說真的，每次看到有人把「文生圖」和「圖生圖」混為一談，我都覺得有點可惜，因為這兩者雖然只差一個字，背後的工作邏輯和創作體驗其實差得非常多。特別是在實際操作 QwenImage 這類工具的時候，你會很清楚地感受到，這兩種模式根本不是「誰比較厲害」的問題，而是你當下想解決什麼問題、手上有什麼素材來決定的。
文生圖的本質：從零開始的視覺翻譯
文生圖，顧名思義就是「用文字生成圖片」。你把一段描述丟進去，模型從頭到尾自己建構畫面。這聽起來很直覺，但其實門檻不低。因為你腦中想像的畫面，和模型實際吐出來的結果，中間隔著一層「提示詞的詮釋」。很多人第一次玩文生圖都被嚇到——明明寫的是「一隻在夕陽下奔跑的柴犬」，出來的卻是一團橘黃色的不明生物。
這其實反映了文生圖的核心特性：創造力強，但可控性相對弱。你是在跟一個「想像力豐富但不太聽話的夥伴」合作。想要得到好結果，通常需要不斷調整描述方式、加入風格關鍵字、甚至嘗試不同的提示詞結構。像 QwenImage 這類工具之所以會內建「自動提示詞」功能，就是因為它知道大多數人其實不太會寫那種「模型聽得懂」的描述。根據一些社群的實測回饋，使用自動提示詞擴寫後，生成圖片的成功率平均可以提升三到五成，特別是對於複雜場景或特定風格的要求，改善相當明顯。
圖生圖的邏輯：在既有框架裡做變換
圖生圖就完全不一樣了。它需要你先提供一張圖片，然後再讓 AI 根據這張圖去「改造」。這改造的幅度可以很大，大到換背景、換風格、換光影，也可以很小，小到只是微調某個細節。有些地方把圖生圖叫「洗圖」，這個詞其實很傳神——你要保留原圖的骨架，但把皮肉重新洗過一遍。
這背後牽涉到一個技術參數叫做「重繪幅度」或類似的控制項。它決定了 AI 可以有多大的自由度去偏離原圖。數值調低，AI 就乖乖照著原圖的構圖和輪廓走，只改色調或細節；數值調高，AI 就開始放飛自我，原圖只剩下一個模糊的參考作用。我自己在測試的時候有個很深的印象：同樣一張室內設計的線稿圖，重繪幅度設在 0.3 左右，出來的渲染圖跟原圖結構幾乎一致；但拉到 0.7 以上，窗戶位置、家具擺設都可能跑掉。所以圖生圖的關鍵，是在「保留」和「改變」之間找到那個平衡點。
兩者的適用場景其實分得很開
如果要用一句話來總結：文生圖是「無中生有」，圖生圖是「有中生變」。你今天沒有任何素材，只是腦中有個模糊的想法，那文生圖是唯一選擇。但如果你手上已經有一張構圖不錯、但細節不滿意的照片或草稿，硬要用文生圖去「描述」那張圖，然後期待 AI 還原出來，那根本是在折磨自己。直接丟進圖生圖，讓它以圖為基礎去處理，效率高太多了。
以 QwenImage 的例子來說，它把介面分成「文生圖」「圖生圖（洗圖）」「單圖編輯」「多圖編輯」這幾個區塊，其實就是在暗示使用者：不同的任務，請走不同的入口。我印象很深的是，它的多圖編輯功能可以一次上傳好幾張風格類似的圖片，讓 AI 學習後再生成新的融合結果。這嚴格說起來也算是圖生圖的一種延伸應用，只是參考的素材從一張變成多張，AI 能抓取的共通元素就更豐富了。
實務上最常被忽略的細節
還有一件事值得提：很多人以為圖生圖只是「把圖片丟進去，打幾個字」就結束了。但實際上，提示詞在圖生圖裡依然很重要。如果你只上傳圖片卻完全不輸入文字，AI 就只能靠猜的。比較好的做法是，在圖生圖模式下輸入「你想要它變成什麼」，而不是「描述這張圖是什麼」。這個差異很微妙，但影響很大。比如你上傳一張白天的街道照片，圖生圖的提示詞寫「夜晚的街道，霓虹燈亮起，潮濕的柏油路反射光線」，AI 就比較容易理解你要的是「轉換時段和氛圍」，而不是重複描述原有的街道。
總之，與其去爭論哪個模式比較強，不如先搞清楚自己手上的素材狀態和想要達成的目標。文生圖考驗的是你的文字表達和想像力，圖生圖考驗的是你對「保留什麼、改變什麼」的判斷力。兩者熟練之後，甚至有機會交替使用，例如先用文生圖快速產出幾張草稿，再把其中最接近理想的那張丟進圖生圖做精修。這種混合工作流，在實際創作中往往比單一模式更有效率。
評論（12）
之前都以為只差一個字，看完知道要分場景用
自動提示詞真的救命，每次自己想都卡住
重繪幅度這個點太實用，我之前一直不敢亂調
圖生圖不寫字真的會變成開盲盒
有草稿的時候直接丟進去改比較快
想問QwenImage的重繪幅度一般從多少開始試
多圖編輯可以混風格？這個有點想試
之前寫柴犬結果出來像不明生物，太真實了
兩種交替用感覺會省很多時間
保留什麼、改變什麼這個判斷真的比較難
介面分區塊對新手比較友善，不用猜功能
想看看線稿轉渲染的前後對比