AI图像生成
利用人工智能模型（如扩散模型）根据文本提示或其他输入自动生成图像的技术，代表性工具包括Stable Diffusion、Midjourney等，广泛应用于艺术创作、设计辅助等场景
核心事实
时间轴 (近 90 天)
作者预计随着视频生成和角色一致性技术迭代，画面一致性瓶颈会在未来1-2年内显著改善
普通创作者维持角色一致性的常见折中方案是固定一套详细的角色描述词并反复使用同一基础模型，通过大量出图筛选
画面一致性是当前AI图像生成在IP创作中最核心的技术瓶颈
在底层模型趋同背景下，API 调用成本、推理速度优化、本地部署支持与 SaaS 产品体验成为区分竞争者的真正变量
当前 AI 图像生成的底层模型能力正在快速趋同，各家在基础出图质量上的差距逐渐缩小
以往AI生成科研图输出的是静态图片，文字、箭头、色块都固定在像素中无法二次编辑
转脚本时应要求单个分镜不要有景别切换，因为一个分镜包含多个景别时AI难以准确描述画面
将现实人物置入神话或宗教叙事框架，需要AI模型对构图、风格化和符号元素有较强的把控能力
AI图像生成模型的训练数据中包含大量有版权的插画、摄影和设计作品，创作者未被告知也未获授权或署名
对注重人情味的独立小店而言，一张明显是AI生成的海报可能损害品牌调性
还有 24 条时间轴事件
全部知识事实 (20)
AI图像模型本质上是在学习视觉统计相关性，而非理解物理规律或人体工程学逻辑
75%已验证AI图像生成在处理复杂场景、多物体交互、精确材质与光影表现时仍然存在局限
70%待验证观察结构层面而非表面质感的破绽是当前辨别AI生成图像较为可靠的方法，因为AI在纹理和光泽模仿上已足够以假乱真，但在整体逻辑一致性上仍有明显短板
60%待验证AI图像生成技术让非专业美术人员能够通过简单的文本描述快速产出符合想象的视觉内容
60%待验证将AI生成图片直接用作最终呈现给顾客的食物菜单图片会削弱顾客对餐厅专业度与诚信度的信任
60%待验证AI图像生成中相同的提示词配合不同的随机种子会产生截然不同的结果,创作者很难对最终产出进行精确控制
60%待验证该平台包含免费/付费分层、模板市场、AI图像生成、自动保存、导入导出等核心功能
60%待验证普通创作者维持角色一致性的常见折中方案是固定一套详细的角色描述词并反复使用同一基础模型，通过大量出图筛选
50%待验证画面一致性是当前AI图像生成在IP创作中最核心的技术瓶颈
50%待验证在底层模型趋同背景下，API 调用成本、推理速度优化、本地部署支持与 SaaS 产品体验成为区分竞争者的真正变量
50%待验证当前 AI 图像生成的底层模型能力正在快速趋同，各家在基础出图质量上的差距逐渐缩小
50%待验证以往AI生成科研图输出的是静态图片，文字、箭头、色块都固定在像素中无法二次编辑
50%待验证转脚本时应要求单个分镜不要有景别切换，因为一个分镜包含多个景别时AI难以准确描述画面
50%待验证将现实人物置入神话或宗教叙事框架，需要AI模型对构图、风格化和符号元素有较强的把控能力
50%待验证对注重人情味的独立小店而言，一张明显是AI生成的海报可能损害品牌调性
50%待验证AI图像生成模型的训练数据中包含大量有版权的插画、摄影和设计作品，创作者未被告知也未获授权或署名
50%待验证AI生成图像在统计意义上正确但缺乏真实食物特有的随机性与瑕疵感，其过于完美的不自然触发类似恐怖谷的排斥机制
50%待验证外卖平台采用AI图片是因需管理数万家商户、数十万道菜品，传统拍摄在规模上不具可行性
50%待验证AI工具能在几分钟内生成数十张图片，几乎零边际成本
50%待验证AI生成的食物图往往在细节上出现错误，如多余的芝麻、扭曲的餐具、不符合物理规律的酱汁流动等
50%