當您需要探索抽象概念、快速生成多樣變化，或在沒有固定視覺限制的情況下建立氛圍時，請使用文字轉圖像。當您需要保留特定構圖、維持一致的品牌元素，或在對空間關係進行精確控制的同時優化現有佈局時，請使用圖像轉圖像。核心區別在於資訊來源：文字提示詞定義*概念*，而參考圖像定義*結構*。了解對於當前任務而言哪個要素更為關鍵，將能節省時間並減少挫折感。
定義文字轉圖像的優勢
當目標是廣泛探索時，文字提示詞表現出色。由於模型解讀的是語言而非像素數據，它能綜合出可能不存在於任何單一參考圖像中的風格、光照條件和構圖的新組合。這使得以文字為先的工作流程非常適合創意專案的早期階段，此時您正在尋找方向，而非執行已定案的計畫。
當您依賴文字時，您是在利用模型對語義關係的理解。您可以要求「帶有溫暖午後光線的極簡北歐室內設計」，並獲得數十種遵循該邏輯的變化，而無需事先整理情緒板。對於背景、紋理或氛圍元素的生成，這種方法特別強大，因為整體和諧度比精確位置更重要。由於輸入簡潔且輸出通常在色調上具有可預測性，這允許快速迭代。然而，文字提示詞在處理精確幾何約束方面較弱。如果您需要將標誌精確放置在右下角並具有特定邊距，自然語言描述往往會在不同生成結果中產生不一致的效果。文字定義氛圍，而非網格。
定義圖像轉圖像的優勢
圖生圖工作流程在精準度與一致性至關重要時表現出色。透過提供視覺錨點，你為模型提供了一個具體的框架加以遵循。這對於涉及版面保留的任務至關重要，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方式，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內容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。如果你已建立具有特定間距規則的視覺識別系統，參考圖片能比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。其權衡在於構圖靈活性的降低；模型受限於輸入內容的結構，使得在不進行大量編輯的情況下大幅改變佈局變得更加困難。當設計的骨架已經確定，且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
選擇正確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。如果你沒有現有的資產且需要構思創意，讓文字提示驅動創造力。在這裡你需要多樣性，而非複製。
- 優化特定佈局：使用圖生圖。如果你有一個粗略的草圖或線框圖，並且需要在不移動元素的情況下增加精緻度，參考圖片會鎖定構圖。
- 維持角色一致性：使用圖生圖。如果你需要生成相同頭像的不同姿勢，提供基礎圖片可確保臉部特徵和風格在各輸出結果中保持一致。
- 探索調色盤：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不佳，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
最有效的工作流程通常會融合兩種方法。首先使用文字生成圖像來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力候選選項。選出最佳候選選項，並將其作為第二次處理的參考圖像。在這次處理中，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階段的創意廣度，以及圖像參考在最終潤飾階段的結構穩定性。這能避免純文字第二次迭代偏離原始意圖的常見問題。透過參考圖像鎖定構圖，你能確保一致性，同時仍允許透過文字指令微調視覺品質。此方法需要管理兩個輸入來源：視覺錨點與描述性優化。
結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相衝突的複雜文字指令，輸出結果可能會變得混亂或不整潔。保持文字指令簡潔，並專注於與參考互補的屬性，例如光照或紋理，而非結構性變更。
另一個陷阱是使用低品質的參考圖像。模糊或照明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。參考圖像影響力過高會扼殺創意；過低則會忽略一致性需求。請找到結構穩定但風格仍保持新穎的平衡點。