将文本生成模型与文本到图像模型相结合，可以开发出强大的 AI 系统，能够根据输入的提示词生成视觉内容。这种集成可以通过协作框架来实现，其中文本生成模型根据输入文本为文本到图像模型生成提示词。
以下是该流程的工作原理：
-
输入文本处理：输入文本被提供给系统，可以是简单的句子，也可以是多个段落。该文本作为生成视觉内容的基础。
-
提示词生成：文本生成模型根据输入文本生成提示词。这些提示词经过专门设计，用以引导文本到图像模型生成与输入文本上下文相关的图像。提示词可以包括描述、关键字或其他线索，用以引导图像生成过程。
-
内容审核：可以采用文本分类模型来确保生成的资产符合内容政策。
-
文本到图像模型：文本到图像模型将文本生成模型生成的提示词作为输入，并生成相应的图像。文本到图像模型学会将文本描述转化为视觉表征，旨在捕获输入文本所表达的实质和上下文。
此类 AI 模型组合的示例用途可用于为营销、出版、演示文稿等生成视觉资产。
- 客户端上传：向 API 端点发送包含内容的 POST 请求。
- 提示词生成：通过调用 Workers AI 文本生成模型（以内容作为输入）为后期的文本到图像模型生成提示词。
- 安全检查：通过调用 Workers AI 文本分类模型（以之前生成的提示词作为输入）来检查是否符合安全指南。
- 图像生成：通过调用 Workers AI 文本到图像模型（使用之前生成的提示词）生成图像。