Text-to-Image 文字生成圖片是什麼？用一段描述換一張圖

以前要一張圖，你得會畫，或者付錢請人畫。現在你只要把腦中的畫面用文字說清楚，AI 就替你畫出來。

這件事的門檻不在工具，在你會不會描述。這篇講清楚它怎麼運作，以及怎麼寫才會準。

定義

Text-to-Image（T2I，文字生成圖片）是輸入一段文字描述，讓 AI 理解你的想像，自動生成獨一無二的圖片。

常見的工具有 Midjourney、DALL·E、Stable Diffusion、Adobe Firefly、Leonardo.Ai。它們各有擅長，藝術感、可客製化程度、生態整合都不太一樣。

白話比喻

把它想成一位聽描述作畫的插畫師。你講得越具體，他畫得越接近你腦中的畫面。

你只說「畫一隻狗」，他會憑自己的習慣決定品種、姿勢與背景。你說「戴帽子的柴犬坐在草地上微笑，手繪風格」，結果就完全不同了。

它怎麼運作

1. 輸入文字描述：用文字說出你想要的畫面、風格、細節與氛圍。
2. AI 理解語意：解析文字中的物件、場景、風格與光線資訊。
3. 生成圖片：從零開始創作，輸出符合描述的高品質圖片。

第三步背後的技術多半是 擴散模型，它從一團雜訊出發，一步步去噪，最後長成一張圖。

寫出好描述的五個要素

五個都寫齊，成功率會明顯提高。這也是 畫像生成提示詞 跟聊天用的提示詞最大的不同：它重描述而不重推理。

實際用例

最常見的是社群貼文與部落格配圖、廣告與行銷素材、簡報視覺、商品與包裝模擬、遊戲與角色設計。

對一般工作者最實用的其實是概念發想。在真的花錢做設計之前，先用 T2I 把幾個方向視覺化，溝通成本會低很多。