扩散模型怎么把噪声一步步变成你的插画

不需要懂数学，只要建立一幅画面：AI 从一团纯噪声开始，在文本提示的引导下，每一步去掉一点噪声、补上一点结构，直到噪声归零、图像成形。

三个关键推论

• 提示词是「引导」不是「指令」：模型把你写的标签当作去噪方向的权重，而不是逐条执行的清单。同一段提示词每次生成的构图都不同，因为起点噪声是随机的。
• 种子（Seed）锁住起点：固定种子 + 相同参数 + 相同提示词，就能近乎复现上一张图——这是排障和精修的基础操作。
• 步数（Steps）是去噪轮数：轮数太少去不干净，图会糊；轮数太多边际收益递减，白烧算力。默认 23 步是官方调好的平衡点。

和 Stable Diffusion 的关系

• V3 时代基于 SDXL 架构改造；从 V4 起是完全自研的架构，不再有公开底模血统。
• 因此：同一提示词 + 同一种子，在 NovelAI 和原版 Stable Diffusion 上不会出同样的图——官方文档特别强调过这一点。
• 官方对「AI 拼贴搬运画师作品」的质疑专门发博文解释过扩散模型的学习方式，相关讨论本站不展开。

对日常使用的意义

• 出图不对味时，先怀疑提示词的引导权重（换词、调顺序、加权重语法），再怀疑参数。
• 想要「同一构图只换细节」，走图生图或固定种子微调，别裸生成碰运气。

原理细节官方博客写得最全；本站后续所有功能页都默认你已经理解「提示词=引导方向」这个设定。