文章摘要
从 Diffusion 模型到 GAN，掌握 AI 图像、音频、视频生成技术。理解 Stable Diffusion 的原理，学会用 ControlNet 精确控制生成结果。
0什么是生成式 AI？
判别式 AI：判断一张图是猫还是狗。
生成式 AI：给你画一只猫。
2022 年 Stable Diffusion 开源，2023 年 DALL·E 和 Midjourney 爆发，2026 年 AI 视频（Sora、Veo）成为现实。生成式 AI 已经从"好玩"变成"好用"。
2学习建议
重点： Diffusion 模型——这是当前最主流、最实用的生成技术。
实战： 用 Stable Diffusion + ControlNet 生成一张你指定构图和姿势的图片。
💡 一句话理解
💡 先学会用 Midjourney 或 Stable Diffusion WebUI，再深入理解背后的数学原理。
架构图示 1
架构图示 2
🎯 相关面试题
巩固本篇知识点，备战 AI 岗位面试。
- 中级概念查看详解 →
生成对抗网络（GAN）与扩散模型有什么区别？
GAN 靠生成器与判别器对抗一步采样，快但训练不稳、易模式坍缩；扩散模型靠多步迭代去噪生成，质量高、多样性好，但采样较慢。
- 高级系统设计查看详解 →
如何设计全模态视频生成模型的评估基准？
全模态视频生成模型的评估需覆盖画面质量、音画一致性、时序连贯性、品牌保真度、成本效率五个维度，且需区分编辑与从零生成两类任务。
- 高级概念查看详解 →
3D 生成（NeRF / 3D Gaussian Splatting）是什么？
NeRF 用 MLP 拟合体密度与颜色靠体渲染（慢）；3D Gaussian Splatting 用显式高斯点光栅化（快、可实时）。
- 高级概念查看详解 →
自回归图像生成（如 VAR）与扩散模型有何区别？
自回归图像生成按 token/尺度序列预测（VAR 用 next-scale prediction），扩散用迭代去噪，二者路线不同。