揀 Text-to-Image 定 Image-to-Image 工作流

當你需要探索抽象概念、快速生成多樣變化，或者喺冇固定視覺限制下確立氛圍時，就用 Text-to-image。當你需要保留特定構圖、維持一致嘅品牌元素，或者喺對空間關係有精準控制下優化現有排版時，就用 Image-to-image。兩者嘅核心分別在於資訊來源：文字提示詞定義*概念*，而參考圖定義*結構*。明白邊個元素對你目前嘅任務更重要，可以幫你慳時間同減少挫敗感。

定義 Text-to-Image 嘅優勢

當目標係廣泛探索時，文字提示詞表現出色。因為模型係解讀語言而唔係像素數據，佢可以綜合出風格、光照條件同構圖嘅新組合，呢啲組合可能唔會喺任何單一參考圖出現。這令以文字為主嘅工作流特別適合創意項目嘅早期階段，因為嗰時你係搵方向，而唔係執行已經定咗嘅計劃。

當你依賴文字時，你係利用模型對語義關係嘅理解。你可以要求「帶有溫暖午後光線嘅極簡北歐室內設計」，然後收到幾十個符合該邏輯嘅變體，而唔需要事先整理情緒板。呢種方法特別適合生成背景、紋理或氛圍元素，因為喺呢啲情況，整體和諧比準確擺放位置更重要。由於輸入簡潔，輸出嘅基調通常可預測，所以可以快速迭代。不過，文字提示詞難以處理精準嘅幾何限制。如果你需要將標誌準確放置喺右下角並有特定邊距，自然語言描述往往會喺不同生成結果中出現不一致。文字定義嘅係氛圍，唔係網格。

定義 Image-to-Image 嘅優勢

當精準度與一致性至關重要時，圖生圖工作流程便大顯身手。透過提供視覺錨點，你為模型提供了一個具體的框架讓其遵循。這對於需要保留佈局的任務尤為關鍵，例如調整橫幅以適應不同螢幕尺寸而不破壞文字區塊的對齊，或在保持形狀比例不變的情況下套用特定紋理。

參考圖片充當結構指南。模型專注於保留輸入圖片的空間佈局和主要色彩關係，同時根據你的指示修改細節。這對於維持品牌一致性極具價值。如果你已確立了包含特定間距規則的視覺識別系統，參考圖片能比純文字描述邊距更可靠地確保這些規則被遵循。這減少了輸出的變異性，意味著你花在篩選不可用結果上的時間更少。代價是構圖靈活性降低；模型受限於輸入圖片的結構，若不進行大量編輯，很難徹底改變佈局。當設計的骨架已確定，你需要高效地填充細節時，請使用此模式。

基於場景的決策樹

選擇合適的模式取決於當前任務中哪些部分是固定的，哪些部分是靈活的。考慮以下場景以決定你的方法：

• 從零開始：使用文生圖。如果你沒有現有資產且需要構思創意，讓文字提示驅動創意。在這裡你需要多樣性，而非複製。
• 優化特定佈局：使用圖生圖。如果你有一個粗略草圖或線框圖，需要在不移動元素的情況下增加精緻度，參考圖片能鎖定構圖。
• 維持角色一致性：使用圖生圖。如果你需要生成同一個頭像的不同姿勢，提供基礎圖片能確保面部特徵和風格在各輸出結果中保持一致。
• 探索調色板：使用文生圖。描述顏色通常比試圖透過參考圖片匹配顏色更有效，因為文字允許更廣泛的風格詮釋。
• 修復偽影：使用圖生圖。如果生成的圖片構圖良好但紋理欠佳，將其用作參考以改善細節，同時保持佈局不變。

如何結合兩種方法以建立混合工作流程

最有效的工作流程往往融合兩種方法。先從文字生成圖像開始，確立核心美學與構圖。生成幾個能捕捉正確氛圍與佈局邏輯的強勁候選方案。選出最佳候選，並將其作為第二次迭代的參考圖像。在這次迭代中，使用較短且更具針對性的文字提示來優化特定元素，例如光照強度或紋理細節。

這種混合方法利用文字在初始概念上的創意廣度，以及圖像參考在最終潤飾上的結構可靠性。這能避免純文字第二次迭代偏離原始意圖的常見問題。透過鎖定參考圖像的構圖，你在確保一致性的同時，仍允許文字指令微調視覺品質。此方法需要管理兩個輸入：視覺錨點與描述性優化。

混合參考圖像與複雜文字指令時的常見陷阱

常見錯誤是在使用圖像參考時過度載入文字提示。當你提供參考圖像時，模型會優先保留其結構。若你加入與參考佈局矛盾的複雜文字指令，輸出結果便會變得混亂或雜亂。保持文字指令簡潔，並專注於補充參考圖像的屬性，例如光照或紋理，而非結構變更。

另一個陷阱是使用低質量的參考圖像。模糊或曝光不佳的輸入圖像會顯著降低最終輸出品質。模型會繼承參考圖像的缺陷。確保你的輸入圖像清晰對焦、曝光良好，並能代表你期望的最終品質。最後，避免忽略權重平衡。如果你的工具允許，請調整參考圖像與文字提示的影響力。參考圖像影響過大會扼殺創意；影響過小則會忽略一致性需求。尋找一個平衡點，讓結構穩固，同時風格保持新鮮。