文生图 AI 在短短几年内从一项研究成果发展成了专业创作工具。如今，任何人都可以用自然语言描述一张图片，几秒钟内就能得到高质量的结果——不需要设计软件，不需要购买图库订阅，也不需要任何技术背景。
本指南涵盖了入门者需要了解的一切：技术原理、如何写出有效提示词、不同任务选择哪个模型，以及常见的新手错误。
什么是文生图 AI？
文生图 AI 是一种将文字描述（称为提示词）转换为视觉图像的生成模型。你输入"一只红狐狸坐在黄昏的雪林中，油画风格"，模型就会生成与描述相符的图像。
背后的技术叫做扩散模型。模型从随机噪声开始，在提示词的引导下逐步精炼，直到生成一张连贯的图像。现代扩散模型在数亿个图像-文字对上训练，这也是它们能理解如此广泛描述的原因——从超写实人像到抽象艺术再到产品效果图，无所不包。
文生图 AI 的实际工作原理
了解基本原理会让你的提示词写作能力大幅提升。
整个过程分为三个关键阶段：
1. 文本编码 — 你的提示词被语言模型（类似 ChatGPT 处理文字的方式）转换为数值表示，捕捉文字的语义含义。
2. 潜在扩散 — 模型在压缩的潜在空间中从随机噪声开始，逐步去除噪声，将结果引导向提示词的含义。每一步都让图像更加清晰。
3. 解码 — 精炼后的潜在表示被解码为可下载使用的全分辨率像素图像。
关键认知：模型不像人类那样"绘制"图像，而是统计性地重建一张符合训练时学到的模式的图像。这就是为什么具体、描述性的提示词比模糊的好得多。
第一个提示词：5 个关键要素
大多数新手写的提示词太短太模糊。一个好的提示词通常包含五个要素：
1. 主体
主要焦点是什么？要具体。
- 弱：一只狗
- 强：一只金毛猎犬幼犬
2. 动作或姿态
主体在做什么？
- 弱：坐着
- 强：侧躺，前爪向前伸展，眼睛半闭
3. 环境
场景在哪里？
- 弱：在外面
- 强：秋天一个风化的木质门廊上，周围散落着枫叶
4. 光线
光线对氛围的影响比几乎任何其他元素都大。
- 弱：（无光线信息）
- 强：柔和的黄金时刻逆光，温暖的琥珀色调，浅景深
5. 风格或媒介
图像应该呈现什么风格？
- 弱：写实
- 强：35mm 胶片摄影，富士 Superia 400，轻微去饱和
完整示例： "一只金毛猎犬幼犬侧躺在秋天风化的木质门廊上，周围散落着枫叶，柔和的黄金时刻逆光，温暖的琥珀色调，浅景深，35mm 胶片摄影，富士 Superia 400，轻微去饱和"
如上图所见，普通提示词和详细提示词之间的差距是巨大的。同一个场景，描述越精确，结果越专业。
在 GPT Image 2 上选择正确的模型
不同模型有不同的优势，选对模型能节省时间和积分。
| 模型 | 最适合场景 | 速度 | 细节层次 |
|---|---|---|---|
| Nano Banana 2 | 通用、多功能 | 快 | 高 |
| Nano Banana Pro | 人像、精细细节、写实 | 中 | 非常高 |
| Nano Banana | 快速草稿、概念探索 | 非常快 | 中 |
| Seedream | 艺术风格、插画 | 中 | 高 |
| GPT Image 1.5 | 复杂场景、图中含文字 | 慢 | 非常高 |
| Z-Image | 电影感、戏剧性场景 | 中 | 高 |
| Flux 2 | 抽象、创意实验 | 快 | 高 |
实用原则： 大多数任务从 Nano Banana 2 开始。需要人像质量或精细细节时切换到 Nano Banana Pro。提示词中需要在图像里显示文字时，用 GPT Image 1.5。
6 个常见场景与示例提示词
社交媒体内容
"早晨咖啡的平铺俯拍，陶瓷马克杯配拿铁拉花，打开的日记本，小花瓶里的鲜花，自然窗光，柔和阴影，生活方式摄影，温暖中性色调"
产品效果图
"极简香水瓶放在黑色大理石表面，戏剧性侧光，单一右侧光源，奢侈品化妆品广告，深色神秘背景，4K 商业摄影"
概念艺术
"漂浮在云端上方的未来城市，装饰艺术建筑融合科幻元素，金色尖塔和玻璃塔楼，温暖的日落光线，宽广的全景镜头，数字绘景，超精细"
人像
"40多岁自信女性的棚拍人像，自然表情，大窗户自然光，伦勃朗光线，浅景深，佳能 5D Mark IV，85mm 镜头，专业证件照"
背景/壁纸
"抽象流体艺术，深海蓝绿色与金属金色线条交织旋转，微距摄影，光滑湿润表面纹理，获奖美术摄影"
Logo 和品牌概念
"科技创业公司的极简几何 logo 概念，单色，干净线条，白色背景，矢量艺术风格，专业品牌视觉设计"
宽高比：该用哪个
宽高比对图像的感觉影响不亚于内容本身。
| 比例 | 尺寸 | 最适合 |
|---|---|---|
| 1:1 | 正方形 | Instagram 帖子、头像 |
| 16:9 | 横向 | YouTube 缩略图、博客封面、壁纸 |
| 9:16 | 纵向 | Instagram Stories、TikTok、Pinterest |
| 4:3 | 标准 | 演示文稿、通用网页 |
| 3:2 | 照片标准 | 打印、高质量编辑 |
5 个新手常犯的错误
1. 提示词太短 — "一座山"给 AI 的信息太少。加上光线、风格、氛围和情绪。
2. 相互矛盾的指令 — "暗而明亮"或"精细而极简"会让模型困惑。选择一个方向。
3. 期望第一次就完美 — 调整提示词之前先生成 3-5 个变体。自然的随机性经常带来意外惊喜。
4. 忽视负面提示词 — 大多数平台允许你指定不想要的内容。把"模糊、低质量、多余肢体、变形"加入你的负面提示词作为基础设置。
5. 模型用错了场景 — 用通用模型做人像，或用人像模型做抽象艺术，结果都会平庸。让模型和任务匹配。
在 GPT Image 2 上生成第一张图的步骤
- 进入 GPT Image 2
- 选择 Nano Banana 2 作为起始模型
- 用上面的 5 要素结构写提示词
- 选择宽高比（大多数内容用 16:9，社交媒体用 1:1）
- 点击生成，等待约 15 秒
- 如果结果不满意，每次只调整一个要素——不要整个提示词重写
新用户注册即享免费积分，足够用不同提示词和模型多次实验。
下一步
掌握文生图基础后，下一步是图生图 AI——用参考图引导生成，获得更一致、更可控的结果。
深入的提示词技巧请参阅我们的 AI 图片提示词指南。
