短短幾年內，文字轉圖像人工智慧已從研究專案演變為專業的創意工具。如今，任何人都能使用自然語言描述圖像，並在數秒內獲得高品質的成果——無需設計軟體、庫存圖片訂閱服務，也無需具備任何技術背景。
本指南涵蓋了初學者所需了解的一切：技術原理、如何撰寫有效的提示語、針對不同任務該選擇哪種模型，以及初學者常犯的錯誤。
什麼是文字轉圖像人工智慧？
文字轉圖像 AI 是一種生成式模型，能將文字描述（稱為提示）轉化為視覺圖像。若您輸入「一隻紅狐坐在暮色中的雪林裡，採用油畫風格」，該模型便會生成一幅符合此描述的圖像。
這項技術背後的原理稱為「擴散模型」（擴散模型）。該模型最初以隨機噪訊為起點，在提示語的引導下逐步精煉，最終生成一幅連貫的圖像。現代擴散模型是透過數億組圖像-文字對進行訓練的，這正是它們能夠理解如此廣泛的描述內容的原因——從超寫實肖像到抽象藝術，再到產品渲染圖，以及其間的所有類型皆涵蓋其中。
文字轉圖像 AI 的實際運作原理
掌握基礎知識將能大幅提升你撰寫提示語的能力。
整個流程分為三個關鍵階段：
1.文字編碼— 您的提示語會由語言模型（類似於 ChatGPT 處理文字的方式）轉換為一種數值表示形式，用以捕捉該文字的語義。
2.潛在擴散— 該模型從壓縮潛在空間中的隨機噪聲開始，並逐步消除噪聲，引導結果趨近於提示詞的意涵。每一步都會使圖像更加清晰。
3.解碼— 經過精煉的潛在表示會被解碼成一張可供下載的全解析度像素圖像。
關鍵洞見：模型並不會像人類那樣「繪製」圖像；相反地，它們是透過統計方法，重建出與訓練期間所學習的模式相符的圖像。這就是為什麼具體且具描述性的提示語，比模糊的提示語效果好得多。
第一個提示：5 個關鍵要素
大多數初學者寫出的提示語往往過於簡短且含糊不清。一份好的提示語通常包含五個關鍵要素：
1. 主題
重點是什麼？請具體說明。
- 弱：一隻狗
- 強：一隻金毛尋回犬幼犬
2. 動作或姿勢
主體正在做什麼？
- 弱：坐著
- 強：側躺，前爪向前伸展，雙眼微闔
3. 場景設定
場景設定在哪裡？
- 弱：室外
- 強：秋日裡一座風化木製門廊上，周圍散落著楓葉
4. 照明
照明對氛圍的影響，幾乎比其他任何元素都更為顯著。
- 弱：(無照明資訊)
- 強：黃金時段的柔和逆光、溫暖的琥珀色調、淺景深
5. 風格或媒介
影像應採用何種風格？
- 弱：寫實
- 強：35mm 底片攝影，富士 Superia 400，略微降低飽和度
完整範例：「一隻金毛尋回犬幼犬在秋日裡側臥於風化木製門廊上，周遭散落著楓葉，背對著柔和的黃金時刻光線，畫面呈現溫暖的琥珀色調與淺景深。使用富士 Superia 400 35 毫米底片拍攝，並略微降低飽和度。」
如上圖所示，一般提示語與詳細提示語之間存在顯著差異。針對相同的場景，描述越精確，產出的結果就越專業。
為 GPT Image 2 選擇合適的模型
不同模型各有其優勢；選擇合適的模型，能為您節省時間並提升分數。
| 模型 | 最適合的情境 | 速度 | 詳細程度 |
|---|---|---|---|
| Nano Banana 2 | 通用、多功能 | 快 | 钧 |
| Nano Banana Pro | 人像、細節、逼真 | 中心 | 非常高 |
| Nano Banana | 快速草稿、概念探索 | 非常快 | 中心 |
| Seedream | 藝術風格、插圖 | 中心 | 钧 |
| GPT Image 1.5 | 複雜場景、圖片文字 | 慢慢地 | 非常高 |
| Z-Image | 電影般的戲劇性場景 | 中心 | 钧 |
| Flux 2 | 抽象、創意實驗 | 快 | 钧 |
**實用原則：**大多數任務都從 Nano Banana 2 開始。若需肖像級畫質或細膩細節，請切換至 Nano Banana Pro。當提示語指定圖像中應出現文字時，請使用 GPT Image 1.5。
6 種常見情境與範例提示語
社群媒體內容
「晨間咖啡的平面擺拍：印有拉花圖案的陶瓷馬克杯、翻開的筆記本、小花瓶裡的新鮮花朵、自然採光、柔和的陰影、生活風格攝影、溫暖的中性色調」
產品渲染圖
「置於黑色大理石檯面上的極簡主義香水瓶，戲劇性的側光效果，右側單一光源，奢華美妝廣告，深邃而神秘的背景，4K商業攝影」
概念藝術
「一座漂浮於雲端的未來都市，裝飾藝術風格的建築與科幻元素交融，金色的尖塔與玻璃摩天大樓，溫暖的夕陽餘暉，遼闊的全景鏡頭，數位合成，超高清畫質」
人像攝影
「一位四十多歲自信女性的攝影棚人像作品，展現自然神態，運用大窗戶透入的自然光線、倫勃朗式打光及淺景深效果，使用 Canon 5D Mark IV 搭配 85mm 鏡頭拍攝，專業證件照」
背景/壁紙
「抽象流體藝術，呈現深海藍綠色與金屬金色的蜿蜒交纏線條；微距攝影捕捉光滑濕潤的表面質感；屢獲殊榮的藝術攝影」
標誌與品牌概念
「為科技新創公司設計的極簡幾何標誌概念：單色調、簡潔線條、白色背景、向量藝術風格、專業的品牌視覺設計」
畫面比例：該選用哪一種？
畫面比例對影像的視覺感受的影響，與內容本身同樣重要。
| 比例 | 尺寸 | 最适合 |
|---|---|---|
| 1:1 | 方形 | Instagram 帖子、頭像 |
| 16:9 | 正交 | YouTube 縮圖、部落格封面、壁紙 |
| 9:16 | 垂直 | Instagram Stories、TikTok、Pinterest |
| 4:3 | 标准 | 簡報、一般網頁 |
| 3:2 | 照片標準 | 印刷、高品質編輯 |
初學者常犯的 5 個錯誤
1.提示太短— 「一座山」提供的資訊對 AI 來說不夠充分。請一併說明光線、風格、氛圍和情調。
2.衝突的指令— 「暗卻明亮」或「細膩卻極簡」可能會讓模型感到困惑。請選擇其中一個方向。
3.第一次就期待完美— 在調整提示語之前，請先生成 3 至 5 種變體。適度的自然隨機性往往能帶來意想不到的驚喜。
4.忽略負面暗示— 大多數平台都允許您指定不希望出現的內容類型。首先，請將「模糊、畫質低劣、多餘的身體部位以及變形」加入您的負面關鍵字中，作為基本設定。
5.建立錯誤的情境模型— 無論您是將通用模型用於人像，還是將人像模型用於抽象藝術，結果都會平平無奇。請確保模型適合該任務。
使用 GPT Image 2 生成第一張圖片的步驟
- 前往 GPT Image 2
- 請選擇Nano Banana 2作為起始模型
- 請根據上述五要素結構撰寫提示語
- 選擇畫面比例（多數內容為 16:9，社群媒體為 1:1）
- 點擊「產生」，並等待約 15 秒
- 若對結果不滿意，請每次只調整一個元素——切勿重寫整個提示語。
新用戶註冊後即可獲得免費點數，數量足以讓您使用不同的提示詞和模型進行多次實驗。
下一步
一旦掌握了文字轉圖像生成的基礎，下一步便是「參考圖像生成（Tupelo AI）」——透過參考圖像來引導生成過程，從而獲得更一致且可控的結果。
如需深入了解寫作提示的相關技巧，請造訪我們的「AI 圖片提示字指南」。
