※ 摘要僅根據標題與說明
圖像生成
Image Generation ・ 58 筆內容
擴散模型的原理與 Stable Diffusion、Midjourney、ComfyUI 等工具。
也叫做：圖像生成、图像生成、文生圖、文生图、image generation、diffusion、擴散模型、扩散模型、Stable Diffusion、Midjourney、ComfyUI、Flux、Nano Banana
學習路徑
由淺入深：入門 → 進階 → 高階
入門初窺門徑
Wire It, Run It, Deploy It: AI Workflows in Gradio
Hugging Face Blog● 有原文
Use ChatGPT Images to explore campaign concepts（在新分頁開啟原站）
OpenAI2 分鐘○ 無原文
Midjourney has a new side quest... death（在新分頁開啟原站）
Fireship5 分鐘○ 無原文
進階登堂入室
Image Generation and Visual Intelligence with Black Forest Labs
Practical AI48 分鐘● 有原文
Inside image generation’s Renaissance moment - Episode 19（在新分頁開啟原站）
OpenAI Podcast29 分鐘○ 無原文
Stanford CS229 Machine Learning | Spring 2026 | Lecture 11: Diffusion Models（在新分頁開啟原站）
Stanford Online1 小時 23 分○ 無原文
Why Image Generation Needs More Than Bigger Models with Fatih Porikli - #773（在新分頁開啟原站）
The TWIML AI Podcast57 分鐘○ 無原文
高階爐火純青
Flow-based Deep Generative Models
Lilian Weng（部落格）● 有原文
排行前 20 名
依相關、人氣、新鮮度綜合排序；站長推薦的加成
Midjourney has a new side quest... death（在新分頁開啟原站）
Midjourney 推出全新功能，讓使用者可以透過文字描述來生成死亡主題的影象，這讓 AI 藝術創作有了更廣泛的應用場景。
55.9 萬次觀看※ 摘要僅根據標題與說明
Inside image generation’s Renaissance moment - Episode 19（在新分頁開啟原站）
探討 OpenAI 推出的 Images 2.0 功能，由產品負責人 Adele Li 與研究員 Kenji Hata 分享新趨勢。
※ 摘要僅根據標題與說明
Image Generation and Visual Intelligence with Black Forest Labs
Dustin Podell 解釋了從 Diffusion 到 Flow Matching 的影象生成演進，並介紹了 FLUX 系列模型。他強調現代影象生成不僅是創意工具，更是理解世界關係的基礎，能應用於影像編輯、機器人決策等實際場景。
- 3.1 萬次觀看
※ 摘要僅根據標題與說明
【TAICA_生成式AI：文字與圖像生成的原理與實務】1. 如何不焦慮地學AI（在新分頁開啟原站）
本影片由 NTU 教授帶領，深入解析生成式 AI 的文字與影象生成原理，並提供從基礎程式碼到實際專案的完整教學。讀者將掌握如何建立開發環境、執行 Python 程式碼，並透過提示詞工程與 AI Agent 技術，將理論轉化為實際的創作與執…
※ 摘要僅根據標題與說明
Stanford CS229 Machine Learning | Spring 2026 | Lecture 11: Diffusion Models（在新分頁開啟原站）
本講解介紹了 Diffusion Models，是一種將資料轉換為隨機噪聲再逐步還原的生成技術，用於創造逼真的影象與文字內容。
6,300次觀看※ 摘要僅根據標題與說明
ChatGPT Images 2.0 工作專用 AI 繪圖工具：大量密集中文排版圖解、簡報案例實測
本文實測 ChatGPT Images 2.0 的密集文字排版能力，發現其能生成多頁簡報、講義圖表及雜誌版面，精確性與複雜度超越 NotebookLM。
※ 摘要僅根據標題與說明
Why Image Generation Needs More Than Bigger Models with Fatih Porikli - #773（在新分頁開啟原站）
探討生成式視覺系統中尚未解決的挑戰，包括如何透過改進訓練目標提升可控性、將場景規劃與渲染分離以增強可靠性，以及如何在邊緣裝置上高效生成高解析度影象。
※ 摘要僅根據標題與說明
Why Diffusion Will Win AI Inference with Inception Co-Founder and CEO Stefano Ermon
Stefano Ermon 介紹 Inception 公司如何將擴散模型應用於文字與程式碼生成，突破自回歸模型的瓶頸。他解釋了為何在推理時並行處理比串流更有效率，並分享了 Inception 的 Mercury 模型在語音助手等實際場景的…
Flow matching for Beginners | @ariG23498（在新分頁開啟原站）
本影片由 ARI 教授，從基礎開始講解流匹配（Flow Matching）概念，透過大量視覺化圖示與簡單數學，幫助讀者理解其運作原理。看完後，讀者將掌握如何訓練模型以生成影象，並了解訓練速度對結果的影響。
5,645次觀看※ 摘要僅根據標題與說明
Build creative apps with the GenMedia suite (I/O Connect ‘26)（在新分頁開啟原站）
Google 推出的 GenMedia 套件支援 I/O Connect 26，讓開發者能透過 AI 生成創意應用程式，只需輸入文字或圖片即可快速構建。
※ 摘要僅根據標題與說明
The AI content machine that turns ideas into posts that don't sound like slop | Alex Lieberman（在新分頁開啟原站）
介紹了 Alex Lieberman 開發的 AI 內容生成工具，能將創意轉化為不像是垃圾內容的社媒貼文。
※ 摘要僅根據標題與說明
免費版 ChatGPT、Gemini、Claude 誰生圖最強？｜泛科學院（在新分頁開啟原站）
介紹了免費版 ChatGPT、Gemini 與 Claude 的繪圖功能，並比較了它們的優缺點，幫助讀者選擇最適合自己的工具。
※ 摘要僅根據標題與說明
Wire It, Run It, Deploy It: AI Workflows in Gradio
介紹了 Gradio 內建的 gr.Workflow 功能，它將程式碼流程轉化為可拖曳的圖形介面。使用者可以將輸入、運算步驟和輸出連線成網狀結構，並透過 REST API 直接呼叫。
- 1.7 萬次觀看
※ 摘要僅根據標題與說明
【生成式人工智慧與機器學習導論2025】第 9 講：影像和聲音上的生成策略 — Diffusion/Flow-matching 系列和接龍 (Autoregressive) 這兩條世界線的交會（在新分頁開啟原站）
本講介紹 Diffusion/Flow-matching 系列與接龍 (Autoregressive) 兩種生成策略的交會，探討如何在影像與聲音領域結合應用。
3.1 萬次觀看※ 摘要僅根據標題與說明
MIT 6.S191 (2025): Deep Generative Modeling（在新分頁開啟原站）
MIT 6.S191 課程介紹了 2025 年關於深度生成式模型的教學，內容聚焦於該領域的最新發展與應用趨勢。
12.1 萬次觀看※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
最新
依發布時間
From deepfakes to DNA: the science of watermarking AI
本節目由 Google DeepMind 教授 Hannah Fry 主持，介紹了 AI 生成內容的水印技術。該技術透過隱形數學標記，確保 AI 生成的生物分子或影像可追溯來源，防止誤用，同時不影響生物功能或影像品質。
※ 摘要僅根據標題與說明
- 3.1 萬次觀看
※ 摘要僅根據標題與說明
Why Diffusion Will Win AI Inference with Inception Co-Founder and CEO Stefano Ermon
Stefano Ermon 介紹 Inception 公司如何將擴散模型應用於文字與程式碼生成，突破自回歸模型的瓶頸。他解釋了為何在推理時並行處理比串流更有效率，並分享了 Inception 的 Mercury 模型在語音助手等實際場景的…
Flow matching for Beginners | @ariG23498（在新分頁開啟原站）
本影片由 ARI 教授，從基礎開始講解流匹配（Flow Matching）概念，透過大量視覺化圖示與簡單數學，幫助讀者理解其運作原理。看完後，讀者將掌握如何訓練模型以生成影象，並了解訓練速度對結果的影響。
5,645次觀看※ 摘要僅根據標題與說明
【TAICA_生成式AI：文字與圖像生成的原理與實務】2. 呆萌型AI機器人（在新分頁開啟原站）
深入解析呆萌型 AI 機器人與函式學習機，涵蓋神經網路架構、訓練原理及實作範例。讀者將掌握從資料處理到模型訓練的完整流程，並透過實際案例理解 AI 如何學習與應用。
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
Rebuilding AUTOMATIC1111 with Gradio Workflow
介紹了 Gradio Workflow 如何重構 AUTOMATIC1111 的穩定 Diffusion WebUI。作者展示了 Workflow1111，一個包含 11 個媒體管道、73 個節點的圖形工作流，整合了文生圖、高解析度修復…
【TAICA_生成式AI：文字與圖像生成的原理與實務】1. 如何不焦慮地學AI（在新分頁開啟原站）
本影片由 NTU 教授帶領，深入解析生成式 AI 的文字與影象生成原理，並提供從基礎程式碼到實際專案的完整教學。讀者將掌握如何建立開發環境、執行 Python 程式碼，並透過提示詞工程與 AI Agent 技術，將理論轉化為實際的創作與執…
※ 摘要僅根據標題與說明
免費版 ChatGPT、Gemini、Claude 誰生圖最強？｜泛科學院（在新分頁開啟原站）
介紹了免費版 ChatGPT、Gemini 與 Claude 的繪圖功能，並比較了它們的優缺點，幫助讀者選擇最適合自己的工具。
※ 摘要僅根據標題與說明
Wire It, Run It, Deploy It: AI Workflows in Gradio
介紹了 Gradio 內建的 gr.Workflow 功能，它將程式碼流程轉化為可拖曳的圖形介面。使用者可以將輸入、運算步驟和輸出連線成網狀結構，並透過 REST API 直接呼叫。
Why Image Generation Needs More Than Bigger Models with Fatih Porikli - #773（在新分頁開啟原站）
探討生成式視覺系統中尚未解決的挑戰，包括如何透過改進訓練目標提升可控性、將場景規劃與渲染分離以增強可靠性，以及如何在邊緣裝置上高效生成高解析度影象。
※ 摘要僅根據標題與說明
