什么是去噪步数？画一张图要走多少步

在即梦AI里点一张图，先冒出来的往往是一团模糊噪点，随后轮廓浮现、细节落定，几秒后才得到成图。这个由粗到细的过程就是去噪，走过的每一步就是去噪步数——它是 AI 文生图的核心工作方式。

从雪花屏到成图，中间发生了什么

文生图模型学的，就是「怎么把一团纯噪声一步步擦成符合描述的图」。每一步，模型看着当前的半成品，预测里面混着哪些噪声并减掉一点，再进入下一步。起步时画面几乎全是噪点，模型只能勾个大轮廓；越往后信息越多，修正越具体，纹理、光影、文字才逐渐落位。几十步走完，噪声被摘干净，画面成形。这也说明：你看到的「一秒出图」，其实是几十轮快速修改叠加的结果。

类比：擦玻璃，而不是冲照片

有人把去噪比成暗房冲印，底片由模糊到清晰，节奏上确实像。但这个类比会失灵：冲印是化学反应，一步定终身；去噪是模型在每一步重新审视整幅画面，再决定哪里下手。更像分几十遍擦一块蒙尘的玻璃——每一遍都根据当前看到的浑浊程度调整力度。既然每一步都在重新判断，步数就成了一个可以调节的旋钮，快与精之间由它调度。

步数设多少合适

步数少，速度快，但容易残留噪点、细节潦草；步数多，画面更精，等待时间也线性拉长。常见区间在二三十步上下，具体因模型而异，以官方推荐参数为准。实用判断是：草稿阶段用低步数快速试构图，定稿再拉高步数出细节。发现画面有「没擦干净」的颗粒感，先想到把步数调高一档，再考虑换模型。另外，文字对画面的控制力来自提示词编码器，步数管的是精修遍数，两者分工不同，别混为一谈。

把档位和代价摆在一起，选起来更快：

和视频生成是什么关系

文生图与文生视频共用去噪这套底层方法，视频只是多了一个时间维度：每帧都要生成，帧与帧还得连贯，于是问题从「一张图画几步」变成「一堆帧怎么画得又快又稳」，涉及帧率约束与时序一致性。而「画面内容听文字指挥」这件事，根基仍是跨模态对齐训练出来的对应关系，这套对应关系又源自图文对训练一脉。理清这条线，就明白文生图和文生视频为什么总被放在一起讲。

顺带讲讲步数与显存、批量的关系。一次生成四张图，每张各自走各自的路，步数是共享的预算，所以「出四张」约等于「出一张的四倍等待」；想快，先降张数再降步数，顺序别反。另一个实用知识点是种子值：起点那团噪声由种子决定，固定种子加同样的提示词和步数，就能复现同一张图，排障和微调时特别有用——改一个词重出，画面哪里变了看得一清二楚。把这些旋钮串起来记：种子定起点，提示词定方向，步数定遍数，三者凑齐，出图才既快又可控。还有个常见误会要澄清：步数和清晰度并不严格挂钩，模型本身的底子才是上限，步数只决定它把上限发挥到几成。

参数速查

• 出图有颗粒感：步数加一档
• 构图试错阶段：低步数快跑
• 定稿出细节：高步数慢工
• 等待太久：降步数或换加速版模型

一句话带走：步数是精修遍数，遍数不够擦不净，遍数太多白等。

关于去噪步数，问得最多的三个

• 步数是不是越多越好？：过了某个点提升会变得很有限，画面基本定型后多走步骤只是耗时，选推荐区间就够。
• 为什么有的模型几步就出图？：经过蒸馏或加速训练的模型，把几十步的功课压缩进几步，速度快，细腻程度略有取舍。
• 同一提示词，为什么每张图都不一样？：起点是一团随机噪声，起点不同、路径不同，成图自然张张不重样。