图像生成

知识库简介

图像生成（image generation）是让模型依据文本、已有图像或遮罩产生新像素的技术。本知识库不把“写一句提示词”当作完整工程：你会先理解任务和生成原理，再把提示、输入权利、质量标准、人工复核、成本与来源信息组织成可审计的工作流。每个输入和输出还要有可追溯的版本、对象级访问控制，以及可执行的撤权/删除传播。课程不要求本地显卡，也不会下载模型或真的生成图片。

在总路线中的位置

它位于“扩展应用与复杂协作”阶段。前面的语言模型与 Agent 能力负责理解需求、调用工具和管理状态；这里负责把视觉任务变成受约束、可验收的生成作业。

学习目标

• 区分文生图、图生图、局部编辑、扩图和变体等任务。
• 用直觉解释自回归与扩散生成，并知道“随机”为什么不等于“不可管理”。
• 把主体、构图、风格、文字、编辑约束和验收标准写成结构化任务。
• 设计供应商无关的 API 边界、质量评审、安全审核与复现记录；区分 source_revision、transform_id 与 release_id。
• 能运行离线审计器，在调用任何模型前发现缺失的权利、风险与验收信息。

前置知识

建议先完成 提示词工程、深度学习 与 JSON。不熟悉矩阵或概率也可以开始；课程会在首次出现时解释“潜变量”“采样”等术语。

推荐学习顺序

1. 任务类型与图像表示：先明确输入、输出与像素表示。
2. 扩散与自回归直觉：建立两类常见生成路线的最小心智模型。
3. 条件控制与提示设计：把自然语言需求改写为可核对约束。
4. 构图风格文字与编辑：处理最常见的视觉控制难点。
5. 工作流与 API 边界：隔离供应商变化并管理异步任务。
6. 质量评测与人工评审：把“好看”拆成可操作的评审维度。
7. 安全、版权与内容凭证：在生成前后保留权利与来源证据。
8. 成本、复现与故障排查：控制尝试次数并记录可重放信息。
9. 项目：图像生成任务审计：完成一份不调用模型的生成计划审计。

动手实践或项目入口

从 离线项目说明 开始，检查 示例任务清单，再运行 任务审计器、基础行为测试 和 合同与 CLI 回归测试。项目只读 JSON，不产生媒体文件。

掌握标准

• 能根据需求选择生成、编辑、局部重绘或扩图，而不是只说“做张图”。
• 能解释提示遵循、视觉质量、文字正确性和权利合规为何需要分别验收。
• 能写出含输入来源、风险、预算、复现和人工复核的任务清单。
• 能说明自动指标的适用边界，并设计盲评或成对比较。
• 能在不暴露密钥、不写死供应商参数的前提下设计生成接口。
• 能在候选评分前执行对象级授权/ACL，并在撤权或删除时让派生输出、缓存和链接按计划失效。
• 能说明内容凭证只提供可验证的来源声明；事实性发布必须做到 evidence_supported，不能由生成图本身单独支撑。
• 离线审计器及其测试可以通过。

与其他知识库的关系

• 多模态 AI 提供跨文本、图像、音频和视频的统一视角。
• 评测体系 解释数据集、评分量表和回归门禁。
• AI 安全 承接滥用、隐私与风险治理。
• 版本、删除与权限 提供 source_revision、访问控制与撤权/删除传播的通用治理语义。
• 视频生成 在图像质量之外增加运动与时序一致性。

主要参考资料

资料核对日期：2026-07-22。供应商接口、模型名、限制与价格会变化，实际接入前必须重新查看官方文档。

• Denoising Diffusion Probabilistic Models（Ho 等，2020，原始论文）
• High-Resolution Image Synthesis with Latent Diffusion Models（Rombach 等，2021/2022，原始论文）
• Zero-Shot Text-to-Image Generation（Ramesh 等，2021，原始论文）
• OpenAI Image generation guide（当前供应商接口示例，不作为永久契约）
• C2PA Content Credentials 2.4（2026 年 4 月版本的内容来源与历史标准）
• NIST AI 600-1：Generative AI Profile（发布于 2024-07-26，页面更新于 2026-04-08）