一、理解AI文生图的基本原理
AI文生图（Text-to-Image Generation）依赖于大型多模态模型（如Stable Diffusion、DALL·E、Midjourney、Qwen-VL等），通过分析用户输入的文本提示（Prompt），在海量图文数据中学习语义与视觉的对应关系，最终生成匹配描述的图像。
二、写出高效果的提示词（Prompt）
提示词是控制生成结果的关键。一个优秀的Prompt应包含以下要素：
- 主体描述：明确你要画什么（如“一位穿汉服的少女”）
- 风格关键词：指定艺术风格（如“赛博朋克”、“水墨画”、“吉卜力工作室风格”）
- 细节修饰：包括姿势、表情、服装纹理、光照、背景等（如“站在樱花树下，阳光透过树叶，微风轻拂长发”）
- 技术参数暗示：如“8k高清”、“电影级景深”、“超写实”等可引导模型提升画质
示例对比：
❌ 模糊提示：“画一个女孩” → 结果随机、质量不可控
✅ 优质提示：“一位18岁东亚少女，身穿淡蓝色丝绸汉服，站在江南水乡的石桥上，清晨薄雾，柔光，胶片质感，8k超高清，摄影写实风格”
三、选择合适的AI绘图平台与模型
不同平台擅长不同风格：
- Midjourney：艺术感强，适合插画、概念设计
- Stable Diffusion（本地/在线）：高度可定制，支持LoRA、ControlNet等插件，适合精细控制
- DALL·E 3：理解复杂语义能力强，适合创意广告图
- 通义万相 / 文心一格：中文提示支持好，适合本土化内容
四、进阶技巧：使用负面提示与参数调节
除了正向描述，还可使用负面提示（Negative Prompt）排除不想要的元素，例如：
negative prompt: blurry, deformed hands, extra fingers, low quality, text, watermark
同时，合理设置以下参数能显著提升效果：
- CFG Scale（提示词相关性）：通常7–12之间，值越高越贴近提示，但过高会失真
- Steps（采样步数）：20–50步较常见，步数越多细节越丰富
- Resolution（分辨率）：建议至少512×512，高分辨率需配合高清修复（Hires Fix）
五、实战案例：生成一张“未来城市夜景”
Prompt：
Futuristic cyberpunk city at night, neon lights reflecting on wet streets, towering skyscrapers with holographic ads, flying cars in the sky, rain mist, cinematic lighting, ultra-detailed, 8k, Unreal Engine render style
Negative Prompt：
blurry, low contrast, people, cartoon, sketch, flat colors
通过上述提示，在Stable Diffusion中配合Hires Fix放大，即可获得一张极具氛围感的赛博朋克城市图。
六、常见误区与优化建议
- ❌ 堆砌过多关键词 → 导致语义冲突
✅ 聚焦核心元素，逻辑清晰 - ❌ 忽略构图与视角
✅ 加入“wide angle shot”、“bird’s-eye view”等镜头语言 - ❌ 期望一次完美成图
✅ 多次迭代：先草图测试，再细化提示
结语
AI绘画不是魔法，而是“精准沟通”的艺术。掌握提示工程（Prompt Engineering）的本质——用AI能理解的语言描述你的想象——你就能稳定产出专业级图像。现在就去text2img.pro尝试你的第一个高质量Prompt吧！