扩散模型引入文本控制能力的技术路径。核心在于将文本编码为嵌入向量并融合进条件 UNet 模型，这是 Stable Diffusion 文生图功能的关键架构。
本节重点是为扩散模型注入文本控制能力。我们要学会利用文字描述来引导图像生成，让模型不仅能从纯噪声出发，还能结合文本信息生成目标图像。
在标准扩散模型的 UNet 训练流程里，通常只训练模型预测含噪图像中的噪声。若要实现文生图，需要调整架构，把文本作为额外输入注入到 UNet 中：
这种经过调整的 UNet 被称为条件 UNet，具体说是文本条件 UNet，因为它会依据输入文本生成图像。训练这类模型的第一步，是将输入文本编码成 UNet 能理解的嵌入向量。随后，需微调 UNet 结构，使其能接纳除图像外的文本嵌入数据。下面先来看看文本是如何被编码的。
微信公众号「极客日志V2」，在微信中扫描左侧二维码关注。展示文案：极客日志V2 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
随机生成西班牙地址（支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选），支持数量快捷选择、显示全部与下载。 在线工具，随机西班牙地址生成器在线工具，online
基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印，支持批量处理与下载。 在线工具，Gemini 图片去水印在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
