待验证50% 置信事实精确时间
主流文生图模型如Stable Diffusion、Midjourney、DALL-E的底层架构通常是扩散模型与CLIP文本编码器的结合
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
AI漫剧制作全流程：从剧本到脚本的实战指南
bilibili绘梦_无用师2026/7/4
相关事实
待验证主流扩散模型通常结合U-Net骨干网络与CLIP文本编码器78% 相似待验证Midjourney使用CLIP的文本编码器将提示词转换为条件向量，引导扩散模型的去噪过程74% 相似已验证Stable Diffusion的文本引导通过CLIP文本编码器将提示词转化为向量72% 相似待验证主流Embedding模型（如BGE、text-embedding系列）通常基于BERT架构的编码器（Encoder-only），通过对比学习让语义相近的句子在向量空间中靠拢；而GPT类生成模型基于解码器（Decoder-only）69% 相似待验证结构清晰的规格文档能够收窄大语言模型的输出空间，解决AI输出质量不稳定的问题68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114498API
curl https://kongchang.com/api/v1/knowledge/claims/114498MCP
get_claim(id=114498)