说实话，一开始我对输入文字生成图片这事挺不屑的。脑子里想的是，电脑怎么可能理解我想要的那种感觉？结果真试了几个月之后，发现这东西确实有点意思，但也不是网上吹的那么神。今天就把我踩过的坑、摸索出来的门道，老老实实写出来，希望能让刚接触的朋友少走点弯路。
文字转图到底是怎么一回事
简单说，就是你打一段描述文字，机器根据这段话生成一张图片。听起来很科幻对吧？但实际操作起来，你会发现它更像是一个需要磨合的翻译过程。你脑子里想的是“森林里的一只鹿”，它理解的可能是一张高清壁纸，也可能是一团模糊的绿色，关键就看你怎么描述。
我刚开始的时候，直接打“一只猫坐在窗台上”，出来的图让我哭笑不得——猫的脸是歪的，窗台像是浮在半空中。后来才明白，机器对日常语言的理解其实很机械，它需要更精确的关键词才能把画面稳定下来。
提示词怎么写才管用
这是最核心的部分。我试了几个月，总结了几条比较实用的规律：
1. 主次分明，先写主体再写背景
比如“一只橘猫在木地板上打滚，阳光从窗户照进来，室内温暖光线”，比“温馨房间里的猫”要准确得多。因为机器需要知道什么是最重要的，什么是辅助的。我经常看到有人写“美丽的风景”，结果出来的图什么都有，就是没有重点。
2. 风格词要具体
“写实风格”“卡通风格”“水彩风格”这些大词其实太笼统了。我试过“写实”出来的图像手机拍的一样普通，后来改成“摄影风格，景深效果，8K细节”，质感明显不一样。如果是想要插画感，写成“宫崎骏动画风格，柔和色彩，手绘线条”会更接近。
3. 负面词很重要
这个是我踩坑最惨的地方。一开始不知道还能写不要什么，结果每张图都有莫名其妙的多余手指、扭曲的面部。后来学会在描述里加上“不要多指，不要畸形，不要模糊”，画面干净多了。尤其是画人物的时候，负面提示词基本是必填项。
4. 长短不是关键，关键是精准
我试过写很长的句子，也试过只写几个词。发现长句子如果逻辑混乱，机器反而会抓不住重点。反而是几个精准的关键词组合，比如“赛博朋克城市，霓虹灯，下雨，反射路面”，出来的图往往更有感觉。当然，太短也不行，容易变成随机生成。
参数设置里那些让人头疼的数字
刚开始看到一堆滑块和数字，我头都大了。什么CFG、步数、种子，完全不知道调啥。后来一个个试，慢慢才明白：
CFG（引导权重）：这个控制的是机器跟不跟你的描述。数值太高，图会变得很生硬，像P图过度；数值太低，机器就自由发挥，跟你的描述关系不大。我一般设在7到10之间，人物场景设低一点，风景设高一点。
步数（采样步数）：简单说就是机器画多少笔。步数太少图粗糙，步数太多细节反而会糊。大部分情况下20到30步就够了，再多就是浪费时间。
种子值：这个挺有意思。同一段描述，种子不同出来的图完全不同。如果你出了一张很喜欢的图，记住种子号，下次调一调局部描述还能在这个基础上改，不用从头再来。
说实话，这些参数没有绝对标准，跟你想生成的图片风格有很大关系。我建议新手先固定几个参数不动，只改描述词，等找到感觉了再慢慢调参数。
不同场景下的实用技巧
根据我自己的使用经验，不同目的写法差别挺大：
做头像或者表情包：描述要简单，重点突出表情和动作。比如“一只柴犬惊讶的表情，张大嘴巴，眼睛圆圆的，白色背景”。参数上CFG调低一点，让机器发挥一些，有时候会有意外惊喜。
做配图或者封面：这时候构图和留白很重要。描述里可以加上“居中构图，主体突出，背景虚化”，方便后期加文字。我一般会先生成大图，然后自己裁剪。
做概念设计：比如我想看一个“未来城市的空中花园”，描述就要包含结构细节：“悬浮的建筑，藤蔓植物覆盖，透明通道连接，远处有云层”。参数上步数可以调高到35，让细节更丰富。
还有一个很实用的技巧：如果第一张图不满意，不要急着改描述，先看看哪里不对。是颜色不对？还是构图不对？针对性地改一两个关键词往往比完全重写有效。
素材和参考的重要性
很多人以为文字生图就是凭空想象，其实不是。如果你脑子里对画面没概念，打出来的描述也会很空洞。我现在会先在Pinterest或者花瓣上找一些参考图，看看别人是怎么构图、怎么配色的，然后把看到的关键元素转化成文字。比如我看到一张“黄昏海边的剪影”，就会记下“暖色调，逆光，人物轮廓，海面反光”这些词，下次用的时候直接组合。
另外，中文描述和英文描述差别挺大的。我试过同样一段话，中文写的机器理解得更直白，但有时候太直白反而少了艺术感；英文写的虽然更准确，但需要一定的词汇量。现在我会中英混着写，主体用中文，风格和细节用英文，效果还不错。
常见问题和我怎么解决的
问题一：画出来的人物总是崩
这个太常见了。尤其是手和眼睛，简直是重灾区。我的解决办法是：描述里明确写“双手自然下垂”或者“一只手放在桌面上”，不要留太多想象空间。另外，如果画面里只有一个人，不要写“一群人”，机器会搞混。
问题二：颜色不对
我想要冷色调，结果出来暖色调。后来发现是因为描述里没写清楚。现在我会在开头就定色调，比如“整体冷色调，蓝色和紫色为主”，或者在后面加“色彩倾向，色温偏冷”。
问题三：生成速度太慢
这个跟工具和设置都有关系。如果步数调太高，生成自然慢。另外，图片尺寸越大越慢。我一般先用小尺寸试效果，确认描述没问题了再生成大图。
补充方案
说了这么多理论，最后聊聊我实际在用的工具吧。其实市面上能输入文字生成图片的工具有不少，我试过几个之后，目前用得比较多的是DALL·E。它的优点是上手简单，对中文描述的理解算是不错的，出来的图整体构图比较稳，不太会出现特别离谱的变形。尤其是风景和静物类，效果挺让人满意的。
但它的限制也很明显。第一，对人物的细节处理还是不够稳定，尤其是手指和面部表情，经常需要重新生成好几次才能挑出一张能用的。第二，风格比较固定，如果你想做一些特别夸张或者小众的风格，它可能不太擅长。第三，免费额度有限，用完了就得付费，而且收费不算便宜。
总的来说，如果你只是想玩玩，或者做一些日常配图，DALL·E完全够用。但如果你是专业设计师，或者对画面有特别高的要求，可能还需要搭配其他工具一起用。工具这东西，没有完美的，只有适不适合自己的。
