为现在人人都能打一句话，让 AI 出头像、出海报、出表情包。搞懂它是怎么画的，你就知道为什么有时候画得离谱、为什么同一句话每次不一样，还有最实在的——怎么描述才能一次画准。

你打一句「帮我画一只戴墨镜的柴犬在海边冲浪」，点一下，几秒钟一张图就出来了。这时候大多数人脑子里的画面是：AI 像个画家，铺开一张白纸，从勾线到上色一笔一笔画。但真相是，它的起点根本不是白纸。

扩散模型去噪：从一屏雪花里擦出一张画

你还记得老电视机没信号的时候吗？满屏沙沙沙的雪花点，乱七八糟啥也不是。AI 画图恰恰就是从这么一屏毫无意义的雪花开始的。它照着你那句话，一遍一遍把「不像」的雪花擦掉，把「像」的地方留下来，越描越清楚。

第一遍，从雪花里隐约擦出个大概轮廓——好像海边有个毛茸茸的东西；第二遍，轮廓清楚了，看得出是只狗；再一遍遍擦下去，柴犬的脸、墨镜、浪花，慢慢从雪花里显影出来。这特别像老胶卷照片泡进药水里，从一片模糊一点点变清晰。这个「从一团噪点里反复擦、擦出一张画」的过程，行话就叫扩散模型去噪。名字可以忘掉，你只要记住「从雪花里擦出一张画」这一个画面就够了。

有句话特别配这个过程。据说米开朗基罗被问怎么雕出这么好的雕像，他说：雕像本来就在大理石里，我只是把多余的部分去掉。AI 画图也是这个意思——你要的那张画本来就藏在那团雪花里，AI 干的活就是照着你的描述，把不相干的雪花一点点去掉，让画自己显出来。

三个疑问：手为什么画错、为什么每次不同、怎么描述才准

想通了从雪花里擦画，你就能一口气解开三个平时最纳闷的疑问。

第一，为什么 AI 画的手老是多一根手指、指头打结？因为它压根不真懂一只手到底长啥样、几根指头、怎么长的，只是在雪花里擦出一个远看像手的形状——远看挺像，凑近一数就露馅。所以现在 AI 画脸、画风景很拿手，可一到手、牙齿、复杂机械这种差一点就出戏的细节，就特别容易翻车。

第二，为什么同一句话每次生成的图都不一样？因为每一次，AI 开局那屏雪花都是重新随机撒的，都不一样。起点的雪花不同，一路擦下来显出的画自然就不同。这不是它不听话，是它天生每次都从一张全新的雪花开始——所以你多抽几次、挑一张最满意的，是完全正常的用法。

第三，也是最实用的，怎么描述才能画得准？AI 是照着你的话去擦雪花的。你说得越含糊，它能自由发挥的空间就越大，越容易擦出你没想要的东西；你把关键信息说清楚——是谁、在哪、长什么样、什么风格、什么光线——它就有更明确的方向去擦，出来的图才更接近你脑子里那张。跟点菜一个道理，你说「来份好吃的」，厨师随便发挥；你说清口味，才做得对你的胃口。

记住一句话就够了：AI 画图，不是从白纸一笔一笔画，而是从一屏雪花里照着你的话一遍遍把画擦出来——你说得越清楚，它就擦得越准。

常见问题

AI 画图用的是什么技术？

主流方案是扩散模型：从一屏随机噪点出发，照着你的文字描述一遍遍去噪，把「不像」的部分擦掉，让画面逐渐显影出来。「文生图」指的就是这个用文字生成图片的过程。

为什么 AI 画的手总是出错？

因为模型并不真懂一只手有几根指头、怎么长的，它只是在噪点里擦出一个远看像手的形状。所以手、牙齿、复杂机械这类差一点就出戏的细节最容易翻车，而脸和风景通常很拿手。

提示词怎么写 AI 才能画准？

把关键信息说清楚：是谁、在哪、长什么样、什么风格、什么光线。描述越含糊，AI 自由发挥的空间越大；描述越具体，它去噪的方向越明确，出图越接近你脑子里那张。