一、概念定义：什么是文生图
文生图（Text-to-Image）是人工智能生成内容（AIGC，AI-Generated Content）体系中最具代表性的一种图像创作模式，指用户以自然语言文本——通常称为“提示词”——作为输入，由预训练的生成式模型自动合成图像的过程。用户并不直接“画”出图像，而是通过描述需求、调整参数、筛选结果的方式，引导模型产出符合创作意图的视觉作品。
从创作形式上看，目前AIGC图像生成主要分为两类：
- 文生图：由文本描述直接生成图像，输入是提示词，输出是全新的图像；
- 图生图：以已有图像为基础进行风格化重构、局部重绘或扩展生成，输入同时包含图像与可选的文字描述。
两类模式中，文生图因创作门槛最低、应用最广，也是学术界与司法实务讨论最集中的形式，国内围绕AIGC著作权认定的多起代表性判例均基于这一创作形式。因此，理解文生图，既要理解它的技术实现，也要理解它引发的法律问题——尤其是“AI生成的图片是否具有独创性、能否构成受著作权法保护的作品”这一核心争议。
可以从三个视角进一步理解这一定义：
- 技术视角：文生图本质上是一次跨模态映射——把文本序列的语义信息转化为二维像素空间中的视觉表达，其底座是大规模预训练的文图生成模型；
- 使用视角：文生图是一种“人机协作”的创作方式，人负责意图表达与结果决策，机器负责视觉细节的生成与呈现；
- 业务视角：文生图是一种低门槛、高效率的图像内容生产手段，广泛用于资讯配图、营销素材、设计参考等场景。
二、背景与价值：文生图为何重要、争议何在
文生图之所以迅速普及，源于它对传统图像生产方式的两个根本改进：
- 大幅降低创作门槛：过去产出一张可用插画需要绘画技能与设计经验，现在掌握提示词写法的普通用户也能获得质量可观的图像；
- 显著提升生产效率：从需求描述到拿到候选图像通常只需数秒到数十秒，配合多轮迭代可快速逼近预期效果，内容生产的边际成本大幅下降。
但硬币的另一面是：当“机器”深度参与图像生成，传统著作权制度就遇到了新问题——AI生成的图片是不是“作品”？谁是作者？能否获得法律保护？
围绕“AI生成物能否被认定为‘具有独创性并能以一定形式表现的智力成果’”，学术界与司法实践均存在争议，国内已有判例呈现了两种不同结论：
- 支持保护的裁判思路：法院认定使用者通过提示词设计、参数调整与多轮筛选，对生成过程进行了持续的智力投入，最终图像体现了其个性化表达，具有独创性，可按美术作品获得著作权保护，并支持了相应的侵权索赔主张；
- 不予保护的裁判思路：法院认定涉案生成物独创性较低，不足以构成作品，据此驳回了权利主张。
这种分歧恰恰说明：独创性判定不是简单的“是/否”问题，而需要对创作过程中“人的贡献”进行个案审查，这也是下文展开的核心。
三、核心流程：一次完整的文生图是怎样完成的
以典型的文生图实践为例（无论基于某主流开源文生图模型，还是云平台提供的通用图像生成能力），一次完整的创作通常包含五个环节：
- 提示词设计：用文字描述画面主体、风格、构图、光线、色彩等要素，提示词越具体，生成方向越可控；
- 参数设置：配置分辨率、采样步数、引导强度、随机种子等通用参数，影响图像的精细程度与结果分布范围；
- 模型生成：模型根据提示词语义在内部表征空间中采样，输出一批候选图像；
- 多轮迭代：对比候选结果与创作意图的差距，回头修改提示词或调整参数后再次生成；
- 筛选定稿：从多轮结果中挑选最符合意图的图像作为最终作品，并按规范添加“AI生成”标识。
用伪代码可以更直观地表示这一“生成—评估—再生成”的循环：
prompt = "秋日黄昏的江南水乡，水墨画风格，低视角构图" # 提示词：主题+风格+构图params = { 分辨率: 1024, 采样步数: 30, 引导强度: 7.5, 随机种子: 20251215 } # 通用参数示例for round in 1..N: # 多回合迭代 candidates = 文图模型.生成(prompt, params) # 模型输出候选图 result = 人工评估与筛选(candidates) # 体现创作者的选择与判断 if 满足创作意图: break else: 微调 prompt 或 params # 修正方向，进入下一轮输出 result 并标注"由人工智能生成"
支撑这一流程的底层技术可概括为三步：文本编码器先将提示词转换为语义向量；生成模型从随机噪声出发逐步“去噪”，在语义向量的引导下不断向符合文字描述的图像收敛；最终输出可直接查看的位图。对使用者而言，不必深入理解数学细节，但应理解一个关键事实：模型输出的每张图都带有随机性，而“消除随机性、逼近意图”的部分，正是由人的提示词设计、参数调整与筛选决策完成的——这一点在独创性判定中具有决定性意义。
四、独创性判定：AI生成图片如何才能构成“作品”
著作权法意义上的作品，需满足属于智力成果、具有独创性、能以一定形式表现等要件。对AIGC而言，争议焦点集中在“独创性”与“智力成果”上。综合国内已有判例的裁判理由与主流学理讨论，可提炼出以下判定要点：
- 人的实质性智力投入：这是最核心的判断维度，关注使用者是否进行了有意识的提示词设计（而非随手输入一句简单指令）、是否对参数做了个性化调整、是否经过多轮生成与比较筛选。在支持保护的生效判例中，法院正是基于原告完成了“设计—调整—筛选”的完整智力投入，认定涉案图片体现个性化表达、构成受保护的美术作品；
- 个性化表达的可辨识度：最终图像应能体现出与提示词相吻合、又区别于随机结果的独特审美选择。若图像与提示词的对应关系微弱、几乎完全由模型随机决定，独创性论证将明显削弱；
- 人对生成过程的控制程度：一键生成、不加甄别的产出难以体现“创作”；经过数十轮迭代、反复修正提示词与参数并从中选定的结果，更能说明人的创作行为贯穿始终；
- 从随机到确定的“选择行为”：在大量随机候选中选定某一结果，本身也是一种创作意义上的取舍，与摄影师从连拍中选片有相通之处。
关于权利归属，支持保护的判例确立了两个重要结论：
- 使用者（而非模型）是作者：AI模型本身及其设计者并不因模型参与生成而成为作者；直接进行智力投入、操控生成过程的使用者才是作者并享有著作权；
- 使用义务：以AI生成内容对外提供时，应显著标注其AI生成属性，避免使公众对创作来源产生混淆。
五、相关概念辨析
- 文生图与图生图：前者由文本驱动、从零生成；后者以已有图像为基底，独创性判断之外还需考虑基底图像的权利来源——若基底是他人享有版权的作品，图生图结果可能引入侵权风险；
- AIGC与传统数字作品：传统作品的独创性体现在作者直接驾驭表达工具（画笔、相机、绘图软件）的过程；AIGC的独创性体现在“指挥与筛选”模型的过程。两者保护逻辑相同，但举证方式不同；
- 提示词与生成图像：提示词作为文字表达，在满足独创性要求时可能单独构成文字作品，但文生图场景下通常寻求保护的对象是最终图像；提示词更接近“创作方案”，图像才是“表达结果”；
- 独创性与模型先进性：法律上是否构成作品与所用模型的先进程度无关。使用更强的模型不必然使产出获得保护，使用基础模型也不妨碍使用者通过充分智力投入获得保护。
六、典型应用场景
- 资讯与自媒体配图：为文章快速生成主题匹配的插图，降低配图成本；
- 营销与电商素材：批量产出海报初稿、活动物料与氛围图，再由设计师精修；
- 设计与创意辅助：在项目前期快速探索风格方向、生成概念草图，提升沟通效率；
- 游戏与影视前期：概念设定、场景氛围图的低成本试错；
- 教育与演示：为课件、报告生成示意图；
- 企业级集成：企业可借助云平台的通用AIGC能力（如图像生成、内容审核、对象存储等），把文生图能力嵌入自有内容生产管线。例如，百度智能云提供的图像生成与内容安全等通用能力，可用于构建企业内部合规的AIGC生产流程。
七、使用注意事项
- 合规标注义务：对外发布AI生成内容时应显著标明，避免误导。已有判例将“未经许可使用他人AI生成图片并去除署名水印”认定为侵害署名权与信息网络传播权，判令公开赔礼道歉并赔偿经济损失；
- 权属与授权确认：使用开源模型或云上服务前，应阅读对应服务条款，确认生成物的商用授权范围与权益归属约定；
- 侵权风险防控：提示词应避免指向特定在世艺术家风格、受版权保护的角色形象等高风险要素，生成结果应与既有作品做必要的相似性自查；
- 留存创作过程证据：保存提示词文本、参数配置、各轮候选图与筛选记录。一旦发生权属争议，这些材料是证明“人的智力投入”与独创性的关键证据；
- 内容安全与质量控制：企业级应用应接入内容审核能力过滤违规内容，并保持人工终审，防范事实性错误与风格失控；
- 关注司法标准演进：文生图独创性判定仍处于发展期，不同法院、不同案件的认定标准可能存在差异，涉及重大商业利益时建议咨询专业法律意见。
八、总结
回到定义本身：文生图是以自然语言提示词为输入、由生成式模型合成图像的AIGC核心创作模式，其技术本质是文本语义到视觉表达的跨模态映射，其使用过程是“人定意图、机生细节、人做取舍”的人机协作。它显著降低了图像创作门槛，但也把“独创性从何而来”这一法律问题推到了台前。现有司法实践给出的基本框架是：模型本身不是作者，充分、持续、可证明的人类智力投入与个性化表达，是AI生成图片获得著作权保护的关键；与此同时，显著标注AI属性、尊重他人权利、留存创作证据，是每一位使用者应当遵守的底线。对开发者和创作者而言，理解文生图，既是理解一项技术，也是理解一种新的创作秩序。