进阶 · 持续更新
文生图模型原理
一句话描述 → AI 画出图像，背后到底发生了什么
Stable Diffusion / Midjourney / Flux 这类模型，是怎么从一段文字"凭空画出"图像的？这本书一步步讲清楚。
本书正在分章写作。第 1 章已就绪，后续按"由浅入深"的顺序逐步发布。
章节目录
模块 01· 试学开始学习 →
文生图是什么
从 2014 年 GAN 到 2026 年 Flux —— 一张演化路线图带你看清整条赛道。
模块 02🔒 登录解锁
扩散模型的核心：加噪与去噪
把一张猫图加噪到完全是雪花，再让模型一步步"去雪花" —— 就这么简单。
模块 03🔒 登录解锁
文字怎么"指挥"图像
CLIP + cross-attention —— 让"戴墨镜的柯基"这串字能真的影响每一步去噪。
模块 04🔒 登录解锁
Stable Diffusion 怎么省钱
不在像素上扩散，先压缩到 latent 再扩散 —— 显存降到 1/64 的关键创新。
模块 05🔒 登录解锁
采样：步数 / 调度器 / CFG
为什么 20 步够了？CFG 拉高画面会"过曝"？这些参数到底在调什么。
模块 06🔒 登录解锁
精细控制：ControlNet / LoRA / IP-Adapter
让 AI 按你的草图画、画你的脸、复制某种画风 —— 三种"插件"的原理与组合用法。
模块 07🔒 登录解锁
从图像到视频和 3D
Sora / 可灵 / 3D Gaussian Splatting —— 扩散思路怎么延伸到时空。
模块 08🔒 登录解锁
实战：本地跑 + 调出好图
装 ComfyUI、跑第一张图、改参数、用 ControlNet —— 一条完整工作流。