一句话定义：文本反转（Textual Inversion）是一种让文生图模型学会新概念的方法——你给它三五张同一个事物或同一种风格的图片，它就能把概念"压缩"成一个全新的词；之后你在提示词里写下这个词，模型就能照着画出来。
原理：只教一个新词，不动整个模型
扩散模型（AI 词典：Diffusion Model">Diffusion Model）画图时，先由文本编码器（Text Encoder）把你的提示词翻译成一串数字向量，也就是嵌入（Embedding），再照着这串数字一步步"去噪"出画面。普通词对应的向量是训练时就定好的，改不了。
文本反转的做法很取巧：先在词表里塞一个原本不存在的"空词"，比如 <my-dog>，然后把整个模型冻结，只用你那几张图去反复调整这一个词对应的向量。调到最后，模型一看到这个向量，画出来的就越来越像你那几张图。整个过程中，模型的其他参数一动没动。
打个比方：模型像一位画师，常见的东西都会画，但你说"画我家那只左耳缺一块、爱趴在窗台的橘猫"，他画不出来。文本反转不是送他进美术进修班（那是重训），也不是给整本画册加批注（那是微调全模型），而是递给他一张小卡片：写上"阿黄"这个新词，配三五张照片。以后你说"阿黄在窗台"，他就懂了。
和相邻概念的区别
区别的核心是"改动量"：文本反转的产物是一个很小的嵌入文件，好保存、好分享、好叠加，但表达力也相对有限。它擅长记住"长什么样"和"什么风格"，对复杂动作、精确构图往往力不从心——那些更适合交给 LoRA 或完整微调。
对谁有用
对从业者，这是把"自定义概念"成本压到最低的一条路：一个几百字节到几 KB 的嵌入文件可以像表情包一样发给同事，对方在同一个底模（Base Model）上加载它，就能复现出同一种风格或同一个角色。做内容的可以把自己的吉祥物、固定视觉元素固化成词，纳入批量生产流程。
对普通人，意味着不必懂训练也能"给工具加词"：凑三五张图，跑一次，你就多了个专属词汇。
要注意的是，它和底模绑定得很紧，同一个词换一个底模常常就失效；各家工具具体支持哪些写法、怎么加载，以官方页面为准。