Timestep AI 词典：Embedding">Embedding（时间步嵌入）是扩散模型里专门表示“当前处于第几个加噪/去噪步骤”的一小段向量。它回答的不是“画什么”，而是“现在噪声有多大、该去掉多少”。
扩散模型训练时，会把一张图逐步加噪，从干净图到近似纯噪声；生成时反过来，从噪声逐步去噪。假设总步数是 T，模型在每一步都要预测“这一步加进去的噪声”或“去噪方向”。如果只把步数 t 当成一个普通数字喂进去，比如 500，网络深处很容易把它当成一个孤立的数值：500 比 1 大很多，但“大 499 倍”并不代表噪声多 499 倍；而且训练时见过一个固定区间，推理时换成别的步数，模型可能完全没感觉。
主流做法是先用正弦位置编码（Sinusoidal Positional Encoding）把 t 变成一串不同频率的正弦、余弦值，再经过多层感知机（MLP）变成向量。这样每个时间步都像一组独特的“音叉频率”：相邻步的频率组合很接近，相隔远的步差异明显，而且曲线平滑连续。模型因此能分辨“轻微噪声”“中等噪声”“几乎纯噪声”，也能在没见过的步数上保持合理行为。
打个比方：如果把时间步直接写成数字，就像对厨师喊“火候 5”。他可能理解成 5 秒、5 档、5 克盐。正弦编码则像把“5”翻译成“中火，第 5 分钟，锅已经热了”的完整坐标，厨师一听就知道现在该干什么。
时间步嵌入通常会被注入网络每个残差块，或者通过自适应组归一化（AdaGN）去调制特征：让浅层和深层都知道当前噪声水平。它和另外两个常被混为一谈的概念不同：
| 概念 | 回答的问题 | 典型作用 |
|---|---|---|
| 时间步嵌入 | 现在噪到第几步 | 告诉模型当前噪声水平，决定去噪力度 |
| 文本/类别嵌入 | 要生成什么 | 控制内容、风格、类别 |
| 位置编码 | 序列里第几个 token | 让 Transformer 知道词序 |
对从业者来说，时间步嵌入是采样器、少步生成、模型蒸馏里很敏感的一环：条件给得弱，模型可能在不同噪声水平下用错策略，生成发灰、过曝或结构崩坏。对普通人来说，它解释了为什么 AI 画图不是“一步成图”，而更像一位知道当前进度、逐步擦除噪声的修图师。具体实现细节以官方代码或论文为准。