文生图模型
以文本提示为输入、直接输出图像的生成式AI模型，通常基于扩散模型或自回归Transformer架构。
时间轴 (近 90 天)
文生图模型生成自拍时，角色一致性通常依靠参考图或角色LoRA来约束。
多数文生图模型的提示词长度上限为77或225 Tokens。
对平台型公司而言，是否自研文生图模型决定了其能否在推理成本、输出风格和领域适配上有自主调整空间。
传统文生图输出的是扁平化位图，用户难以拆分元素、调整文字或替换局部素材。
传统文生图模型输出的是像素结果，缺乏可寻址的内部结构，任何修改都只能整图重绘。
生成模型的一致性能力受制于训练数据中角色概念的分布，而非模型对某个特定人物的真实记忆，因此文生图模型通常只能保持高层语义特征（如发色、服装类别），对精细面部比例、左右对称性和微小配饰的保持较弱。
现代图像模型的核心能力在于理解抽象、隐晦甚至带有隐喻的提示词，这种语义泛化能力成为安全系统的软肋，攻击者可通过看似无害的日常描述、文学隐喻或分步生成策略让模型自行生成敏感内容。
EmoGenie 为文生图模型的情感可控性提供了可量化的检验工具，并可用于审视 MLLM 作为 AI 评委的可靠性。
文生图模型对文本的理解方式与对话模型不同，更依赖具体的视觉要素而非抽象感受。
当前主流文生图模型以图像-文本对为基础训练，更擅长识别具象视觉描述词而非抽象情感或比喻，遇到隐喻会优先抓取最直接的视觉元素生成
还有 1 条时间轴事件
全部知识事实 (11)
文生图模型生成自拍时，角色一致性通常依靠参考图或角色LoRA来约束。
50%待验证多数文生图模型的提示词长度上限为77或225 Tokens。
50%待验证对平台型公司而言，是否自研文生图模型决定了其能否在推理成本、输出风格和领域适配上有自主调整空间。
50%待验证传统文生图输出的是扁平化位图，用户难以拆分元素、调整文字或替换局部素材。
50%待验证传统文生图模型输出的是像素结果，缺乏可寻址的内部结构，任何修改都只能整图重绘。
50%待验证生成模型的一致性能力受制于训练数据中角色概念的分布，而非模型对某个特定人物的真实记忆，因此文生图模型通常只能保持高层语义特征（如发色、服装类别），对精细面部比例、左右对称性和微小配饰的保持较弱。
50%待验证现代图像模型的核心能力在于理解抽象、隐晦甚至带有隐喻的提示词，这种语义泛化能力成为安全系统的软肋，攻击者可通过看似无害的日常描述、文学隐喻或分步生成策略让模型自行生成敏感内容。
50%待验证EmoGenie 为文生图模型的情感可控性提供了可量化的检验工具，并可用于审视 MLLM 作为 AI 评委的可靠性。
50%待验证文生图模型对文本的理解方式与对话模型不同，更依赖具体的视觉要素而非抽象感受。
50%待验证当前主流文生图模型以图像-文本对为基础训练，更擅长识别具象视觉描述词而非抽象情感或比喻，遇到隐喻会优先抓取最直接的视觉元素生成
50%待验证AI生成的美食图常出现概念混淆问题，如生成甜甜圈虾等怪异杂交产物，源于模型在潜在空间中将不同物体的视觉属性互相干扰
50%