Przejdź do treści
promptowy.com / AI 詞彙表 / 擴散模型 (Diffusion Model)
圖像、影片與音訊

擴散模型 (Diffusion Model)

擴散模型是一種透過「消除雜訊」來生成圖像的深度學習架構,也是目前主流 AI 繪圖與影像生成工具的核心技術。

擴散模型 (Diffusion Model) 是一種利用逆向消除雜訊來生成全新內容的 AI 演算法,也是目前絕大多數 AI 繪圖、影片合成與音訊生成工具背後的技術核心。當使用者輸入一段文字描述時,擴散模型並不是在資料庫中剪貼既有圖片,而是從一片完全混亂的雜訊中,逐步摸索並還原出符合條件的清晰畫面。

要理解擴散模型,最直覺的畫面就像一位雕塑師面對一塊粗糙的原石。AI 在訓練階段先學會如何將一張清晰的圖片一步步「破壞」成毫無規則的白雜訊;到了生成階段,它則將這個過程完全倒轉,從一片隨機噪點開始,一步步辨認形狀、修飾細節,直到原本看不出任何意義的雜訊變成一張精緻的影像。

擴散模型是如何運作的?

擴散模型的運作本質可以拆解為兩個關鍵方向:

  • 前向擴散(破壞過程):在訓練階段,系統會將大量真實圖片不斷加入微小的數學雜訊。經過上千個步驟後,原本的相片會徹底退化成完全看不出輪廓的隨機雪花雜訊。
  • 逆向擴散(生成過程):這是真正算圖時發生的事。AI 學會了「預測每一步被加入的雜訊是什麼」,接著就能在純雜訊中一步步減去多餘的噪點。搭配使用者提供的文字提示詞(Prompt),引導每一輪降噪都往正確的方向前進。

在地生活視角:霧氣散開的九份山城

如果覺得數學概念太抽象,可以想像冬日造訪新北市瑞芳區的九份。當濃霧籠罩阿妹茶樓與老街階梯時,眼前只有一片白茫茫的霧氣,就像隨機雜訊一樣什麼都看不清。當微風徐徐吹過,濃霧由厚轉薄,先是隱約看見紅色燈籠的微光輪廓,接著看見木造屋簷的線條,最後霧氣徹底消散,石階上的雨水反光與茶館招牌細節完全顯露。擴散模型生成圖片的過程,就如同將九份濃霧一秒一秒撥開,讓景物從混沌中逐漸浮現。

實務應用:採樣步數與細節的拿捏

在實際操作 AI 繪圖工具時,使用者通常可以自行調整「生成步數」(Steps)與種子碼(Seed)。理解擴散模型的原理,能幫助創作者更聰明地設定參數:

每一次降噪計算都算作一個步驟。一般而言,運算步數越多,模型就有更充裕的機會修整微小紋理與光影,使畫面更加細膩;然而,步數增加也會成比例延長等待時間,消耗更多運算資源。實務上並非步數越高越好,當降噪達到一定程度後,畫面細節往往已經穩定,盲目拉高步數只會浪費硬體效能,甚至可能引入多餘的視覺瑕疵。

常見誤區:拼貼圖片與無限拉高步數

初學者最常產生的誤解,是以為 AI 繪圖是在網路上搜尋圖片來拼湊接合。事實上,擴散模型內部儲存的是「如何消除特定雜訊」的機率規律,它的運算空間裡從來沒有任何原始照片的碎片。

另一個常見迷思是認為「步數設到最高畫面一定最美」。實際上,當畫面結構在早期步驟大致底定後,過高的步數有時反而會過度銳化邊緣,或讓人物毛髮出現不自然的生硬感。找到速度與畫質平衡的適當區間,才是善用擴散模型的正確做法。

在 Midjourney、FLUX、Ideogram、GPT Image 與 ComfyUI 的設定方式,附前後對比圖: 參數字典中的 生成步數 (Sampling Steps)

常見問題

擴散模型是在網路上到處抓圖來拼貼嗎?

不是。擴散模型完全不儲存既有圖片,它學到的是「從雜訊中辨識特徵並消除雜訊」的數學規律,每一張圖都是從隨機噪點中重新計算演算而來。

為什麼生成圖片時步數設太高反而沒有效果?

因為降噪過程在達到特定步數後就已收斂完成。超過收斂點之後,AI 只是在極微小的像素間反覆微調,不僅不會增加新細節,還會浪費運算時間與硬體電力。

擴散模型只能用來畫圖嗎?

不只畫圖。擴散模型同樣被廣泛應用在 AI 影片生成、人聲模擬、音樂創作以及 3D 模型建構等領域,本質上只要能定義雜訊與還原過程的資料都能適用。

← 返回 AI 詞彙表所有詞條

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›