图生图和文生图有什么区别？三个场景讲清该用哪个

这是新手最常问的问题，也是最容易给错答案的问题。

常见的答案是"文生图不用传图，图生图要传图"。这话没错，但没用——它没告诉你什么时候该用哪个。

真正的区别是这个：

文生图里，构图是模型决定的；图生图里，构图是你决定的。

理解了这一句，剩下的选择就都是自然推论了。

两者到底在做什么

文生图：你给一段文字，模型从随机噪声开始，一步步"去噪"成一张符合描述的图。因为起点是随机的，所以每次生成的构图都不一样。你能控制风格和内容，但很难控制"人站在画面左边还是右边"。

图生图：你给一张图 + 一段文字，模型不是从随机噪声开始，而是从你这张图开始做有限的改动。改多少由一个强度参数控制：改得少，几乎是原图微调；改得多，越来越像重新画一张。

所以图生图的本质是：用一张已有的图，锁住构图和结构，只让模型改你想改的部分。

场景一：脑子里有画面，手上什么都没有

用文生图。

这时候你没有任何视觉素材，只有一段描述。文生图是唯一的起点。

这个阶段的目标不是"一次出对"，而是快速铺开可能性——生成一批，看看模型对你这段描述的理解有哪些方向，从中挑一个最接近的。

提示词怎么写才能少走弯路，我在提示词四层结构那篇里写得比较细，这里不重复。

场景二：已经有一张接近的图，想改细节

用图生图。

这是最典型、也最容易被用错的场景。

假设你用文生图出了一张构图很满意的图，但人物的衣服颜色不对。这时候回文生图改提示词是错的——因为文生图每次都从随机噪声重来，你改完提示词，构图也一起变了。衣服是对了，但你满意的那个构图没了。

正确做法是把这张图丢进图生图，用较低的改动强度 + "把上衣改成米白色针织衫"这类局部描述。构图、姿态、光线都保留，只有衣服变了。

一句话记住：满意的部分越多，改动强度就该越低。 只想改颜色，用很低的强度；想换整个风格但保留构图，用中等强度；想大改，那不如回去用文生图。

场景三：想把一张图换成另一种风格

还是图生图，但强度要提上来。

比如把一张实拍照片变成插画风、把一张线稿上色、把白天的场景改成夜景。这类需求的共同点是：构图要保留，但画面的"材质"要整个换掉。

这时候提示词的重心要放在风格层和光线层，主体层可以写得简略一些——因为主体已经在原图里了，不需要你再描述一遍。

这也是图生图相比文生图省力的地方：原图承担了信息量，提示词只需要补差额。

一张对照表

最常见的两个误区

误区一：用文生图反复刷，试图刷出想要的细节。 细节是刷不出来的，因为构图每次都在变。正确做法是先用文生图刷出构图，再用图生图修细节。分两步，比在一步里死磕效率高得多。

误区二：图生图强度拉满。 强度拉到很高时，原图的约束几乎失效，结果和文生图差不多——那你传这张图就没意义了。如果你发现必须把强度拉满才能得到想要的效果，说明你其实需要的是文生图。

实际怎么配合

成熟的工作流基本都是两者串起来用：

1. 文生图：写四层提示词，生成一批，挑构图最好的一张
2. 图生图（中等强度）：调整整体风格和光线
3. 图生图（低强度）：修局部细节，颜色、材质、小元素
4. 需要动起来的话，把最终这张图丢进 AI 视频当首帧

每一步都在前一步的基础上收窄范围，而不是每次推倒重来。这是效率差距的真正来源。