模型生图基础入门课程，小猪佩奇也能懂的ai新手课！

要理解 AI 生图，不需要先学高等数学。我们先把它看成一个“学过大量图文关系的画面生成器”。

模型学到的不是图片答案，而是图片规律

训练过程中，模型会接触大量图像和文字说明。它逐渐学会：

• “橙色短毛猫”通常有哪些外形特征。
• “雨夜”常见什么光线和颜色。
• “俯视”会改变物体在画面里的形状和位置。
• “水彩插画”和“真实照片”的视觉表现不同。

所以，当我们输入一句新提示词时，核心生成模型会根据这些规律组合出一张新图片，而不是简单从图库里取出一张现成图片。需要注意：部分新产品可以在生成前联网检索或读取参考图，这属于“先找资料，再生成”，不等于直接复制图库图片。

提示词先被模型理解成很多小信息

例如：

一只橙色短毛猫坐在雨夜书店的橱窗里，室内暖光，窗外冷蓝色。

模型需要同时处理：

• 主体：橙色短毛猫。
• 动作：坐着。
• 地点：书店橱窗内。
• 时间和天气：雨夜。
• 光线：室内暖、室外冷。

信息越清楚，模型越容易抓住重点。描述越矛盾，模型越可能自行取舍。

为什么每次生成都不一样

AI 生图通常带有随机性。即使提示词完全相同，猫的姿势、书的位置、窗外街景和光影细节也可能变化。

这不是模型“忘记了”，而是它每次都从许多可能结果中重新选择一条生成路径。

因此，不要只看一张图就判断提示词是否有效。连续生成几张，更容易看出模型是否稳定理解了你的要求。

为什么复杂结构、文字排版和精确数量仍可能出错

“AI 一定画不好手”已经是过时说法。当前前沿模型在单人、手部清楚、姿势简单的画面中，手部可靠性已经明显提高；真正容易出错的是握住物品、手指交叉、强透视、多人接触、遮挡和画面中很小的手。文字与数量也类似：简单标题和少量物体越来越可靠，密集小字、复杂表格、许多相似物品的精确计数仍需要检查。