擴散模型（Diffusion Model）是什麼：從雜訊逐步生成影像

看見生圖工具把一團顆粒慢慢變成完整畫面，很容易以為它正在找出藏在雜訊底下的原始照片。擴散模型的重點其實是學會資料中的規律，再從隨機起點逐步建立新的內容。那張圖不必曾經存在，畫面越清楚，也不代表它越接近某個真實事件。

Diffusion Model 是一類生成模型方法，影像是常見用途，也能延伸至其他資料。這裡採用去噪擴散模型的入門說明：訓練時讓模型接觸不同程度的雜訊，生成時利用學到的關係反覆更新。本例是一張植物展覽海報的構圖草案，屬於教學示意，沒有宣稱實際測得哪組設定最好。

先學去噪，再學會從隨機起點往前走

在典型的影像訓練流程裡，系統從訓練圖片製作帶有不同程度雜訊的版本，要求模型學習與去噪有關的預測，並用誤差更新參數。清楚與模糊的圖片都會出現，目的在於讓模型面對各種中間狀態，而不是只會處理接近完成的圖。

生成階段不需要拿同一張訓練圖片來還原。系統可以從隨機雜訊開始，讓模型做預測，再由取樣程序更新狀態，重複到形成輸出。把它想成逐步調整構圖，比想成把照片上的灰塵擦掉更準確：畫中花盆的位置與形狀，是生成過程形成的。

訓練與生成因此要分開看。使用者按下產生圖片，通常是在使用已訓練好的模型，不表示模型當場重新學習整個世界。修改提示詞改變這一次的生成條件，也不等於替模型完成了一次新的訓練。

海報案例：把條件放進去噪流程

假設展覽需要一張留有標題空間的植物插畫，輸入可以寫成「米色背景、右下方一盆蕨類、左上留白、平面插畫」。支援文字條件的系統會把文字轉成模型可使用的表示，在生成過程中提供方向。這與完全不給文字、只依模型學到的資料分佈生成不同。

示意流程是先確認畫面比例與使用目的，再給條件、產生候選圖，最後逐項檢查。期待的結果是右下有植物且左上能放字；如果植物很漂亮卻填滿畫面，失敗點在空間配置。不能只因為畫面清晰，就判定要求全部完成。

下一次可以把「左上沒有物件」寫得更明確，或使用工具支援的構圖控制，再比較結果。若反覆修改文字仍無法得到精確版位，改由排版工具把植物與標題分層處理可能更直接。生成模型提供候選素材，不需要承擔每一項版面控制工作。

步數、種子與引導是不同的旋鈕

取樣步數描述生成時更新的次數，但各種取樣方法的每一步不一定可直接相比。增加步數通常會增加運算工作，也不保證某張圖持續變好；設定是否適合，要配合模型、取樣器與實際用途判斷，不能把數字大當作品質高的同義詞。

隨機種子用來設定隨機程序的起點。在相同模型與相關設定下，固定種子有助於比較改動的影響；不同軟體版本、硬體或其他計算設定，仍可能讓結果不同。因此記下種子很有用，但僅憑一個種子值無法完整交代生成條件。

文字引導則涉及輸出受到條件影響的方式與程度。不同實作提供的旋鈕並不相同，不存在所有模型通用的最佳值。對海報而言，最有效的比較是一次改動一類條件，查看留白與植物形狀各自怎麼變，避免把多項修改混在一起卻無法解釋改善原因。

潛在空間不是另一個圖片資料庫

有些擴散系統直接處理影像表示，有些先用編碼器把影像壓縮到潛在表示，在較緊湊的空間做生成，再解碼成可看的圖片。Latent Diffusion 原始研究說明瞭後者的設計，用意包含降低直接在高解析度像素上運算的負擔。

這裡的「潛在」不是隱藏著一張張完整圖片的搜尋目錄，而是模型學得的表示空間。生成中的中間狀態未必能直接當成普通照片觀看；畫面預覽可能還需要解碼。不能只憑介面上的模糊預覽，就推論內部每一步都在操作相同的可視圖層。

也因此，擴散模型和文字生圖不是同一層次的名稱。前者描述生成方法家族，後者描述文字輸入到影像輸出的任務。擴散模型可以接受其他條件，文字生圖也不必永遠使用完全相同的擴散架構；先看輸入輸出，再看方法，較不會混淆。

看起來合理，仍要逐項檢查

模型學到的是資料中的規律，未必符合植物學、幾何或排版規則。海報裡的葉片可以很自然，卻出現不合理的連接；如果要表達真實品種，仍需用可靠參考資料檢查。要求它重生成幾次，也不能取代對內容本身的確認。

實務驗收可以先看主體、位置、背景與留白，再放大檢查邊緣、重複紋理和不該出現的文字。若只需抽象裝飾，某些細節不重要；若要做教材，物種特徵就成為必要條件。把用途寫清楚，才能知道哪一種失敗值得重新生成。

最後保留使用的模型、提示詞、相關設定與人工修改紀錄，讓下一次調整有依據。擴散的逐步生成提供了創作彈性，卻不附帶真實性保證；對使用者最有用的理解，是知道哪些條件可以施加、哪些結果需要挑選，以及哪一部分應交回可精確控制的工具。

例如把標題放上候選圖後才發現葉片擋住字，這是版面需求沒有滿足，並非去噪失敗；若花盆邊緣破碎，則是素材本身需要修正。把這兩種問題分開記錄，可以避免為了修正小瑕疵而反覆更改已經合適的構圖。

文字生圖（Text-to-Image）是什麼：把描述轉成可挑選的影像

生成式 AI（Generative AI）是什麼

文字生影片（Text-to-Video）是什麼：讓畫面在時間裡保持連貫

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋