AI 如何从噪声中画出一幅图？

AI 如何从噪声中画出一幅图？

扩散（去噪图像模型）· 入门 · 5 分钟 · 训练、采样

扩散模型从随机噪声开始，每一步去除一点预测出的噪声，从而完成绘画。它通过给真实图片加噪声并学会猜回这些噪声来训练；提示词引导最终出现哪张图片。

开始前：你能向朋友解释这件事吗？1 2 3 4 5

1 = 完全不能 · 5 = 很容易

• 1 先猜一猜

你让 AI 画一张图。它一开始画的是什么？ A 一块空白画布，一笔一笔填满

• B 纯随机噪声，一步步清理干净
• C 它找到并编辑的一张真实照片
• 2 观察

从噪声到图片

1 / 4

第 0 步 · 100% 图像 第 200 步 · 81% 图像 第 500 步 · 28% 图像 第 1000 步 · 0.6% 图像

训练：在 1,000 步内加入噪声 · 图片为示意 · 混合与调度：DDPM（Ho 等，2020）

训练：取一张图片，每一步加一点噪声，直到它什么都不剩。

◀

-

-

• 重置 ▶

训练会给图片加噪声，直到什么都不剩；模型学会猜测这些噪声，而绘图则是从纯噪声开始，把同一过程反向运行，并由提示词引导。

• 训练时，模型会看到带有各种噪声量的图片，并学会一项技能：猜测噪声。绘图就是把这项技能反向运行。Stable Diffusion 处理的是图片的小型压缩版本，即潜变量（图像的紧凑编码），最后再把它转换为像素。
• 4 你就是模型

你是去噪器。进行四次，选择下一张噪声更少、且符合提示词“田野上的一轮太阳”的图片。

提示词：“田野上的一轮太阳” · 每次使用相同的起始噪声

当前：第 1000 步 A · 第 400 步 B · 第 400 步

选项由同一噪声按 DDPM 调度混合 · 图片为示意

你是去噪器：选择下一张噪声更少、且符合提示词的图片。

我做到了——给我看看模型

• 5 检查

在图片中，到 1,000 步中的第 500 步时，原图还剩多少？ A 约 28%

• B 正好一半
• C 全部
• 种子（选择起始噪声的数字）决定图片从哪里开始。Stability 的 API 称它为“本次生成所用随机噪声的种子”。相同的提示词和种子会得到相同的图片；新种子会得到新图片。并非所有图像模型都会公开其工作原理，因此只有厂商明确说明时，我们才称一个模型为扩散模型。
• 7 复述一遍

向朋友解释 AI 如何画图。比较

• 8 任务 · 5 分钟

使用 Stability AI 的 25 个免费额度，以相同提示词调用 Stable Diffusion 3.5 Medium（每张图 3.5 个额度）三次：种子 42、再次种子 42，然后种子 7。两张种子 42 的图片会一致；种子 7 从不同噪声开始，会得到不同的图片。

[免费图像生成 API](/learn/free-image-generation-api/) 完成

三道快问快答

从本课题库中随机抽取；下次会不同。

完成了吗？

现在：你能向朋友解释这件事吗？1 2 3 4 5

1 = 完全不能 · 5 = 很容易

标记完成 请先回答三道快问快答。

深入了解

• Ho, Jain, Abbeel — Denoising Diffusion Probabilistic Models
• Rombach et al. — High-Resolution Image Synthesis with Latent Diffusion Models
• Stability AI — Stable Diffusion 3.5 API

来源

• https://arxiv.org/abs/2006.11239（Ho、Jain、Abbeel；v1 2020-06-19；核对于 2026-10-21）：前向过程在 T = 1000 步内加入高斯噪声，β 从 1e-4 线性增至 0.02；x_t = √ᾱ_t·x₀ + √(1−ᾱ_t)·ε；网络训练用于预测 ε。81%、28%、0.6% 这些比例（第 200、500、1000 步）是该调度下的 √ᾱ_t（算术）。
• https://arxiv.org/abs/2112.10752（Rombach 等；v1 2021-12-20，v2 2022-04-13；核对于 2026-10-21）：扩散“在强大的预训练自编码器的潜空间中进行”；用于文本等条件输入的交叉注意力层。
• https://docs.stability.ai/api-reference/generate/stable-diffusion-35（核对于 2026-10-21）：SD3.5 Large Turbo“一个蒸馏版本……仅需 4 步”；seed“本次生成所用随机噪声的种子”；cfg_scale“扩散过程遵循提示词文本的严格程度”；SD 3.5 Medium 每次生成 3.5 个额度；100 万像素输出。
• https://docs.stability.ai/pricing（核对于 2026-10-21）：“从 25 个免费额度开始。”；1 个额度 = $0.01。
• https://huggingface.co/black-forest-labs/FLUX.1-schnell（核对于 2026-10-21）：“120 亿参数整流流 transformer”；“仅需 1 到 4 步生成高质量图像”。
• 16×16 图片、噪声（种子 7）以及太阳/房屋选项均为示意，并按 DDPM 调度混合；“猜测的噪声”画面就是精确噪声，标注为完美猜测。发布于 2026 年 10 月 21 日 · 更新于 2026 年 10 月 21 日