待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

AI视频生成进化史：从Will Smith吃面翻车到电影级画质

相关事实

已验证CLIP通过最大化匹配图文对之间的余弦相似度、最小化不匹配图文对之间的余弦相似度，将图像编码器与文本编码器联合训练至同一语义空间74% 相似已验证文本到图像的转换依赖于CLIP等多模态模型，将文本描述编码为向量来引导去噪过程69% 相似待验证文本指令通过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69% 相似已验证CLIP、T5等文本编码器负责将自然语言转化为模型可理解的向量表示，是决定提示词遵从度的关键模块67% 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66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/699337

API

curl https://kongchang.com/api/v1/knowledge/claims/699337

MCP

get_claim(id=699337)