待验证50% 置信事实精确时间
CLIP 是 Stable Diffusion 系列模型最常用的文本编码器，由 OpenAI 提出，通过对比学习将图文映射到同一语义空间
1
来源数
50%
置信度
长期有效
时效性
2026/10/10
首次发现
来源
涉及实体
相关事实
待验证CLIP Score利用OpenAI的CLIP模型衡量生成内容与文本描述之间的语义匹配度，数值越高表示越符合文字提示77% 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76% 相似已验证文本指令通过CLIP等跨模态编码器转化为语义向量，将文字和图像嵌入同一语义空间以引导图像生成74% 相似待验证传统拼接式多模态方案通常将预训练的视觉编码器（如 CLIP）通过适配层与语言模型对接，模态间理解相对割裂74% 相似待验证主流文生图模型如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74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/994028API
curl https://kongchang.com/api/v1/knowledge/claims/994028MCP
get_claim(id=994028)