文字生成圖片的 AI 工具：它們能創造什麼，又無法呈現什麼

發布一份「最佳」圖片生成工具清單很容易，要誠實地維持它卻很難。模型、價格與介面變化得很快。真正持久的問題其實更簡單：如何選擇工具，而不把令人驚豔的第一張圖片誤認為是對圖片、來源或後果的控制？

什麼是文字生成圖片的工具？

你用文字描述一個場景、一個想法或一種視覺方向。模型透過從視覺與文字材料中學到的模式解讀這些文字，再產生一張符合它對你要求之估計的圖片。結果可能有用，也可能令人驚訝，但它仍是一項建構出的提案，受到訓練材料、模型、介面與周遭預設設定的塑造。

生成圖片可以是很好的草圖、情緒板或插畫。但單靠它本身，不能證明某個人、某個地方或某件事件曾以圖中呈現的形式存在。

四個熟悉的名字，四種取捨

Midjourney、DALL·E、Stable Diffusion 與 Leonardo AI 是有用的例子，因為它們代表不同的產品與工作流程。它們不是永久排名。版本、存取規則、價格與控制功能都會改變，因此請根據你需要完成的工作來比較，不要相信過時的勝出清單。

Midjourney

Midjourney 常被用來快速探索視覺方向與不同變體。不要只看第一個令人驚豔的結果：你能保留構圖、做出精確修改、維持主體一致，並解釋不同版本之間發生了什麼嗎？

DALL·E

DALL·E 展示了語言介面如何自然地引導使用者製作圖片。流暢的指令與精緻的結果可能讓人感覺它理解了內容，但兩者並不相同。請檢查圖片的來源、你使用的控制功能，以及你希望它支持的主張。

Stable Diffusion

Stable Diffusion 可能指的是一系列模型與工作流程，而不是單一體驗。託管式與本機工作流程在模型、設定、擴充功能與相依性上可能不同。如果其他人需要重現或檢查結果，請記錄這些細節。

Leonardo AI

Leonardo AI 把生成整合進方便的創作流程。在把結果放進產品、活動或出版物之前，請確認保存、匯出、來源，以及日後由誰能夠修正圖片。

用五個問題比較圖片生成工具

1. 你還保有多少控制權？

你能不能只編輯一個區域，而不必丟掉整張圖片？你能不能保留構圖、主體或視覺決定？如果每次有意義的修正都必須重新開始，一張漂亮的初始結果就沒有那麼有價值。

2. 你能了解它的來源嗎？

尋找服務提供的模型、來源脈絡、提示詞、設定與轉換過程。標籤無法回答所有權利問題，但完全沒有紀錄，就會讓下一位觀看者沒有合理方法判斷自己看到的是什麼。

3. 你能看見並質疑預設值嗎？

每個系統都有預設值：它容易描繪哪些人與地方、把哪些風格視為正常、拒絕什麼，以及省略什麼。好用的工具會讓你注意到這些界線，而不是把界線藏在流暢的介面背後。

4. 作品能跟著你移動嗎？

請確認你能否下載所需解析度、保留提示詞與設定，並把作品移到另一個工具。可攜性保護你的時間，也避免創作流程變成看不見的訂閱綁定。

5. 真正的成本是多少？

把處理時間、後製、隱私、儲存空間、授權的不確定性，以及檢查輸出所需要的注意力都算進去。發布後團隊若必須修補一張誤導性的圖片，便宜的生成也會變得昂貴。

生成圖片何時是錯誤的工具

如果圖片要記錄真實的人、地方、事件或物理狀態，請從照片或其他可驗證的來源開始。生成圖片可以模仿紀錄的視覺語言，卻不會保留背後的事件。不要要求一個為了創造而設計的工具，承擔它無法完成的證據責任。

這不是反對想像力。插畫、概念工作與視覺實驗都有價值。請讓將要依賴圖片的人能清楚分辨創作與紀錄。

一個由人主導、可實際運作的流程

從任務開始，不要從品牌開始。寫下圖片應該傳達什麼、哪些事情必須保持真實，以及哪些事情可以虛構。把提示詞、模型或服務、設定、輸出與重要修改放在一起保存。然後由人檢查圖片是否提出了超出證據允許範圍的主張。

當區分很重要時，請說明圖片是合成的。保留一條能回到來源材料的路徑，以及修正公開紀錄的方法。系統可以擴大選擇範圍，但人必須繼續對附著在最終圖片上的主張負責。

為什麼現在重要

圖片在搜尋、新聞、教室、工作場所與私人對話之間流動的速度，比大多數人調查它們的速度更快。迫切的問題不是哪個產品在功能競賽中勝出，而是圖片生成系統是否能幫助人們看清自己正在看什麼、理解它的限制，並在圖片造成誤導時修正紀錄。

從這裡繼續

如果你想了解生成式系統能理解什麼、不能理解什麼這個更大的問題，請閱讀生成式 AI 指南。如果你想進一步了解提示詞為何是指令而不是理解，請閱讀Lu Heng 關於現實層次與象徵權力的 Note。較新的文字生成圖片 AI 讀者指南把同一套方法延伸到實際比較：從任務開始、保存紀錄，並選擇能讓你保有更多自主權的工具。