已验证65% 置信事实精确时间

text-to-image 技术底层通常基于扩散模型（Diffusion Model），通过向噪声图像逐步去噪来生成图像

3

来源数

65%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

谷歌双模型齐发：4秒极速出图+即时视频生成全解析

twitterGoogleAI2026/6/30

相关事实

待验证在图像编辑任务中，模型对输入图像加入一定量噪声后再去噪，而非从纯噪声出发79% 相似已验证图像生成模型通常采用CLIP或类似跨模态编码器将文本映射为高维向量，再由U-Net或DiT架构在潜空间逐步去噪生成图像76% 相似待验证主流图像生成模型基于扩散模型架构，生成一张图像需要执行20-50步去噪迭代75% 相似待验证ModelScope文本生成视频模型基于扩散模型（Diffusion Model）架构构建75% 相似待验证扩散模型学会了如何从噪声中重构符合人类视觉经验的图像74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/238127

API

curl https://kongchang.com/api/v1/knowledge/claims/238127

MCP

get_claim(id=238127)