扩散模型（2026.08.25）

概念编号：092

一句话理解

扩散模型先学习如何把内容逐步变成噪声，再学习从噪声中逐步还原出符合条件的新内容。

具体解释

生成时，模型从随机噪声开始，在文字、图片或其他条件的引导下多步去噪，最后得到图像、音频或视频。步数、采样器、条件控制和模型训练都会影响结果。

边界与易混淆概念

• 扩散模型不是所有生成式 AI：语言模型通常采用逐 Token 生成等路线。
• 逐步去噪不等于简单滤镜：模型学习的是高维数据分布。
• 生成质量不只取决于架构：数据、条件控制、采样和后处理都很重要。

例子

文生图工具根据“雨夜中的城市”从噪声逐步生成一张图像，常见于扩散模型路线。

相关概念

• 媒体生成（2026.08.25）
• 生成式AI（2026.08.25）
• 多模态（Multimodal）（2026.08.24）

来源

• Denoising Diffusion Probabilistic Models

概念卡更新日志

• 2026.08.25｜创建概念卡：依据媒体生成中的扩散模型路线，登记为 092。