AI 图像术语表
AI 图像生成器默认你已经懂的词汇
下面每个术语都真实出现在某个界面或某条 prompt 里。我们先用一句话给出定义——需要读两遍的定义就是失败的定义。
大多数 AI 图像生成的困难来自词汇而非技巧。seed、denoise 强度、guidance scale 与 inpainting 各自对应一种明确行为，一旦词义清楚，控件的作用就一目了然。这些是值得掌握的术语，按你遇见它们的顺序排列。
生成原理
- 扩散
- 当下多数图像模型背后的技术：训练时往真实图像中加噪声并学习逆向去噪，推理时则从纯噪声反向生成。
- 文生图
- 仅凭文字描述生成全新图片，不需要源图。若想要的是照片效果，英文也叫 text to photo。
- 图生图
- 基于现有图像加上一条 prompt 生成新图，用 denoise strength（去噪强度）控制源图保留多少。
- Checkpoint
- 一次保存的模型权重集。相同架构的不同 checkpoint，在相同 prompt 下会产出肉眼可见不同的结果。
控制与参数
- Seed
- 决定生成从何种起始噪声出发的数字。相同的 seed 搭配相同的 prompt 和模型，会复现同一张图。
- 重绘强度
- 在 image-to-image 中，决定重生成前要丢弃多少源图信息。数值低更保留原图；数值高则把它当成松散参考。
- 引导尺度（CFG）
- 在每一步里把模型往你的 prompt 方向“推”的力度。太低会走神；太高会生硬、过饱和。
- LoRA
- 一个体积很小的训练附加件，用来在不重训整个模型的情况下，教会基础模型某种特定风格、角色或对象。
- 负面 prompt
- 一个单独的输入字段，用来描述需要避免的内容。并非所有接口都支持；不支持时，你写的内容一律被当作正向指令。
- Sampler
- 控制去噪过程步进的算法。不同 sampler 的收敛速度不同，即便 seed 相同，输出也会略有差异。
编辑操作
- Inpainting
- 在图像内对蒙版区域进行重生成，同时保持蒙版外的像素不变。是移除对象与定向编辑的基础。
- Outpainting
- 在原始画面边缘之外生成全新的图像内容，用来把照片扩展到更宽的长宽比，而不必裁剪。
文件与输出
- 长宽比
- 图像宽与高的比例关系，如 1:1、4:5 或 16:9。应在生成前确定，因为模型会按画框来构图。
- 超分辨率放大
- 把图像放大到超过原始像素尺寸。AI 放大会重建合理细节，而不仅仅是对现有像素做插值。
- Alpha 通道
- 图像里的透明度层。PNG 与 WebP 支持透明通道；JPEG 不支持，所以透明抠图若存成 JPEG 会出现不透明底色。
- EXIF
- 嵌入在照片里的元数据，记录相机、镜头、曝光、拍摄日期，且常含 GPS 坐标。文件一经重新编码通常会被清除。
术语表的使用方式
- 术语
- 只收你在真实界面会遇到的
- 定义
- 总是先来一句话定义
- 独立页面
- 仅当一段话不够用时
- 结构
- DefinedTermSet，并链接其成员条目
- 更新
- 随模型行为变化而更新
- 费用
- 免费，无需账号
实操
AI 图像的大部分难点在词汇
Seed、denoise strength、guidance scale 和 inpainting 各自只指一种行为。一旦你明白词义，它对应的控制就显而易见——在此之前，界面只是“一墙滑块”。
因此这里先给定义，再讲原理。需要读两遍的定义，等于没完成它唯一的任务。
三种入口
从哪里开始
图像如何诞生
Diffusion、text to image、image to image 和 checkpoints。解释为什么同一个 prompt 会出不同结果的机制。
- 先从 diffusion 与 seed 入手。
- text to image 与 image to image 是不同模式。
- checkpoints 对输出的影响往往大于 prompt。
参数与操控
Seed、denoise strength、guidance scale、采样器（samplers）、LoRA 与反向 prompt（negative prompt）。大多数实用技巧都在这里。
- 比较任何东西前先固定 seed。
- denoise strength 决定以图生图的“保留度”。
- 并非每个端点都支持 negative prompt。
编辑与输出
Inpainting、outpainting、upscaling、纵横比（aspect ratio）、alpha 通道与 EXIF。得到可留样的结果之后接下来要做的。
- inpainting 会保留遮罩外的一切。
- 生成前先定好纵横比。
- JPEG 不能保存透明。
细节
术语表常见问题
最常被问到的词汇问题。
为什么同一个 prompt 会生成不同图
因为 seed 没固定。生成从随机噪声起步，起点对结果的影响往往大于多数 prompt 的改写。
denoise strength 的作用
决定在以图生图中，源图有多少能被保留。它是该模式里最重要的单一控制项。
inpainting 与 outpainting 的区别
inpainting 在画面内部重生成；outpainting 在边缘之外生成。操作相同，区域不同。
seed 能否跨模型通用
不能。seed 只是索引某个模型的噪声空间，同一个数字在别处会得到完全无关的东西。
为何应先选纵横比
模型会按给定画幅去构图，事后裁切会丢掉它有意安排的结构。
继续探索
LaFoto 的其他功能
这里每个术语，都对应其中某个功能。
依据文字描述生成主力生成器——从文本到成片。打开Prompt 图库120 幅作品与其精确 prompt。打开从一张照片开始从你已有的图片出发。打开局部编辑照片只改局部，其他保持不变。打开放大图片放大到 4K 而不糊。打开增强照片曝光、噪点与老照片修复。打开蒙版选区移除物体带遮罩的删除并重建背景。打开背景虚化基于深度感知，而非统一滤镜。打开照片上色为黑白照片生成可信颜色。打开AI 标志生成器16 像素仍然清晰可辨的标记。打开设计纹身经得起真正上身的设计。打开生成插画插画与绘画，不是摄影。打开生成证件照不进影棚也能出棚拍级人像。打开护照照片要求精确规格与达标方法。打开室内效果图重塑你能拍到的房间。打开术语解读Seed、denoise、inpainting 等释义。打开
Vocabulary
AI 图像术语常见问题
- AI 图像生成里的 seed 是什么？
- seed 是固定起始随机噪声的数字。同一 seed、prompt 和模型会复现同一张图，所以只有固定 seed，才能测试“一字之改”到底改变了什么。
- denoise 强度控制什么？
- 控制图生图时你的源图能保留多少。在 0.2 时照片几乎原封不动；到 0.5 构图仍在，但内容会被重新协商；到 0.85 源图几乎只剩“情绪板”的作用。
- inpainting 和 outpainting 有什么区别？
- inpainting 在现有画面内、对你擦出的遮罩区域重生成；outpainting 则在原始边界之外生成新内容。是同一操作，作用在不同区域——一个修补，一个扩展。
- 什么是 guidance scale？
- 在每一步去噪中，模型被推向你 prompt 的力度。太低会偏离你的描述；太高会过度矫正，画面变得僵硬且过饱和。
- 什么是 LoRA？
- 一种体量很小的训练增量包，让基座模型学会某个特定风格、角色或物体，而无需重训整模。开源模型用户常用它来在多张图里保持角色的一致性。
- 为什么长宽比要在生成前就选好？
- 模型会按给定画框来构图：16:9 以横向安排场景，4:5 以纵向安排。事后再裁，会丢掉它有意为之的构图。
- 什么是 Alpha 通道？
- 图像文件里的透明度图层。PNG 与 WebP 支持 Alpha 通道；JPEG 不支持，所以把抠图主体存成 JPEG 时会落上一块纯白背景。
- 同一个 seed 能在不同模型里复现吗？
- 不能。seed 只在某个具体模型的噪声空间里有意义；换个模型——甚至换同一模型的另一个版本——同一个数字往往会得到不相干的结果。记录 seed 时把模型也一并记下。