img2img
img2img 是创作者对图生图流程的短称呼。本工作区就是该循环——参考进、编辑图出。
若你已从 Stable Diffusion 等工具熟悉 img2img：改动强度来自提示与模型选择，并以上传图为锚点。
想要托管工作区、按积分选模型而不是本地跑权重时，用这里的 img2img。先用 Nano Banana 做便宜草稿，需要更准跟提示再用 GPT-4o Image。
新用户仍有 6 积分可先试 img2img 再付费。
从本地 SD 转到这里的 img2img 提示
本站没有每个本地 UI 都有的数值化 denoise 滑条。请这样迁移习惯：
- 把「低 denoise」理解成提示里写很多保留约束（脸、服装、机位），并先用便宜模型（Nano Banana，3 积分）。
- 把「高 denoise」理解成更少保留约束、更明确的场景重写；预期漂移更大，预留第二次运行。
- 桌面端的 seed 锁定不是这里的主控——改用同一参考文件 + 保存提示词迭代。
- 多参考 / ControlNet 式堆叠更适合 Nano Banana 的高参考上限（最多 10），而不是 GPT-4o Image（1 张）。
- 同一提示批量试 Flux Kontext（4 积分）应在 Nano Banana 验证措辞之后，不要用 6 积分模型做第一次猜测。
FAQ
img2img 和 image to image 是两回事吗？
不是——img2img 只是同一类流程的社区简称。
用 img2img 要安装软件吗？
不用。浏览器登录并用积分即可。
img2img 第一次该选哪个模型？
先用 Nano Banana 廉价熟悉循环，再按需要试 Flux Kontext 或 GPT-4o Image。
img2img 的 denoise 强度在哪里？
本页没有单独 denoise 旋钮。把强度写进提示的保留/改动分工，并体现在模型选择上。
能加载自己的 LoRA 吗？
不能上传自定义 LoRA。只能使用工作区列出的托管图像模型。
支持蒙版局部重绘吗？
本工作区是整图参考 + 提示的图生图。此 URL 未单独提供蒙版 inpaint 工具。