Canva Craft：提示词直出可编辑设计图，AI图像生成进入分层时代

当大部分AI图像模型还在比拼"画得像不像"时，Canva 选择了一条不同的路：让生成的图像直接成为可用的设计稿。Canva Craft 是 Canva 首个自研图像模型，在 Product Hunt 上线后获得 77 票、位列当日第 7，官方的定位很明确——面向营销人员、创作者和设计师，产出"能当设计用"的图像，而不只是"一张图"。

与主流文生图模型的根本差异：先排版，再渲染

据官方描述，Craft 与那些主要用照片训练的模型有本质区别。后者倾向于从提示词直接逐像素渲染，而 Craft 学习了数百万份 Canva 模板，采用"先规划构图、再渲染输出"的两阶段流程。这意味着模型在生成图像之前，已经对版式结构、元素位置有了规划，输出结果是 2K 分辨率、支持 30 多种画幅比例。

这个思路的价值在于贴合真实设计工作流。设计师拿到一张AI图后，往往还要裁切、重新排版、替换文字，反复折腾。Craft 试图把这一步前置到生成环节，减少后期返工。

文生图模型的常见架构通常以扩散模型（Diffusion Model）为基础，如 Stable Diffusion、DALL·E 系列。这类模型在大规模图像-文本对上训练，推理时从随机噪声出发，依据文本提示逐步去噪，最终生成像素图像。其核心是在像素空间或潜空间中直接优化视觉相似度，缺乏对版面结构的显式建模。因此，模型虽然能“画得像”，但对元素位置、文字排版等设计约束的控制较弱，常需通过 ControlNet、LoRA 等外挂模块进行后验干预。Craft 的“先规划后渲染”思路则是在生成前引入布局规划阶段，相当于将设计先验前置，这与传统扩散模型“一步到位”的生成逻辑形成对比。

三大实用能力：文字可读、布局精准、图层可拆

Craft 公布的能力清单集中在设计落地的痛点上：

多语言文字可读。模型支持 55 种语言的可读文本生成。文字乱码一直是文生图模型的顽疾，对营销物料来说，图中出现不可读文字基本等于废稿，这一项针对性很强。

精确定位。得益于先规划后渲染的流程，元素的位置关系更可控，而不是靠提示词碰运气。

可拆分为可编辑图层。输出可以被拆解为独立图层，这是 Craft 区别于普通图像模型的关键——生成结果能进入 Canva 的编辑流程继续修改，而不是一张扁平化的成品图。

可编辑图层是设计工具中的基础概念，指将一幅平面作品拆分为多个独立对象（如文字、形状、图片），每个对象可单独选中、移动、修改样式而不影响其他部分。在传统设计流程中，图层由设计师手动创建和管理。AI 生成图像通常输出为扁平化的位图（如 PNG/JPG），所有元素合并为单一像素层，后期修改极为困难。Craft 声称输出可拆分为可编辑图层，意味着模型在生成时需同时预测元素的分层结构，这涉及图像分割、实例理解与矢量化的结合。该能力若成熟，将大幅降低 AI 图像进入设计编辑流程的门槛，但图层拆分的精度和语义合理性仍是技术难点。

即刻可用：Canva 内上线并开放 API

Craft 目前已直接在 Canva 产品内上线，同时提供 API 接入。对普通用户来说，意味着无需额外工具就能在熟悉的工作台里调用；对开发者和企业而言，API 打开了把设计级图像生成嵌入自有系统的可能，比如批量生成营销素材、自动化内容生产管线。

发布会阵容中出现了 Canva 联合创始人兼 CEO Melanie Perkins 的身影，足见官方对该模型的重视程度。

API（应用程序编程接口） 是软件系统之间进行交互的约定接口。在此语境下，Canva 开放 Craft 的 API 意味着开发者可以通过编程方式调用图像生成能力，将“提示词→设计稿”的流程嵌入自有应用、电商后台或营销自动化平台。与在 Canva 界面内手动操作相比，API 支持批量处理、参数化调用和系统集成，适合企业级内容生产管线。API 的开放程度（如是否支持图层结构返回、输出格式、并发限制、定价模式）直接决定了 Craft 能否跳出 Canva 生态，被更广泛的开发者采用。目前官方仅公布能力层面信息，API 的具体规格尚待披露。

设计工具与图像模型的融合信号

Craft 的出现反映出一个趋势：图像生成正在从"通用模型"走向"场景模型"。通用文生图模型追求覆盖尽可能多的题材，而 Craft 这类模型以特定平台的设计资产为训练基础，换取在版式、文字、可编辑性上的专业度。

代价也很明显——它的优势高度依赖 Canva 生态内的模板风格和编辑流程。对深度使用 Canva 的团队，这是顺理成章的升级；对习惯其他设计工具的用户，吸引力则取决于 API 的开放程度和输出格式的兼容性。官方目前公布的信息集中在能力层面，实际生成质量、图层拆分精度、API 定价等细节仍有待上手验证。

无论如何，"提示词直出可编辑设计稿"这个方向，给AI图像生成的价值主张提供了新的参照系：不只是画得好，还要改得动。