Stable Diffusion 文生图与图生图的核心区别

文生图与图生图是 Stable Diffusion 中两条看似相近、实则起点截然不同的生成路径。理解二者的区别，关键在于看清模型在去噪过程中究竟从什么样的初始状态出发，以及用户的控制权落在哪个环节。

文生图的本质，是让模型从一张纯随机噪声出发，仅依据文本提示词逐步去噪，还原出一张符合语义描述的图像。此时提示词几乎承担了全部的方向性约束，构图、主体、风格、镜头、画质等信息都要通过文字编码传递给模型。换句话说，画面从无到有，模型拥有极大的自由度，而用户的掌控主要体现在描述的精确程度上——这也是提示词进阶中强调风格、肢体、镜头与画质等维度的原因。

图生图则改变了起点。它不再从空白噪声开始，而是以一张已有图像作为基底，先对其施加一定强度的噪声，再按提示词进行去噪重建。由此，原图的构图、轮廓、色彩分布会在不同程度上被保留下来，模型是在既有视觉结构之上做改写，而非凭空创造。无论是把真实照片转成卡通头像、给线稿上色，还是整体更换画风，背后都是同一套逻辑：输入图像提供了结构先例，文本提示词负责引导改写方向。

两者最核心的差异由此清晰：文生图是"从文字到图像"，起点是噪声，自由度高但可控性弱；图生图是"从图像到图像"，起点是参照图，可控性强但受原图约束。决定图生图效果的关键变量，是重绘强度这一类控制原图保留程度的参数——数值偏低时更贴近原图、改动有限，偏高时则更接近重新生成、原图特征趋于淡化。

在实际选择上，判断依据并不复杂。当目标是产出全新的、尚无视觉参照的作品时，文生图更合适；当手中已有一张图像，希望在其基础上调整风格、上色、换脸或丰富细节时，图生图才是对的工具。真正的进阶能力，往往体现在能否根据任务需求，在两条路径之间做出恰当切换，并通过参数把"创造"与"保留"的比例控制在预期范围之内。