AI 生图是什么：一张能力地图

这是 AI 生图专题的开篇。先不碰任何参数，只建立一张「能力地图」——搞清 AI 生图到底有哪些能力、它们之间的关系，以及我工作中实际用到的是哪些。

一句话心智模型

AI 生图 = 用文字（或其他图）告诉模型「画什么」，模型从训练过的数据分布里，采样出一张满足描述的新图。

关键词是「采样」：它不是在数据库里查图，而是每次都在画一张从未存在过的新图。

能力光谱（从简单到复杂）

能力	一句话解释	我的真实场景
文生图	只给文字提示词，从零画一张	海报概念、角色设计
图生图	给一张草稿/底图 + 提示词，改造成新图	抖音封面（草稿图 → 封面）
多图参考	给多张参考图，融合其特征	车膜改色（实车图 + 色卡图）
局部重绘	只改图中指定区域	产品图换背景
图生视频	让静态图动起来	科普动画

⚠️ 关键认知：我现在天天用的其实是「图生图」和「多图参考」，不是文生图。 封面必须基于草稿、改色必须基于实车图——这决定了学习的重点要放在「图 + 提示词」的组合控制上，而不是纯靠文字憋图。

底层原理预告：Diffusion 是什么

先埋一个概念，后面单独展开：现在的生图模型大多是 Diffusion（扩散）模型。

它的工作方式可以想象成：

1. 训练时：把大量真实图片一步步加噪声，直到变成纯噪声，让模型学会「怎么把噪声还原成图」
2. 生成时：从一个纯噪声出发，让模型一步步「去噪」，每步根据提示词修正方向，最终得到一张清晰的图

所以生图模型的本质是一个极度擅长「去噪」的网络，提示词是它去噪时的方向指引。

配套阅读练习 ⭐

1. 打开你的 Hermes 生图链路（~/hermes-scripts/gen.py 或封面 SKILL），看看每个调用走的是哪个能力：image_generate（文生图）还是 image_edit / image_multi_reference（图生图/多参考）？
2. 思考：为什么抖音封面的执行电路强制要求先有草稿图？（提示：和「可控性」有关，下一章展开）
3. 给自己现在的工作列一张表：哪些场景用的是文生图、哪些是图生图？你会发现 80% 都在「图 + 文」。

一句话总结

AI 生图的能力光谱里，我真正值钱的是「图生图」——而所有能力的底层，都是 Diffusion 的去噪网络。 下一篇就讲 Diffusion 到底怎么把噪声变成画。