多媒体与 3D · 入门
文生图(Text-to-Image)
用一段文字描述直接换出一张图。说清画面内容、风格和氛围,出来的结果就更接近你想要的样子。
TL;DR三十秒版本
- 写一段文字描述,直接换出一张对应的图。
- 说清画面、风格和氛围,出来的结果才更接近你要的。
- 同一段描述多跑几次结果会不一样,不稳定是它的常态。
Overview详细说说
文生图是图像生成最主要的形式:你写一段描述,AI 输出一张对应的图。描述里说清画面内容、风格和氛围,结果就更接近你想要的样子。它不依赖任何现成的素材,画面是一张一张算出来的。同一段描述多跑几次,结果也会各有不同,这既是它的趣味,也是它不够稳定的地方。
它的价值在于把要一张图的门槛拉得很低。以前要一张图,要么自己会画,要么会拍照,要么花钱买素材;现在只要能把想要的东西说清楚。相当于把美工这件事,翻译成了普通人也会说的语言。
真正拉开差距的是描述。同样一句“一只猫”,结果可能五花八门;补上品种、姿态、光线、镜头和画风,画面才会稳定下来。反过来,描述里出现互相矛盾的要求,画面也容易变得混乱。这也是为什么有人把写好描述单独当成一门手艺来练。
它常和另一件事搞混:图生图。文生图从零开始,输入只有文字;图生图是拿一张已有的图去改,输入是图加描述。理解了输入上的区别,就能按手上有什么来选方法,而不是死记两个名词。两者经常配合使用,先用文生图出草稿,再用图生图微调细节。
需要注意的是,出图快不等于出图准。人物手指、文字招牌、复杂的空间关系上,它仍可能出错。当作草稿和灵感来源没有问题,要用在正式场合,检查这一环省不掉。
Myths常见误解
- ✕以为它和图生图是两回事 ✓文生图是它最主要的一种,图生图只是输入里多了张图
- ✕以为写几个字就能出想要的效果 ✓只说“一只猫”结果会很飘,补上姿态光线画风才稳
- ✕以为出图快就等于出图准 ✓手指、招牌文字、复杂空间关系上它仍可能出错
In practice你会在哪用到它
- 做封面时先写一段描述试几张,挑一张风格对味的
- 把描述补上光线和镜头感,重跑一遍看画面稳不稳定
- 先用它出个草稿,再拿这张图去改细节点缀
Summary记住这几点就够了
- 文生图是写一段描述就得到一张新图
- 它把要一张图的门槛降到会描述就行
- 它和图生图不同,一个从零画,一个拿现成的图去改
常见问题
文生图(Text-to-Image)是什么意思?
写一段文字描述,直接换出一张对应的图。说清画面、风格和氛围,出来的结果才更接近你要的。同一段描述多跑几次结果会不一样,不稳定是它的常态。
文生图(Text-to-Image)一般用在什么地方?
做封面时先写一段描述试几张,挑一张风格对味的;把描述补上光线和镜头感,重跑一遍看画面稳不稳定;先用它出个草稿,再拿这张图去改细节点缀。
关于文生图(Text-to-Image),最容易搞错的是什么?
以为它和图生图是两回事,其实文生图是它最主要的一种,图生图只是输入里多了张图;以为写几个字就能出想要的效果,其实只说“一只猫”结果会很飘,补上姿态光线画风才稳。
文生图(Text-to-Image)要记住哪几点?
文生图是写一段描述就得到一张新图;它把要一张图的门槛降到会描述就行;它和图生图不同,一个从零画,一个拿现成的图去改。
容易踩的坑 描述越具体画面越稳,只写几个字容易得到五花八门的结果,正式使用前记得检查细节。
Also written as你可能还会看到这些写法
这些都是同一个概念,在技能介绍里指代的是同一件事 —— 不必因为写法不同而以为是两个东西。
全站第 137 / 186 条 · 全部词条
接着读Related reading
字幕(Subtitle)
视频里叠在画面上、跟着说话内容出现的文字,把听到的话变成能一眼扫过的字。听不清、静音刷手机或看外语视频时都靠它。
分镜(Storyboard)
视频开拍前,把脚本拆成一个个镜头、每个镜头配一张画面草稿的规划动作。它定的是每个镜头拍什么、大概几秒,不是成片效果。
3D 建模(Modeling)
在电脑的三维空间里,把一个物体的立体形状一点点搭出来。有了形状,才能接着做表面材质、打光、渲染和动画。
Three.js(网页 3D 库)
一套让网页直接显示三维画面的 JavaScript 工具库。你不用碰浏览器最底层的图形指令,几行代码就能在网页里放出一个能旋转、会打光的立体场景。
Blender(3D 软件)
一款免费开源的 3D 创作软件,建模、上色、打光、渲染、动画都能在同一个程序里完成。个人和小团队不用花大钱,也能走完整套 3D 流程。
剪映(视频剪辑软件)
国内最常见的视频剪辑软件,手机和电脑都能用,海外版叫 CapCut。拖素材、切时间轴、加字幕、套模板,新手几分钟也能剪出一条能发的视频。