一、文字生成（Text Generation）技術

文字生成主要來自自然語言處理（NLP）與深度學習模型的發展，核心技術包括：
1. Transformer 架構
• 透過 Self-Attention 機制，模型能有效捕捉上下文關係。
2. 大型語言模型（LLM）
• 以海量文本訓練，具備語言理解與生成能力。
• 代表：GPT 系列（OpenAI）、Claude（Anthropic）、Gemini（Google）、LLaMA（Meta）。
3. 強化學習與人類回饋（RLHF）
• 結合使用者回饋，讓模型生成更貼近人類需求的內容。
4. 少樣本學習（Few-shot/Zero-shot Learning）
• 能在極少甚至沒有範例的情況下完成任務，提升通用性。

⸻

二、圖像生成（Image Generation）技術

圖像生成依靠生成模型（Generative Models），目前以 擴散模型 為主流，技術包括：
1. 生成對抗網路（GANs, Generative Adversarial Networks）
• 生成器與判別器相互競爭，能產生擬真的影像。
• 代表：StyleGAN、BigGAN。
2. 擴散模型（Diffusion Models）
• 由雜訊逐步去噪，生成符合文字描述或指定條件的影像。
• 代表：DALL·E、Stable Diffusion、MidJourney。
3. 變分自編碼器（VAE, Variational Autoencoder）
• 將影像壓縮至潛在空間（latent space），再重建或生成新影像。
• 常與擴散模型結合使用。
4. 自注意力機制於影像模型（Vision Transformer, ViT）
• 加強模型對影像中局部與整體結構的理解。