博客 · 生图教程 · 2026-11-08

← 返回博客

文生图还是图生图?同一个需求两条路线实测,什么时候必须垫图

同一个「戴红围巾的柯基在雪地里」,从一句话开始和从一张参考图开始,结果完全是两回事。我用 15 组需求跑了两条路线和四档重绘强度,给出一条什么时候必须垫图的判断线。

概念示意图:左侧文字输入框图标、右侧参考照片图标,两条箭头汇向中间同一张成品图
同一个终点,两条起点:左边从文字出发,右边从一张已有的图出发

先说结论:有「必须保留的东西」就垫图

判断只需要一句话:如果结果里有任何一处你不能接受被重新发明——同一个人的脸、同一件产品的形状、同一个构图、同一种配色——就用图生图;如果连画面长什么样都还没定,只想看看有什么可能,用文生图。

我把 15 组需求分别跑两条路线,再对图生图跑 0.2 / 0.5 / 0.8 三档重绘强度。结论不是「图生图更可控」这么笼统,而是:控制力来自「你给定了多少」,强度决定「还允许模型改多少」。

实测说明:15 组需求、两条路线、四档强度

为了让差别看得见,每组需求都写成同一段提示词,唯一变量是「有没有垫图」和「强度多少」,全部只取第一次输出。

  • 需求分三类:无参考的自由创作(5 组)、有明确主体要保留(5 组)、有明确构图或风格要复刻(5 组)
  • 路线 A 纯文生图;路线 B 上传参考图 + 同一段提示词,强度分别 0.2 / 0.5 / 0.8
  • 评判维度:主体一致性 / 构图还原度 / 提示词遵循度 / 出图自由度

文生图:自由度最高,也最容易跑偏

文生图的优势是「没有包袱」。你写「一只戴红围巾的柯基坐在雪地里,清晨柔光」,模型会在它见过的所有柯基里挑一种画法,常常给你意料之外的好构图。做灵感探索、找风格方向、生成从零开始的插画,这条路线最快。

代价是它每次都在重新发明细节。同一段提示词跑五次,狗的脸、围巾的织法、雪地的角度都不一样。想系统把第一张图写稳,看文生图入门和提示词结构那两篇。

  • 它的好:不受任何参考限制,风格与构图自由度最高,适合发散
  • 它的边界:无法保留指定主体,多张图之间的一致性基本靠运气

图生图:把「不能改的部分」先钉住

图生图先读你的参考图,再按提示词改写。它能把 pose、构图、色块关系留下来,只换风格或局部内容——这就是做同款、做系列图、把实拍转插画时非垫图不可的原因。

三格对比里,最左边是纯文生图给出的基准形象;中间低强度垫图几乎不动坐姿和围巾位置;右边高强度开始重新演绎毛发和细节,再往上就接近「重新画一张」。上传参考图之前,建议先看图生图怎么用把入口和参数过一遍。

  • 它的好:主体、构图、配色可以指定,多张图容易成套
  • 它的边界:参考图里的毛病也会一起被继承;自由度低于文生图
同一只戴红围巾的柯基在雪地里的文生图、低强度图生图、高强度图生图三格对比
同为戴红围巾的柯基:左为文生图基准,中低强度几乎不动姿态,右高强度下毛发与细节被重新演绎

强度怎么选:0.2 / 0.5 / 0.8 分别对应什么

强度是这条路线上唯一真正要调的旋钮。我的经验值:0.2–0.35 只改质感和细节(去噪、提清晰、轻微风格化);0.45–0.6 换风格但保构图;0.7 以上基本等于「拿参考图当草稿重新画」。

同一张山湖照片的三档结果很直观:低档几乎没变,中档变成水彩,高档已经是另一片奇幻大陆。更细的档位测试和边界写在图生图强度里。

  • 想保留本人五官、产品形状 → 0.2–0.35,别再高
  • 想把照片变成某种画风、但构图不动 → 0.45–0.6
  • 只想要原图的氛围和大致色块 → 0.7 以上,此时和文生图的差别已经很小
同一张山湖参考照片在低、中、高三档重绘强度下的变化阶梯
同一张参考图:低档几乎原样、中档水彩化、高档被重画成奇幻场景

场景决策表:什么时候必须垫图

把 15 组跑完后的判断整理成表,照着选基本不会错:

  • 给同一张自拍换风格、做头像 → 必须垫图,低强度,参考图生图入门
  • 做系列插画、成套表情包、统一风格的多张图 → 必须垫图,并固定强度与提示词
  • 商品图换背景但商品不能变 → 必须垫图,低强度 + 蒙版更安全
  • 只想找灵感、试风格、生成全新画面 → 纯文生图,别急着找参考图
  • 参考图和提示词打架(图是白天、词写夜景)→ 先改一边,别指望模型替你调和
扁平矢量决策流程图,从文字气泡和图片图标分出两条路径
判断线只有一条:结果里有没有「不能被重新发明」的东西

三个最容易踩的坑

15 组里翻车最多的三处,全和「输入」有关,跟模型关系不大:

  • 坑一:参考图本身质量差。糊图、逆光、构图歪,垫进去之后这些毛病全被忠实保留。先换一张干净的参考图。
  • 坑二:提示词和参考图互相矛盾。图上明明是白天,词里写「夜景霓虹」,模型只会两头讨好,出来一张不伦不类的图。
  • 坑三:拿上一次图生图的结果继续垫图,连叠四五轮。细节会一轮比一轮糊、颜色一轮比一轮飘,回到原始参考图重跑更干净。

常见问题

两条路线都要付费吗? 不需要,站内的文生图与图生图都免费在线使用,无需注册,下载无水印。

上传的参考图会被保存吗? 图片仅用于当次生成,生成历史只存在你自己的浏览器本地,不会存档到服务器。

垫了图但出来还是不像,怎么办? 先把强度降到 0.3 以下,再检查提示词有没有和参考图冲突;九成问题出在这两处。

能既用文字又用参考图吗? 能,这正是图生图:参考图负责「保留什么」,提示词负责「改成什么」,两者分工别写重了。

想让多张图保持同一个人怎么办? 固定同一张参考图、同一强度、同一段角色描述,具体做法见角色一致性。

相关工具

把这篇文章里的方法直接用起来,以下工具都免费、无需注册、下载无水印。

相关文章

桌上并排四张同一山景的照片,分别裁成正方、竖幅、横幅与宽幅全景

画幅比例怎么选:从社媒尺寸到电影宽幅的选择指南

比例不是生成完再裁的事。不同比例的构图逻辑不同,选对比例能省掉大量重跑。

桌上并排放着两张完全相同的打印照片,画面一致,柔光俯拍

随机种子与可复现性:为什么你的图无法重来

出过一张神图却再也回不去?理解种子的工作原理,能让你的好结果不再靠运气。

一张放在木桌上的 1960 年代泛黄黑白家庭老照片,边缘有折痕和细划痕

老照片修复、上色、放大该先做哪一步?20 张实测的顺序指南

同一张破损老照片,换个处理顺序结果能差出一个档次。我拿 20 张家里翻出来的旧照把修复、上色、放大的六种顺序跑了一遍,讲清正确流程、错序为什么会把划痕当细节放大,以及扫描和手机翻拍差多少。

一只手工陶瓷马克杯放在杂乱木桌上的普通实拍照片,周围有笔记本和数据线

电商产品图三种做法横评:白底抠图、AI 换场景、文生图重绘,哪种更省事

同一只陶瓷杯,三条路线做出来的图能直接上架的只有两条。我把白底抠图、AI 换场景、纯生成重绘放在同一批商品上跑了一遍,讲清各自成本、什么时候会和实物不符,以及玻璃与毛织品的翻车点。

一张西方年轻女性的清晰写实照片,作为转换成卡通和插画风格的原始素材

把照片变成艺术:3D 卡通、贴纸大头贴、插画,该用哪个 AI 工具?

同一张脸喂给三个 AI 工具,出来的是三种完全不同的作品。实测对比照片转 3D 卡通、童年大头贴、手绘插画:各自适合什么场景、缩成头像谁更清楚、怎么选不踩坑,一篇说清。

同一张自拍照分别生成 3D 卡通头像、Q 版卡通头像和贴纸大头贴的三联对比图

怎样用 AI 做头像:3D 卡通、Q 版、贴纸三种做法对比实测

同一张自拍我分别跑了一遍 3D 卡通、Q 版卡通和贴纸大头贴:相似度、适用场景、翻车点都不一样。附三种做法的选择建议和踩坑记录。