07 文生图与文生视频

本模块收录视觉生成方向的内容：文生图（Text-to-Image）、文生视频（Text-to-Video）的提示词写法、模型选型与工作流。

这是新开的模块（2026-08），目前内容还很少。它从 02_提示词工程独立出来的原因是：图像提示词和文本提示词是两套不同的技能——文本提示词讲的是任务拆解、角色设定、思维链；图像提示词讲的是要素堆叠、权重、负向词、采样参数，两者几乎不共享方法论。

笔记列表

笔记	讲什么
AI绘画提示词的基本结构.md	六要素填空法：主体 → 场景 → 光线 → 构图 → 色调 → 风格，把脑内画面翻译成模型能稳定执行的描述

与其他模块的分工

内容	该放哪
文本 LLM 的提示词技巧	02_提示词工程
图像 / 视频生成的提示词与工作流	本模块
数字人 / 虚拟形象的整体技术栈	虚拟形象与数字人技术全景
图像理解（而非生成）	计算机视觉与深度学习框架

待补方向

本模块还很薄，以下是明确的空缺（已被现有笔记覆盖的不再列入——负向提示词见该笔记 § 6.2、文生视频基础见 § 7）：

主流文生图模型的横向对比（Stable Diffusion / Flux / Midjourney / gpt-image 系列）
负向提示词的对症手册：常见画面缺陷（手崩、多指、脸糊、构图失衡）分别该写什么
采样器、步数、CFG scale 等参数的实际影响
ControlNet / LoRA 等可控生成手段
独立的文生视频专题：现有内容只是文生图笔记的延伸小节，缺模型横评（Sora / Kling / Runway 等）与图生视频、首尾帧工作流
生成后的必要后处理——分辨率提升与超分工作流

维护提示

视觉生成领域迭代极快，模型名称、参数默认值、平台限制半年就可能失效——本模块笔记务必标注资料日期和对应的模型版本。
涉及具体平台的输出规格（单张像素上限、支持的宽高比）时，写清是哪个平台哪个时间点的规格。

最后更新：2026-08-29