一、理解AI文生图的基本原理
AI文生图（Text-to-Image Generation）是通过自然语言描述（即“提示词”或 Prompt）驱动深度学习模型生成对应图像的技术。当前主流模型如Stable Diffusion、DALL·E、Midjourney和通义万相（Qwen-Image）等，均依赖高质量的文本输入来产出视觉内容。
二、写出高效提示词（Prompt）的关键要素
一个优秀的Prompt通常包含以下结构：
- 主体描述：明确你要画什么（如“一位穿汉服的少女”）
- 风格设定：指定艺术风格（如“赛博朋克”、“水墨画”、“写实摄影”）
- 细节补充：包括光照、视角、表情、背景等（如“黄昏逆光，特写镜头，微笑”）
- 负面提示（Negative Prompt）：排除不想要的元素（如“模糊、畸变、多余手指”）
示例对比：
低效Prompt：“画一个女孩” → 结果随机、质量不稳定。
高效Prompt：“一位20岁东亚女性，穿着红色丝绸汉服，站在樱花树下，柔光午后，日系插画风格，高清细节，8k --v 6.0 --style raw” → 画面清晰、风格明确、细节丰富。
三、选择合适的AI绘图平台与模型
不同平台适合不同需求：
- Midjourney：艺术感强，适合创意设计，需通过Discord使用
- Stable Diffusion（本地/WebUI）：高度可定制，支持LoRA、ControlNet等插件
- 通义万相（Qwen-Image）：中文理解优秀，集成于阿里生态，适合中文用户快速生成
- DALL·E 3（via Bing Image Creator）：语义理解精准，适合商业场景草图
四、优化生成效果的实用技巧
- 使用权重控制：在Stable Diffusion中可用 (word:1.3) 提高关键词影响力
- 结合图像引导：通过Img2Img或ControlNet输入草图/姿势图，提升构图准确性
- 多次迭代测试：微调关键词顺序、增减细节，观察输出变化
- 善用高清修复（Hires Fix）：先生成小图再放大，避免直接生成大图导致崩坏
五、常见问题与避坑指南
- ❌ 避免模糊词汇：“好看”“酷”等主观词AI无法理解
- ❌ 不要堆砌矛盾描述：“写实+卡通”“白天+夜晚”会导致模型混乱
- ✅ 建议使用具体名词和形容词：“维多利亚时代礼服”“霓虹灯反射的雨夜街道”
- ✅ 中文Prompt在通义万相等国产模型中表现更佳，英文在Midjourney中更成熟
六、实战案例：生成一张“未来城市中的猫咖啡馆”
Prompt（英文版，适用于Midjourney）：
A cozy cat cafe in a futuristic neon-lit city, cyberpunk style, large windows with raindrops, robotic cats lounging on velvet sofas, warm ambient light, detailed interior, 8k, cinematic lighting --ar 16:9 --v 6.0
Prompt（中文版，适用于通义万相）：
一家位于未来都市的猫咖，赛博朋克风格，霓虹灯闪烁，玻璃窗上有雨滴，机械猫慵懒地躺在丝绒沙发上，室内温暖灯光，细节丰富，电影感构图
结语
AI绘画不是“输入文字就出图”的黑箱，而是需要理解模型逻辑、精心设计提示词的艺术与技术结合过程。掌握上述方法后，你将能更稳定、高效地生成符合商业或创作需求的高质量图像。立即在 text2img.pro 等平台实践吧！