图生图是怎么「垫图」的？噪声起点

AI 画图工具里的图生图功能，核心动作只有一件：把你给的图当作起点，而不是把提示词从一片空白里凭空画起。起点怎么设、设在哪里，就是「垫图」的全部秘密。

垫图的三步：编码、加噪、再去噪

第一步进来的是原图。模型先把这张图压成一个低维特征表示，这一步像把一幅画收进一张小卡片，卡片保留构图与内容大意，丢掉的是像素级细节。第二步在特征上人为加噪声，加多少由强度参数决定：强度低，噪声只是薄薄一层；强度高，原图几乎被噪声淹没，只剩构图骨架的残影。

第三步是反向去噪。模型从这半成品的噪声特征出发，按提示词引导逐步把噪声去掉，每去一层就往提示词描述的方向靠一点，最后解码成一张新图。进来的原图加提示词，出去的是既像原图又符合提示词的新画面。

整条链路里最难的是「听谁的话」：原图说「保持我的样子」，提示词说「改成我要的样子」，模型每去一层噪声都要在两者之间重新分配话语权。分配得平稳，改动画过渡自然；分配失衡，就会出现半张脸是原图半张脸是新画的撕裂感，这类翻车多半是强度和提示词互相抢戏造成的。

噪声强度怎么影响结果：从微调到重画

强度旋钮决定了「保留多少、重画多少」。低强度下模型只敢调整色调、质感这类表层信息，人物姿势和构图原样保留；中强度下可以换风格、换光线、改局部；高强度下只有大致构图还在，内容细节几乎全部重画。即梦AI 这类产品的滑杆，背后动的就是这个参数。

三档强度加上局部重绘，保留与改动的边界大致是这样。

提示词与原图之间是此消彼长的关系：原图噪声加得多，提示词话语权就大；噪声加得少，提示词只能在小范围里提意见。豆包里的图片编辑走的也是同一套逻辑，只是把滑杆包装成了「消除」「替换」这类具体动作。

实操顺序：先低再高的调法

实际使用有个实用顺序：先低强度试一次看保留效果，再逐步上调直到改动幅度满意。想把人像背景换成海边，强度给到中高即可；只想把照片调成水彩风，低强度加一条风格提示词就够。一步到位调满强度，往往连想保留的东西也一起丢了。要做到只改一块、其余不动，还得配合局部重绘把范围圈住。

垫图思路不只服务画图：声音里的音色与内容也走「分开表示、分别处理」的路子，可以对照声音的「音色」存在模型的哪里来理解；变声是同一思想的语音版，见变声是怎么保留内容的；同样的起点思想也出现在数字人的实时驱动是怎么算的的画面生成环节，以及超分是怎么补出细节的的高频重建里。

类比与失效：像临摹但纸是新的

把图生图理解成临摹：看着原图重新画一张，风格可以换、细节可以改。失效点在于临摹的纸还是原来的构图，而高强度图生图等于换了一张纸，只留草图轮廓；噪声越强，临摹越像参考，起点越自由。

带走一个判断：想要稳就用低强度加精确提示词，想要新就用高强度加简短提示词，两个旋钮先动一个，别同时大动。

垫图参数速查

• 低强度：保构图保内容，改质感色调；
• 中强度：换风格换光线，局部可重画；
• 高强度：只留构图骨架，内容大改；
• 提示词越具体，改动越可控。

一句话：噪声强度是保留与新意之间的方向盘。

图生图快问快答三则

• 为什么垫图后脸会变形？：强度给高了，模型把五官也当成待重画的细节，降到中低档并把人脸区域描述写进提示词，稳定很多。
• 它能做到完全一致只改一处吗？：很难，去噪是全局过程，改动会扩散，一般配合局部重绘把范围圈住再动手。
• 多垫几张图效果更好吗？：可以，多参考图会平均各自的构图特征，但风格混杂时反而更乱，先用一到两张摸准脾气。