图生图（image to image）到底是什么，什么时候该用

图生图到底是什么？

图生图是一种生成模式：模型不是从纯随机噪声出发，而是从一张已有的图出发，再朝你的提示词方向去改。你给两样东西——一张输入图和一句文字指令——模型把前者往后者的方向编辑。输出会保留你喂进去那张图的「基因」：构图、色调、大致形状。它把「生成」和「编辑」揉进了一步里。

原理其实比听起来直观。扩散模型画图，是从一片雪花点噪声出发，一步步去噪，直到画面浮现。文生图是从一片全新的噪声开始这个过程；图生图则是从你那张图、掺进一些噪声后开始，所以你的结构一开始就已经写进了起点。之后模型朝提示词去噪——但它能离起点走多远是有限的。你换掉的是雕塑家手里那块大理石，而不是雕塑家本人。

降噪强度这个旋钮怎么工作？

降噪强度——通常是 0 到 1 的数值，有的工具显示成百分比——决定的是在模型重绘之前，往你的起始图里掺多少噪声。强度低，就保留大部分原图、只轻改；强度高，就把原图丢掉大半、让提示词接管。它是图生图里最重要的一个控制项，把它的手感练出来，这门手艺就学会了一大半。

图生图和文生图有什么不同？

文生图只从你的文字出发，凭空造一个模型没见过的场景；图生图则从你已有的一张图出发，把它朝文字方向改。就这一处「起点不同」，会一路影响到：你能控制什么、结果多可复现、各自擅长什么活。

用文生图，你负责描述，构图由模型决定——探索点子时很爽，需要特定布局时很憋屈。用图生图，你把布局交出去，只在「长相」上讨价还价，所以只要框、姿势、位置已经定了、你只想让它变个样，图生图就赢。代价是拿自由换控制：文生图哪儿都能去，图生图始终被你给的那张图拴着。真实工作里两者常常一起用——先用文生图找到一个构图，再用图生图把它打磨到位。

图生图和内补外扩、风格迁移、参考图是什么关系？

它们本质上是同一个念头的不同版本——给模型一张图去改——区别在于动到画面多少，以及从输入里借走什么。普通图生图是「整幅」的情形，其余几个都是它的专门化。

• 普通图生图一次性重做整幅画面，由降噪强度掌控。它是做变换和改风格的工具：把照片变成油画、把白天变成夜晚、把草稿变成成品。
• 内补和外扩是被限制在某块区域里的图生图——框内的一块蒙版区域（内补）或框外的空白边缘（外扩）——其余部分逐像素不动。蒙版怎么干活，见内补 vs 外扩。
• 风格迁移借的是参考图的长相——配色、笔触、质感——把你的内容用那种样子重画一遍，而不是直接编辑你的像素。它管的是「怎么画」，不是「画什么」。
• 参考图 / 一致性把一张脸或一件产品当作单独的条件图喂进去，好让一个全新场景保住那个身份。这正是让 AI 角色保持一致的根基——参考图锁住「是谁」，提示词定「在哪儿」。

什么时候该用图生图而不是文生图？

只要构图已经存在、你想改它而不是从白纸上重新描述一个，就用图生图。具体来说：

• 你手上有一张照片、草稿或截图，布局想留住——姿势、取景、产品位置——但长相要变。
• 你在变换一张真实的图：照片转插画、草稿转成品、白天转夜晚，或者主体不动、只做背景替换。
• 文字钉不住构图。「一个女人迈步中，四分之三侧身，左臂抬起，右手拿咖啡杯」——给它看比把它写清楚快得多。
• 你要同一个主体做多个变体，而一张参考图守住身份的能力，远比一整段文字描述强。

当你要造一个还不存在的东西、或者一张起始图只会跟脑子里的点子打架时，就留在文生图这边。也要老实承认它的边界：图生图救不了一张它从没收到过的构图。如果输入里姿势就是错的，任何降噪值都修不好——那是重拍或文生图的活，不是拉强度滑块能解决的问题。

一个实操例子：把照片变成杂志感插画

假设你有一张随手拍的手机照片，一个女人站在咖啡馆吧台前，你想把它做成一张扁平的、杂志编辑感的矢量插画，用作博客头图——姿势不变、取景不变，换的是媒介。这是标准的图生图活：构图恰恰是你要保住的，只有表面该变。

把照片载入，写一句描述目标的提示词——「扁平杂志编辑感矢量插画，有限配色，干净线条，哑光墨绿配暖奶油色」——把降噪强度设在 0.55 到 0.65。这个区间会保住吧台、站姿和大致的脸，同时把媒介彻底重画一遍。降到 0.3，你得到的是同一张照片的滤镜版，一看还是照片；推到 0.9，你会得到一个不同的女人在一个不同的咖啡馆里，只是碰巧配色接近——输入不再起作用了。手艺就在于找到那个「姿势还在、但照片味没了」的值，再多迭代一次把脸清理干净——脸永远是第一个漂移的。

降噪强度不是「质量滑块」，而是「离家多远滑块」。低，让你留在照片里；高，把你送进一张全新的图；而好结果几乎总住在那个你得靠手感摸出来的、别扭的中间地带。

这正是导演化工作室的价值所在。ReelWand 的 Illustration Canvas 带着一套服务端的 style DNA——那句「扁平杂志感矢量、干净线条、配色统一」的规则——所以你不用每次重打一遍、也不用重新找那个强度值。你把照片拿来、说你要什么；Agent 负责在每个变体之间把长相稳住，并在上一次的成图上继续迭代，而不是每次都赌一张全新的。做一次性实验，通用模型里的原始图生图给你每一个旋钮；要一套会反复复用的一致插画风格，Agent 是更快也更稳的那条路。