父亲节刷屏的"穿越时空合影"，AI 到底在干什么？3 分钟讲清图像生成

大家好，我是程序员晚枫（Wayne Liu）。

父亲节刚过，你的朋友圈是不是被一波"穿越时空合影"刷屏了？上传一张爸爸年轻时的照片，AI 就帮你"穿越回 30 年前"和爸爸合影。

这背后用的什么技术？今天用 3 分钟讲明白——不用任何技术背景。

一句话看完

腾讯元宝上线了一个"父亲节穿越合影"活动：上传爸爸年轻时的照片 + 你的照片 + 一句提示词，AI 帮你生成"和年轻爸爸的合影"。

核心信息：

上传 2 张图：爸爸年轻时 + 你
输入一句提示词（参考官方模板）
AI 输出：穿越时空的合影
关键约束："保留爸爸的照片背景、动作及五官；人物姿态自然协调；整体光线与色调保持一致"

官方原文提示词：

帮我生成一张和爸爸的合影，将图 2 的我融合到图 1 爸爸的照片中，我想穿越回 30 年前，和他一起**__**；保留爸爸照片的背景、动作及五官；人物姿态自然协调，整体光线与色调保持一致。

30 秒科普：AI 是怎么"看懂"和"画出来"一张图的？

很多人以为 AI 看图 = 人看图。其实完全不一样。

第一步：AI 怎么"读"你的照片？

AI 不是看到"爸爸的轮廓 + 五官 + 表情"，而是把图片切成几万个像素块（patch），每个 patch 转成几百个数字（一串浮点数，叫 embedding）。

这一串数字表达了：

这个位置大概是什么颜色
是什么质地（皮肤 / 头发 / 衣服 / 背景）
和周围像素的关系

所以 AI 眼里的"爸爸照片"不是一张图，而是一长串数字。

这个过程叫 Vision Encoder（视觉编码器）——把图变数字。

第二步：AI 怎么"理解"提示词？

你说"穿越回 30 年前"。AI 同样把这句话切成 token（字/词），每个 token 转成另一串数字（语言 embedding）。

所以"穿越"+"30 年"+"前"+"合影" 这几个词，在 AI 眼里是几个数字组合。

第三步：AI 怎么"画"出新图？

这是最神奇的一步：Diffusion（扩散模型）。

简单说：

从一张纯噪声图（像旧电视雪花）开始
根据"爸爸照片数字 + 提示词数字"，一步步去噪
每一步去掉一点噪声，加一点像爸爸 + 像穿越的内容
大约 30-50 步后，从纯噪声"长"出一张新图

这就是为什么叫"扩散"——从无序扩散中长出有序图像。

完整链路

你的照片 + 你的照片 → 切成 patch → 转数字
提示词文字 → 切成 token → 转数字
                ↓
        数字 + 数字 对齐理解
                ↓
        从纯噪声开始去噪 30-50 步
                ↓
        "穿越时空合影"成图

5 个提示词诀窍（人人都能用）

官方提示词只是模板。你只要改"穿越回去做什么"那一行，就能控制画面：

诀窍 1：场景越具体，AI 越准

1
2
3

❌ 帮我穿越回去和他一起玩
✅ 帮我穿越回到 1998 年夏天的院子里，
   和他一起坐在藤椅上吃西瓜

→ 加上"1998 年"、"院子"、"藤椅"、"西瓜"这些名词和年代，AI 就能锁住画面细节。

诀窍 2：告诉他"做什么动作"

1
2
3

❌ 帮我回到过去
✅ 帮我回到 1995 年春节，
   他抱着 5 岁的我放鞭炮

→ 动作越具体（"抱着"、"放鞭炮"），AI 生成的人物姿态越自然。

诀窍 3：让他"穿着什么"

1 2	✅ 帮我穿越回 1985 年，他穿着白衬衫蓝裤子教我骑二八杠自行车

→ "白衬衫 + 蓝裤子 + 二八杠自行车" 这些视觉锚点让 AI 直接锁定。

诀窍 4：光线 / 色调 / 画风（高级玩法）

1	✅ 复古暖色调，电影胶片质感，浅景深

→ 这种摄影词汇是 AI 图像生成的"魔法词"。很多专业做 AI 图像的人都会加这一行。

诀窍 5：让 AI "保留"原图特征

官方提示词最后那句：

保留爸爸照片的背景、动作及五官；人物姿态自然协调，整体光线与色调保持一致

→ 这一句是灵魂。不写这一句，AI 经常会把爸爸"画"成另一个人的样子。

晚枫点评

这个活动为什么刷屏？不是因为 AI 多厉害，而是因为"AI 帮我做了一个我做不到的事"。

普通人不会用 Midjourney、Stable Diffusion
但腾讯元宝把门槛降到：会上传照片 + 复制粘贴一句话
加上"父亲节"的情感触发点，瞬间破圈

这是 AI 走向大众的标志性事件。

类似的，未来 1-2 年你会看到更多：

"上传宝宝 B 超图，AI 预测长相"
"上传老照片，AI 修复 + 上色"
"上传一段话，AI 生成 30 秒短视频"

核心规律：AI 工具爆款 = 高频情感场景 × 一句话交互 × 大厂流量。

教程：3 步你也做一个（5 分钟）

不需要腾讯元宝，任何 AI 图像工具都能做：

Step 1：准备 2 张照片

爸爸年轻时的照片（清晰的正脸）
你现在的照片（清晰正脸）

Step 2：打开 AI 图像工具

国内：腾讯元宝 / 文心一格 / 通义万相
国外：Midjourney / Stable Diffusion（需科学上网）

Step 3：输入官方提示词（套模板）

复制这段，把 __ 改成具体场景：

帮我生成一张和爸爸的合影，将图 2 的我融合到图 1 爸爸的照片中，
我想穿越回 30 年前，和他一起打篮球；
保留爸爸照片的背景、动作及五官；
人物姿态自然协调，整体光线与色调保持一致。

就这样，5 分钟出图。

参考资源

资源	链接	说明
腾讯元宝活动原文	https://mp.weixin.qq.com/s/xrTg2Bdy3FF3gn3C_gVBJQ	公众号原文 + 官方提示词
AIHOT 永久页	https://aihot.virxact.com	原始热点聚合
Hugging Face 图像模型	https://huggingface.co/models?pipeline_tag=text-to-image	开源图像生成模型