AI 繪圖與視覺創作不是只有「生一張圖」。完整工作流通常是：先選工具 → 寫 prompt → 生成與挑圖 → 去背 / 修圖 → 放進簡報、社群或影片字幕流程。這篇用工具、prompt、修圖、影片四段來看，避免只學到單一工具名。
AI 視覺工具這兩年大幅進化，從「自己截圖配文字」的時代，走到「日常配圖大半交給 AI」的階段。這篇是 2026 年的 AI 視覺創作總覽：哪些工具值得花時間學、實際工作流長什麼樣、目前 AI 還做不到哪些事。
工具到成品的四段式導覽
| 階段 | 主要問題 | 優先工具 / 文章 |
|---|---|---|
| 選工具 | 要風格、速度、中文 prompt，還是免費？ | AI 繪圖工具比較 |
| 寫 prompt | 怎麼讓圖穩定、不像 AI？ | AI 繪圖 Prompt 技巧 |
| 修圖 / 去背 | 背景、邊緣、產品照怎麼處理？ | AI 去背教學 |
| 影片 / 字幕 | 圖片之外，影片後製哪裡最省時？ | 剪映 AI 字幕教學 |
如果你只是要部落格封面，Gemini / ChatGPT + 結構化 prompt + 最後 Figma 補字就夠。若要連影片一起做，剪映字幕和 AI 配音才會進 workflow。
2026 年 AI 繪圖工具：哪些值得花時間學
這個領域工具多到爆，但真正值得花時間學的只有幾個。下面這份短名單覆蓋目前主要的圖片生成工具和一個影片字幕工具。
AI 繪圖工具比較：五大工具一覽
| 工具 | 操作方式 | 強項 | 弱項 | 價格 |
|---|---|---|---|---|
| Midjourney | Discord / 網頁 | 藝術風格多、社群生態成熟 | 學習曲線陡 | $10-60/月 |
| Gemini（Nano Banana Pro / Nano Banana 2） | 網頁 / API | 品質高、指令理解力強、速度快 | 偶爾拒絕生成、風格偏寫實 | 免費 / 付費 |
| ChatGPT 內建生圖（GPT Image 2.0） | ChatGPT 對話 | 跟 ChatGPT 整合方便 | 風格偏卡通、細節控制弱 | ChatGPT Plus 內含 |
| Canva AI | Canva 編輯器 | 門檻最低 | 品質差、色彩詭異 | Canva Pro 內含（$12.99-15/月） |
| Stable Diffusion | 本機 / 雲端 | 完全免費、可微調模型 | 要懂技術、吃顯卡 | 免費（硬體另計） |
三個主流繪圖工具的深度比較整理在 AI 繪圖工具比較｜Midjourney vs Gemini vs ChatGPT 生圖。
順帶一提，Gemini 的生圖背後是 Google 的 Nano Banana 系列模型，一路迭代：2025 年 8 月推出 Nano Banana（Gemini 2.5 Flash Image），2025 年 11 月的 Nano Banana Pro（Gemini 3 Pro Image），到 2026 年 2 月官方命名 Nano Banana 2（Gemini 3.1 Flash Image）。在 Gemini 網頁上點生圖，底下跑的就是 Nano Banana 系列模型，實際版本以官方公告為準。所有 Google 生成的圖片會嵌入 SynthID 浮水印。
一個能跑的工作流程
從想圖到完成的標準流程：
第一步：想清楚要什麼。 打開 Gemini 直接亂試是最容易讓結果飄的做法。先在腦袋裡（或筆記裡）寫下：這張圖要放在哪、讀者看到會聯想什麼、風格要跟文章搭不搭。如果想快速生成，可以先跟 AI 對話再另外貼入 prompt 去生成。
第二步：寫 prompt + 附參考圖。 Prompt 的結構拆成四個部分：主體、風格、構圖、細節約束。參考圖非常重要，尤其是畫特定角色的時候。例如品牌企鵝角色如果不附參考圖，AI 很容易把嘴巴畫成黃色尖嘴（學習資料裡真企鵝大多如此）。
第三步：生成 + 挑選。 一次生 3-4 張，挑一張最接近的。
第四步：手修。 AI 產出的圖約八成會有小問題：文字模糊、某個元素歪掉、配色跟品牌色不搭。直接指示 AI 或用 Figma 等圖片編輯器做最後調整。
整個流程一張圖大概 5-15 分鐘。比起以前去圖庫找免費素材再自己改快了很多。跟請設計師比品質還是有差距，特別是需要精準對齊品牌規範的場合。
AI 繪圖 Prompt 是成敗關鍵
「畫一隻企鵝在用電腦」這種隨性 prompt 出來的東西每次都不一樣，品質也不穩定。改成結構化 prompt 之後，成功率能大幅提升。
統計各大官方文件，可以歸類為是四個關鍵要素：
- 主體描述：要畫什麼，越具體越好
- 風格指定：水彩、3D、像素風、彩色鉛筆
- 構圖說明：鏡頭角度、留白位置、比例
- 反面約束：不要什麼（黃色嘴巴、過度飽和的顏色）
prompt 的寫法和 Gemini 的實際指令範例整理在 AI 圖片生成 Prompt 技巧。
延伸教學 TL;DR：工具 → prompt → 修圖 → 影片
工具比較：Gemini 快、Midjourney 風格強、ChatGPT 順手
AI 繪圖工具比較的結論是按場景切換工具，排出一個總冠軍反而沒什麼意義。Gemini 對中文 prompt 和日常配圖最省力，Midjourney 在強風格插畫與社群視覺仍有優勢，ChatGPT 適合已經在對話裡討論內容、順手生成與修改。Canva AI 不建議當主力生圖，但 Canva 本身仍是最後排版與社群格式轉換的好工具。
Prompt：四層結構比形容詞堆疊有用
AI 繪圖 Prompt 技巧把提示詞拆成主體、風格、構圖、約束。這比「高級感、科技感、專業感」穩得多。主體說清楚角色與場景，風格指定彩色鉛筆 / 水彩 / 平面插畫，構圖寫比例與留白，約束補上不要文字、不要過度飽和、不要黃色尖嘴。
修圖去背：不要每張圖都開 Photoshop
AI 去背教學補的是生成後處理。ChatGPT / Gemini 可直接對話式去背，日常社群圖和簡報插圖夠用；remove.bg 毛髮邊緣更穩，PhotoRoom 適合電商產品圖，Canva 適合已經在設計流程裡的人。
影片字幕：創作者最省時間的 AI 視覺環節
剪映 AI 字幕教學是圖片之外最值得放進視覺創作 hub 的工具。影片後製最耗時的環節是字幕辨識、校對、時間軸，遠超過調濾鏡。剪映能把中文、台語、中英夾雜音軌先轉成可改字幕，再匯出 SRT 交給大模型校對。
Canva AI：為什麼不推薦
「都有 Canva Pro 了，直接用它的 AI 不就好了」是常見的想法。但實際使用會碰到幾個問題：顏色會出現莫名其妙的漸層、人物的肢體比例經常崩壞、整體有一種很「AI 範本」的塑膠感。試一陣子之後，挑選和修圖的時間比直接用 Gemini/ChatGPT 重新生成還多。
Canva 的強項在快速生成與排版/設計範本，AI 圖片生成不是它的主場。
Logo 和品牌圖：AI 做不到的事
精確的品牌 logo 目前 AI 還做不好。用各種工具生成 logo，出來的東西看起來都「差不多但不對」：線條不夠乾淨、比例每次不一樣、顏色沒辦法精準指定到色號。
實務上的解法是 Figma 手動畫。logo 這種東西需要像素級的控制，AI 擅長的是「大方向對、氣氛對」，細節精準度還差得遠。社群配圖、部落格封面、簡報插圖，AI 夠用。名片、品牌識別系統、需要印刷的東西，建議用專業設計工具。
剪映 AI 字幕：影片創作者的隱藏神器
圖片以外，最值得提的 AI 視覺工具是剪映的自動字幕。它的音軌轉字幕準確度高到讓人意外，中文不用說，連台語都能辨識，中英夾雜的訪談音軌也能抓得七七八八。
操作很簡單：丟進音軌 → 按一下自動辨識 → 微調錯字 → 匯出。全程大概比手打字幕快十倍。
詳細的操作流程和台語辨識實測：剪映 AI 字幕教學｜連台語都能自動辨識。
AI 配音：剛起步的領域
ElevenLabs、Play.ht 這些工具品質已經接近真人。中文和日文的自然度還沒英文穩定，但持續在追上。
剪映本身有 AI 配音功能，但聲音偏機械感，跟 ElevenLabs 的 demo 比差了一截。對文字 + 圖片為主的內容創作，AI 配音不是必要工作流。對影片導向的內容生產，這是下一個值得關注的領域。
踩坑紀錄
品牌角色的五官問題
特徵跟訓練資料不同的角色，AI 容易畫錯。例如品牌企鵝有橘色圓嘴，但 AI 大概每三張就有一張會把嘴巴變成黃色尖嘴。原因是模型訓練資料裡企鵝的嘴巴大多是黃色尖的。解法是每次 prompt 都強調「orange rounded beak」，再附上參考圖。加了之後成功率明顯上升，但還是偶爾會跑掉。
風格一致性
做系列圖最頭痛的問題。同一個 prompt 跑兩次風格可能完全不一樣。在 prompt 裡指定非常詳細的風格參數效果有限。可行的做法是一次把同一批圖全部生完，靠同一個 session 內的一致性。隔天再補生，就要重新附參考圖。
文字渲染
AI 生圖的文字渲染到 2026 年還是不穩定。英文短文字勉強可以，中文幾乎必壞。可行做法是圖片上的文字全部在 Figma 後製加上去，不靠 AI 生成。
小企鵝的經驗
小企鵝最早接觸 AI 生圖是 Midjourney 的 Discord 介面時代。後來主力切到 Gemini/ChatGPT，原因是中文 prompt 直接通、可以上傳參考圖維持品牌角色一致性、單張生成速度快到能塞進日常內容生產。
中間試過 Canva 的 AI 一陣子。色彩漸層糟糕和比例崩壞讓修圖時間比重新生成還高，後來就回到 Gemini/ChatGPT。Stable Diffusion 不在小企鵝的工作流裡，本機 GPU 的設定成本對「部落格封面 + 社群圖」這類需求不划算。
Logo 和精密的品牌素材仍然走 Figma 手作。AI 擅長方向感和氣氛，像素級精準度還是另一回事。
剪映的自動字幕是意外的好用。台語辨識真的能跑，所以前端把音檔轉成文字、再交給其他大模型分析的流程，剪映就是固定的起點。