扩散模型（Diffusion）
Diffusion Model
通过学习如何从噪声逐步还原数据来生成图像、音频等内容的一类生成模型。
先用人话理解
训练时把清晰样本一步步加噪，直到接近纯噪声；模型学会预测或去除每一步的噪声。生成时从随机噪声出发，反复去噪，得到新样本。DALL·E 2、Stable Diffusion、许多视频模型都建立在这条路线上。
为什么重要
扩散在样本质量与训练稳定性上推动了生成式视觉进入产品级，并成为多模态创作工具的默认骨干之一。
常见误解
扩散不是“从零记住一张图再播放”，而是学习噪声到数据的迭代映射。
文生图产品里的提示词与安全过滤属于系统层，不等于扩散方程本身。