圖．文／顧哲偉 瑰藝局珠寶工藝 負責人
我們在 131 期雜誌中，曾簡單討論過「生成式 AI」是如何進行「創作」。這一期，想再把這個主題往前推，進一步談談如何透過AI 進行圖片的修改與後製，也就是所謂的AI 修圖。希望能幫助大家更快理解這些工具的運作概念，並進一步將AI 工作流程和自己的商業行銷結合起來，創造更多可能性。
< i to i >
在GPT 和Gemini 可以直接生成圖片之前，如果想利用AI 工具進行圖片的修改或後製，大部分使用的都是能夠進行「i to i」，也就是 image to image（圖生圖）的AI 工具。它的原理很簡單，就是拿一張已經存在的圖片作為基礎，再根據新的要求，把它改生成另一張新的圖片。例如將寫實照片改成卡通風格，或是局部替換顏色、材質和畫面內容；相較於「文字生圖」，圖生圖不是從零開始，而是先有一個參考對象，再往新的方向去變化。
從AI 繪圖的技術原理來看，圖生圖依然是根據「noise」和「降噪還原」的概念來生成新圖像，只是這一次要生成的新圖像，已經有一張固定的原始圖片可以作為基礎參考。因此，AI 在分析提示詞時，不是完全從空白開始理解，而是能同時參考原圖的構圖、輪廓、顏色分布和主要物件，進而產生出和參考圖「相近」的內容。若是局部修改，通常會先透過加入「遮罩」的方式，把想要修改的區塊標示出來，再針對這些區塊生成新的內容。這樣不但可以節省大量重做的時間，也能讓使用者更容易控制最後的結果。
圖生圖可以說是AI 繪圖裡非常重要的一種應用發展。它透過對生成範圍與內容方向的限制，將AI 生成技術中「生成內容」的能力，轉換成更接近傳統修圖中「依照原圖修改」的方式，替原本帶有高度隨機性的AI 繪圖加入了更明確的目標和方向，讓「品質穩定」這個對商業實務來說非常重要的追求，能夠比較實際地在AI 繪圖中實現。
< 多模態AI 修圖 >
AI 技術發展的速度總是超過人的想像。在許多藝術工作者仍持續精研圖生圖技術的同時，GPT 與Gemini 這樣的多模態AI，已經開始具備生成圖片，甚至進一步修改圖片的能力。多模態AI 就像是一個同時會「看圖」和「聽懂人話」的私人修圖助理，它不是只根據文字重新生成，也不會將圖片當成固定素材，而是會先理解原圖裡有什麼內容，再理解你提出的修改需求，進一步判斷哪些地方該保留、哪些地方該修改。
從原理上來看， 多模態AI 的修圖不是靠單一技術完成的，而是結合了圖片辨識、區域選取、遮罩、生成式模型等多種工具。GPT 和Gemini 都可以看成是多模態AI 修圖的代表，它
們都不是只會聊天的文字AI，也不是單純只會畫圖的繪圖AI，而是能同時理解文字和圖像內容，再根據兩者之間的關係生成新的結果。
多模態AI 在修圖時，不是只單純「把某一塊改掉」而已，還會同時判斷這個修改放在整張圖裡是否合理，並進一步做整體調整。例如當使用者說「把朝陽改成晚霞，但人物表情和衣服不要變」時，系統不能只是單純把天空改成橘色而已，它必須先理解黃昏通常代表什麼樣的光線方向、陰影變化和整體氣氛，並讓人物表面的受光、背景色調和整體場景看起來彼此一致，最後再依照這些條件生成符合要求的圖片。
當然，這種修圖方式也不是完全沒有問題。因為它的核心仍然建立在對語言與圖像內容的理解上，所以只要理解錯誤，或是參考資訊不足，生成結果就可能和使用者的預期不一致。例如生成一只概念性的寶石戒指通常沒有太大問題，但如果要求它替換成現實中特定的某一顆寶石，或精確保留某些設計細節，就很容易出現與參考物差異過大的情況。
不過，如果回到傳統軟體修圖的情境來看，想要在修改內容的同時強制維持整體視覺一致性，本來就不是一件容易的事；過度追求一致，有時反而也會讓成品和原圖之間產生明顯差異，甚至變得不像。因此，多模態AI 這種直接使用人類日常語言進行操作的方式，仍然大幅降低了圖片修改所需的技術門檻與經濟成本，在實際商業應用上仍具有很強的吸引力。
更多資訊請觀看實體書或電子書。原文刊登於＜台灣珠寶雜誌-132期＞，2026/03出刊。