AI 图片生成入门：从零开始用文字创造图片

不需要会画画，不需要学设计，只要你会打字，AI 就能帮你生成想要的图片。本文从零开始，教你掌握 AI 图片生成的核心玩法。

---

什么是 AI 图片生成

AI 图片生成，简单来说就是：你用文字描述想要的画面，AI 根据你的描述自动生成图片。这个过程不需要任何绘画技能，只需要你把想法说清楚。

这项技术在过去两年经历了爆发式发展。2022 年 Midjourney 横空出世，让普通人第一次体验到"文字变图片"的魔力；随后 DALL·E、Stable Diffusion 等工具相继推出，国产的通义万相、文心一格也快速跟上。到现在，AI 生成的图片已经广泛用于自媒体配图、电商素材、PPT 插图、甚至商业广告。

核心原理一句话：AI 在训练时"看"了数以亿计的图片和对应的文字描述，学会了"什么样的文字应该对应什么样的画面"。你给它一段描述，它就根据学到的规律生成一张全新的、不存在的图片。

---

主流工具一览

目前市面上的 AI 图片生成工具可以分为三类：

在线平台（推荐新手）

通义万相：阿里出品，原生中文支持，免费额度充足，注册即可使用。适合国内小白用户快速上手。

DALL·E 3：OpenAI 出品，集成在 ChatGPT 中。如果你已经是 ChatGPT 用户，直接在对话中让它画图即可，中文 Prompt 也能用。

Midjourney：画质公认最好，但需要通过 Discord 使用，且 Prompt 主要用英文。适合对画质有追求的用户。

本地部署（适合技术玩家）

Stable Diffusion：开源免费，可以部署在自己电脑上，完全离线使用。社区模型丰富，可玩性最高，但对电脑配置有要求（建议有独立显卡）。

集成在其他工具中

很多工具已经内置了 AI 图片功能：Canva 的"魔法图片"、美图秀秀的"AI 绘画"、Notion 的 AI 生图等。这些适合不想额外注册新工具的用户。

新手建议：先用通义万相或 DALL·E 3 练手，零成本、零门槛。等你熟悉了 Prompt 的写法，再考虑 Midjourney 或 Stable Diffusion。

---

四步生成流程

第一步：选工具

根据你的需求选择一个平台。新手推荐通义万相（免费、中文友好）或 DALL·E 3（如果你有 ChatGPT 账号）。注册登录后找到图片生成功能入口。

第二步：写 Prompt

这是最关键的一步。Prompt 就是你给 AI 的"图片描述"。写得好，出图质量高；写得差，出来的图可能完全不是你想要的。

Prompt 的基本结构：

要素	说明	示例
主体	画面的核心内容	一只橘猫
场景	在什么地方、什么环境下	坐在窗台上，窗外是雨天
风格	画面的艺术风格	水彩画风格 / 写实摄影 / 像素风
细节	光影、色调、构图等	暖色调，柔和光线，特写镜头

完整 Prompt 示例：

一只胖胖的橘猫，坐在窗台上，窗外是雨天，水彩画风格，暖色调，柔和的光线，特写镜头

第三步：生成与筛选

点击生成后，AI 通常会给你 2-4 张候选图。挑选最接近你预期的那张。如果不满意，可以：

• 调整 Prompt：增加或修改描述细节
• 换风格关键词：比如把"水彩"换成"油画"
• 加否定词：告诉 AI 你不要什么，比如"不要文字、不要模糊"
• 直接重试：同样的 Prompt 每次生成结果不同，多试几次可能就满意了

第四步：后期调整

AI 生成的图片很少能 100% 直接用。通常需要：

• 裁剪：调整构图，去掉多余的部分
• 修瑕疵：AI 常在手指、文字、小物件上出错，用修图工具修补
• 调色：统一色调，匹配你的使用场景
• 放大：如果分辨率不够，可以用 AI 放大工具（如 Real-ESRGAN）提升清晰度

---

Prompt 写作技巧

技巧一：从简单开始，逐步加细节

不要一上来就写一长串。先写核心描述，看效果，再逐步添加细节：

• 第 1 轮：一只橘猫
• 第 2 轮：一只橘猫，坐在窗台上
• 第 3 轮：一只橘猫，坐在窗台上，窗外是雨天，水彩画风格
• 第 4 轮：一只胖胖的橘猫，坐在窗台上，窗外是雨天，水彩画风格，暖色调，柔和光线

技巧二：用具体的形容词代替抽象词

不好	好
一张好看的图	电影级画质，浅景深，虚化背景
一个漂亮的城市	赛博朋克风格的东京夜景，霓虹灯，雨后街道
可爱的狗	金毛幼犬，歪头，大眼睛，草地上的阳光

技巧三：指定图片用途来约束比例

• 手机壁纸：竖版构图，9:16 比例
• 公众号封面：横版构图，16:9 比例
• 头像：正方形构图，1:1 比例，简洁背景
• PPT 配图：扁平插画风格，简洁干净，留白充足

技巧四：善用风格关键词

这些风格词可以快速改变画面质感：

• 写实类：写实摄影、电影级画质、8K 分辨率、超高清
• 插画类：扁平插画、矢量风格、日系插画、绘本风格
• 艺术类：油画、水彩、素描、版画、浮世绘
• 科技类：赛博朋克、未来主义、极简主义、霓虹灯

---

实用场景示例

场景一：自媒体文章配图

扁平插画风格，一个人坐在电脑前工作，桌上放着咖啡杯，窗外是城市夜景，暖色调，简洁干净，适合公众号文章配图

场景二：产品展示图

一双白色运动鞋，放在大理石台面上，柔和的工作室灯光，纯白背景，产品摄影风格，高清细节

场景三：PPT 背景图

抽象几何图形，蓝紫色渐变，科技感，留白充足，适合做 PPT 背景，16:9 比例

场景四：社交媒体头像

卡通风格头像，一只戴墨镜的柴犬，赛博朋克色调，霓虹灯背景，正方形构图

---

常见问题

Q：生成的图片版权归谁？

目前各平台政策不同。通义万相和 DALL·E 3 付费用户通常拥有商用版权；免费版可能有限制。使用前建议查看平台的用户协议。

Q：为什么 AI 画不好手和文字？

这是因为 AI 是通过像素统计规律生成图片的，对精细结构（手指数量、汉字笔画）的把控还不成熟。遇到这类问题，后期修补是最实用的解决方案。

Q：一张图生成要花多少钱？

通义万相有免费额度；DALL·E 3 在 ChatGPT Plus 中包含；Midjourney 最低 10 美元/月；Stable Diffusion 本地运行完全免费。日常使用的话，免费方案基本够用。

Q：同样 Prompt 每次生成的图一样吗？

不一样。AI 生成过程有随机性，同样的 Prompt 每次都会产生不同的结果。这也是为什么建议多试几次——可能第 3 张就比第 1 张好很多。

---

总结

AI 图片生成的核心就是：选工具 → 写 Prompt → 生成筛选 → 后期调整。不需要绘画基础，不需要设计经验，只要你能把脑海中的画面用文字描述出来，AI 就能帮你实现。

建议从通义万相或 DALL·E 3 开始，用上面的 Prompt 模板多练几次，很快你就能生成让人惊艳的图片了。