图片参考模式依赖图像提取视觉特征，适合高保真复现；描述模式基于文本语义重建画面，适合抽象表达。二者在输入结构、控制粒度和参数调节上存在本质差异。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用可灵AI进行图像生成时不确定该选用图片参考还是纯文字描述，可能是因为两种输入方式在底层逻辑与适用场景上存在本质差异。以下是二者核心区别的具体说明：
一、输入结构与信息来源不同
图片参考模式依赖一张或多张真实或生成的图像作为视觉锚点，AI将从中提取构图、主体比例、光影方向、材质质感、色彩倾向等具象视觉特征；描述模式则完全基于文本语义，由AI从训练数据中匹配并重建符合语言逻辑的画面，不绑定任何特定图像实例。
1、图片参考模式必须上传至少一张本地图片，系统会自动分析其短边分辨率（要求≥300px）、主体完整性及背景干扰程度；
2、描述模式仅需输入中文或英文提示词，无需任何图像文件，支持实时编辑与多轮迭代；
3、当启用“多图参考”功能时，最多可上传4张图片，并对每张图单独框选目标主体，使AI分别提取不同图中的角色、服装、场景或道具元素。
二、控制粒度与一致性保障机制不同
图片参考模式通过像素级视觉约束实现高保真复现，尤其适用于需要严格保持人物脸型、服装纹理、道具样式或镜头视角的连续性任务；描述模式依赖提示词工程的精确性，对抽象概念（如情绪、氛围、隐喻）表达更灵活，但易出现主体漂移或细节失真。
1、在图生视频流程中，若需确保同一人物在多个镜头中发型、耳饰、袖口褶皱完全一致，必须使用图片参考模式并开启“主体参考”选项；
2、若目标是生成“宋代文人在竹林中抚琴”的意境画面，而无现成参考图，则描述模式更高效，可组合使用“南宋院体画风”“青绿设色”“薄雾远山”等风格关键词；
3、启用“局部参考”功能后，可在单张参考图中仅框选脸部区域，使AI专注还原表情神态，而忽略背景杂乱信息，该能力仅在图片参考模式下可用。
三、模型响应逻辑与参数调节维度不同
图片参考模式引入“参考图影响强度”滑块参数，取值范围为0–100，数值越高，生成结果越贴近原图结构，但创意自由度相应降低；描述模式则依赖“提示词权重分配”，例如用括号强调“(高清皮肤纹理:1.3)”可提升对应特征的渲染优先级。
1、在可灵AI界面中，选择图生视频后，系统默认显示“参考图影响强度”调节条，初始值为75；
2、切换至文生图模式时，该滑块自动隐藏，取而代之的是“风格强度”“写实度”“构图引导”三项独立参数；
3、当同时启用多图参考与文字描述时，AI会优先对齐各图中被框选主体的空间关系，再依据提示词驱动动作变化与环境融合，此时提示词中必须明确写出“角色A走向角色B”“道具C悬浮于场景D上方”等空间指令。
