這不是一個讓人打開網頁、寫一句話就下載圖片的工具。百度智能雲 AI 作畫是基於文心大模型的文生圖服務，賣給開發者：給它一段文字，它回傳一張或多張圖片，中間透過可以接進業務流程的介面。定位本身就是重點。產品分多個版本，其中高級版已經正式商用，把自家文生圖系統「文心一格」的能力開放成了開發者介面。

從自家引擎到開發者介面

文心一格是基於知識與大模型打造的文生圖系統，綜合運用知識圖譜、跨模態生成與編輯模型。官方產品說明寫明，高級版正是接入這套引擎的產品線，既支援文生圖，也支援基於參考圖的文生圖，並提供更豐富的風格（藝術創想、唯美二次元等）與更精美的畫面品質。開發者平台對它的描述是「國內技術自研、基於大模型的通用且可控的文生圖系統」，可依自然語言智慧生成不限定風格的圖像。

一句話變一張圖

基礎用法就是文字直接出圖。官方範例按中國藝術、動漫設計、電商設計、遊戲製作、工業設計、圖庫素材、插畫設計、行銷設計等方向給了參照，風格跨度很大：一邊是水墨山水這類傳統題材，另一邊是二次元人物與商業產品圖。對需要國風、或需要一整套物料風格統一的團隊來說，這個跨度決定了它能覆蓋的場景有多寬。

拿一張參考圖把調性帶過去

除了純文字，還支援參考圖作畫：上傳一張參考圖片，再配合文字描述，模型會把參考圖的風格與構圖搬到新圖上。官方範例裡，一張真人與機器人在艙內對著筆電的照片，經過參考圖重繪之後，輸出的是同構圖的動漫風格畫面。這在需要統一視覺風格的系列物料裡很實用：給定一張定調圖，後面幾十張都可以沿著同一套風格走，不必每次從零描述風格。

改一句話就能改圖

高級版支援文字驅動的圖像編輯，而且可以多輪互動。官方範例給的是一個直觀的對比：同一片湖面日落，只調整描述文字，畫面裡就多出一堆營火。也就是說，畫面微調不必重寫一整段提示詞，改一句再生成即可，這在反覆打磨同一張圖的場景下能省下不少時間。

給開發者：兩個介面搞定一次出圖

官方 API 說明寫明，高級版涉及兩個介面：提交請求與查詢結果。提交請求接收文字、解析度、數量、參考圖等參數，建立任務並回傳任務 ID；隨後用查詢結果介面查看生成狀態，圖片出好後即可拿到圖片位址連結。參數上，高級版提供兩個模型版本、九種圖片尺寸，單次最多可生成八張圖片。這種「提交加輪詢」的非同步設計適合批次出圖：一次提交多張，再按任務去取結果。

240 億參數的知識增強擴散模型

官方資料把技術路線概括為「知識增強擴散模型」：在學習過程中融入語言、視覺、跨模態等多源知識，讓生成圖像在語意一致性上更穩，參數規模達到 240 億。另一個細節是基於知識的提示詞學習——模型會自動把簡短的提示詞擴充成包含風格、構圖與視覺要素的更完整描述。對不擅長寫提示詞的人來說，這層自動補全能明顯降低上手門檻。

用在什麼地方

官方列出的落地方向覆蓋很廣：國風插畫、動漫設計、遊戲製作、電商設計、插畫設計、行銷設計、圖庫素材、工業設計。其中典型的是電商與行銷——商品圖、節日海報、社群配圖這類高頻、量大、又要風格統一的物料，正好適合用介面批次產出。

成本與邊界

高級版按「點」計費。官方資源包價格表顯示，基礎尺寸在第一版模型下每張消耗兩點、第二版三點，高級尺寸則分別是四點與六點；資源包買得越大單價越低，二十萬點檔位折合每點約一角四分，付費後的預設並行數為兩路。有兩點需要提醒：一是價格與活動會調整，選型前建議以官方控制台的實際報價為準；二是生成模型本身存在隨機性，輸出內容的準確性與安全性無法完全保證，正式接入前最好先做一輪小批次測試。如果畫面裡需要出現中文字，也建議先驗證文字渲染的準確度。

一句話收尾：它不是又一個「AI 畫圖網站」，而是把文心一格的文生圖能力做成了可呼叫的服務——文生圖、參考圖作畫、文字驅動編輯三條路都通，按點計費、單次最多八張，適合需要批次出圖並接進自有系統的團隊。