当训练 AI 模型从文本创建图像时，它会使用大量图像及其相应说明的数据集。

该模型通过向它显示说明文字进行训练，并让它尝试尽可能接近地重新创建与每个说明文字相关联的图像。 该模型既学习了数百万图像中存在的一般概念，比如人类的长相，也学习了更具体的细节，比如纹理、环境、姿势和更容易识别的构图。

因此，这个AI模型可以从输入的文字说明中生成相应的图像，并且生成的图像具有非常高的相似度，能够准确地表达出输入文字中的概念和信息。

这样的技术在许多领域都有广泛的应用，例如游戏开发、广告设计、电影制作等，可以帮助设计师快速地生成高质量的图像，从而提高工作效率。