# AI 图片里的文字：哪些模型拼得准，提示词怎么写

> 要让 AI 图片里的文字清晰可读，就把原话放进引号，写明放在哪、什么样式，只要一次，再加上“不要多余文字”，最后逐个字母检查。GPT Image、Gemini、Qwen-Image 和 Ideogram 4 都写明了各自处理文字的办法，OpenAI 的页面也说，位置和清晰度仍然可能出错。

Mindket 编辑部 · 发布于 2026-11-06 · 更新于 2026-11-06 · https://mindket.com/cn/learn/ai-design/text-in-ai-images

## 要点

- 先把要出现的原话写在备忘里，再把它放进引号贴进提示词。
- 写明每段文字放在哪里、用什么字体样式，并且只要一次。
- 按需要的文字选模型：拉丁字母、汉字，还是文字框很多的版式。
- 图片用到任何地方之前，按原尺寸把每个字母和备忘对一遍。

## 哪种文字用哪个模型

图像模型是把字母当作形状画出来的，形状画错了，就是拼写错了。OpenAI 的[图像生成指南](https://developers.openai.com/api/docs/guides/image-generation)把文字列为自家模型的局限：虽然已经大有改善，模型在精确的文字位置和清晰度上仍然可能吃力。[提示词指南](https://developers.openai.com/api/docs/guides/image-prompting)还说，`quality` 设置控制模型能渲染多少视觉细节，比如纹理或小字。

有四类模型写明了自己怎么处理文字。下表给出各家自己页面上的说法，每一行都是该厂商的说法，不是我们的测量。

| 模型 | 它自己的页面怎么说文字 | 页面说在哪里用 | 许可或使用条件 |
| --- | --- | --- | --- |
| GPT Image 2.6（Flare 和 Sunburst） | 把需要的文字放进引号，描述它的位置和字体样式，小字就比较 medium 和 high 两档质量。生成指南说，位置和清晰度仍然可能吃力。 | OpenAI 的图像 API。2026 年 11 月 4 日的一篇社区帖子介绍了 ChatGPT Images 2.6。 | 可能需要完成 API 组织验证 |
| Gemini：Nano Banana Pro 和 Nano Banana 2 | Google 的快速入门称 Pro 是旗舰，具备复杂的排版渲染能力，并说 Pro 和 2 能用几十种语言生成和翻译复杂的文字、图表和信息图。 | Gemini API，模型名是 `gemini-3-pro-image-preview` 和 `gemini-3.1-flash-image` | 开通计费可获得更高的速率限制 |
| Qwen-Image | 模型卡写明它在文字渲染上表现出色，尤其是中文。README 说，更新的 Qwen-Image-2.0 于 2026 年 2 月 10 日推出，支持用 1k token 的指令生成海报、幻灯片和信息图。 | Qwen-Image：Hugging Face 上有权重。Qwen-Image-2.0：README 只指向在线的 Qwen Chat 和一篇博客，没有权重链接 | Qwen-Image 为 Apache 2.0 许可，README 没有给出 Qwen-Image-2.0 的许可 |
| Ideogram 4（2026 年 6 月 3 日发布） | 模型卡称它的多语言文字渲染是同类最佳，文字以 JSON 元素的形式给出，可以带框。 | Hugging Face 上有受限访问的权重，在线用 ideogram.ai | Ideogram 4 非商业许可 |

## 写一条能把字写对的提示词

OpenAI 的[图像提示词指南](https://developers.openai.com/api/docs/guides/image-prompting)里有一条给街头服饰品牌 Thread 的广告提示词。它把原话放进引号，写明出现几次，写明放在哪里（融入广告版面），并禁止一切别的东西。

照着它的写法，换上你自己的标语。

````text
Give me a cool in culture ad / fashion shot for a brand called Thread.
It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create."
Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful.
Use clean composition, strong color direction, natural poses, and premium fashion photography cues.
Render the tagline exactly once, clearly and legibly, integrated into the ad layout.
No extra text, no watermarks, no unrelated logos.
````

1. 先把文字写在备忘里，并在那里校对。模型只能照抄你给它的东西。
2. 在提示词里把每段文字放进双引号，再写明放在哪里、什么样式，比如横跨顶部的粗体圆角标题。
3. 写明出现几次。OpenAI 的示例要求标语只渲染一次。
4. 用示例里的排除句收尾：不要多余文字，不要水印，不要无关的标志。
5. 小字或信息密集的文字，把生僻词和品牌名一个字母一个字母拼出来，再比较 medium 和 high 两档质量。这两条建议都在 OpenAI 的提示词基本原则里。
6. 按原尺寸放大，把每个词和备忘对一遍。某个词不对，就追问：给出正确的拼写，再列出要保留的细节，做法见 [AI 图像提示词那一课](https://mindket.com/cn/learn/ai-images-video/ai-image-prompts)。

## 用 Ideogram 4 的 JSON 提示词把文字钉在位置上

Ideogram 4 的提示词是 JSON，也就是一种带字段名的文本格式。每段文字是一个独立的元素，原话写在 `text` 字段里，样子写在 `desc` 里。[提示词指南](https://github.com/ideogram-oss/ideogram4/blob/main/docs/prompting.md)给出了下面这张名片，里面有两个文字元素。

元素还可以带一个 `bbox`，写成 `[y_min, x_min, y_max, x_max]`，在 0 到 1000 的刻度上，从左上角量起。指南把它标为可选。`color_palette` 列表接受大写的十六进制颜色，整张图最多 16 个。

Ideogram 的两份页面，对普通句子形式的提示词说法不一致。模型卡说，纯文本提示词能用，但效果差一些，提示词指南说，纯文本直接送给模型不行，要先经过“magic prompt”，也就是一个把短提示词扩写成这种 JSON 的大模型步骤。两份都说，JSON 的效果最好。

许可证对收费的工作有影响。[模型卡](https://huggingface.co/ideogram-ai/ideogram-4-fp8)把 Ideogram 4 列在非商业许可之下，所以把权重用到客户项目之前，先读一遍。

````json
{
  "high_level_description": "A clean, modern business card layout for a tech company.",
  "style_description": {
    "aesthetics": "minimal, professional, geometric",
    "lighting": "even, diffuse studio lighting",
    "medium": "graphic_design",
    "art_style": "flat vector design, generous whitespace, sans-serif typography",
    "color_palette": ["#FFFFFF", "#F0F0F0", "#333333", "#0066FF", "#00CC88"]
  },
  "compositional_deconstruction": {
    "background": "A solid off-white card surface with subtle paper texture.",
    "elements": [
      {"type": "text", "text": "ACME TECH", "desc": "Bold dark grey sans-serif company name across the upper third of the card."},
      {"type": "text", "text": "hello@acme.tech", "desc": "Small blue sans-serif contact email near the bottom of the card."}
    ]
  }
}
````

**ContraLabs 文字排版盲测里的第一名选择** 十位专业设计师从四个模型里挑出最好的一个。这些数字来自 Ideogram 自己的模型卡，说的是它自己的模型。它们加起来超过 100，模型卡没有解释原因，也没有给出测试日期。

- Ideogram 4: 47.9%
- Nano Banana 2（Gemini 3.1 Flash Image Preview）: 30%
- FLUX.2 [max]: 15.5%
- Grok Imagine 1.0: 15%

来源：[Hugging Face 上的 Ideogram 4 模型卡](https://huggingface.co/ideogram-ai/ideogram-4-fp8) (2026-11-06 查阅)

## 中文、日文和其他文字

要中文，Qwen-Image 是自己的页面最先讲这件事的模型。它的[模型卡](https://huggingface.co/Qwen/Qwen-Image)写着尤其是中文，它的 [README](https://github.com/QwenLM/Qwen-Image)给出了一条给一张女生照片用的中文编辑提示词，意思是：这个女生看着面前的电视屏幕，屏幕上写着“阿里巴巴”。README 把它和一张输入照片配在一起。

Google 的快速入门说，Nano Banana Pro 和 2 能用几十种语言生成和翻译文字，但没有说是哪些。你要靠的文字，先送一小段样本试一下。

````text
这个女生看着面前的电视屏幕，屏幕上面写着“阿里巴巴”
````

- 要翻译图片里已有的文字，OpenAI 的指南用的提示词是：“Translate the text in the infographic to Spanish. Do not change any other aspect of the image.”，也就是把信息图里的文字翻成西班牙语，其他一概不动。随后它让你检查译文，以及还留着原文语言的词。
- 中文或日文的招牌，把字符照最终样子放进引号，并在提示词里写明是哪种文字。
- Qwen-Image 可以在 ComfyUI 里运行，README 说 ComfyUI 原生支持它。[ComfyUI 教程](https://mindket.com/cn/learn/ai-images-video/comfyui-tutorial)讲的就是这个工具。

## 常见错误

- 只描述文字，不把它放进引号，模型就没有原话可抄。
- 同一句话要两遍，或者在三个物体上都要文字。每多一处文字，就多一处可能拼错的地方。
- 在聊天窗口的缩略图里检查拼写。先放大到原尺寸。
- 第一次就将就。多生成几张，留下字母都对的那一张。
- 漏看许可证那一行。Ideogram 4 的权重是非商业的，Qwen-Image 的模型卡写的是 Apache 2.0。
- 把常常要改的文案烤进图里。每周都变的价目表，应该放在设计应用里，AI 图片只当背景。

## 自己试一试

用一篇帖子或一张海报要用的真实文案：一个短标题，再加下面一行长一点的话。

- 起草两段文字，找个人帮你查一遍拼写。
- 把标题和副标题填进 Thread 式的提示词，在一个应用里跑一遍，有第二个应用就再跑一遍。
- 按原尺寸把每个字母和备忘对一遍，写下每一处错误。
- 把最难的词一个字母一个字母拼出来再跑一遍，应用提供更高的质量档就选更高的。
- 用第二种语言再要一张成图，检查里面有没有留着第一种语言的词。

> 完成的标准：按原尺寸，每个词都和备忘一致，两种语言都是。

## 下一课：一个设计，多种尺寸

一张海报只是一张图。一次发布需要方形帖子、竖版故事和横版横幅，而且看起来都是同一个品牌。[下一课](https://mindket.com/cn/learn/ai-design/ai-social-graphics)讲尺寸和可以重复使用的品牌风格。

第一课[怎么用 AI 做标志](https://mindket.com/cn/learn/ai-design/ai-logo-design)，就是拼写检查这个习惯开始的地方。

## 自测一下

1. 哪一行提示词符合 OpenAI 对精确文字的建议？

   A. 一条写着和促销有关的话的横幅
   B. 标语“Yours to Create.”只渲染一次，不要多余文字
   C. 让字写得完美

   答案：B。 OpenAI 的示例把原话放进引号，写明出现几次，并排除了多余文字。

2. 你要在一张密密麻麻的信息图里放小字，OpenAI 的指南建议比较什么？

   A. 提示词里少写几个词
   B. 方形尺寸
   C. medium 或 high 质量

   答案：C。 指南建议，遇到小字、信息密集的内容或多种字体，比较 medium 和 high 两档质量。

3. 在 Ideogram 4 的 JSON 提示词里，文字元素的 text 字段放什么？

   A. 要渲染的原话
   B. 对字体的描述
   C. 框的坐标

   答案：A。 text 字段放原话，desc 描述它的样子，bbox 给出它的位置。

4. 你想把开放权重的模型用在一张收费的客户海报上，哪一条事实决定能不能用？

   A. 模型的参数量
   B. 模型是否也有在线托管
   C. 质量设置
   D. 模型页面上的许可证

   答案：D。 Ideogram 4 的权重是非商业许可，Qwen-Image 的模型卡写的是 Apache 2.0。

## 常见问题

### 为什么 AI 在图片里还是会拼错字？

没有哪个页面给出完整的原因，不过 OpenAI 点出小字、密集的信息和多种字体，要在 medium 和 high 两档质量里比较。文字短、字体单一，要检查的东西少一些，不过每个词仍然要按原尺寸检查。

### 哪个 AI 绘图工具的文字最好？

没有哪个页面替你排名。Ideogram 报告了一次盲测，设计师最常把第一名给 Ideogram 4，Google、OpenAI 和 Qwen 则各自介绍了自己处理文字的办法。把你自己的文字，用你自己的语言，在两个模型里各跑一遍，对比字母。

### 图片里的文字我自己看不懂，怎么办？

用之前，请懂这种文字的人检查一遍，并且先送一小段样本试试。一笔写错或者少了一个重音符号，对不懂这门语言的人来说看着都是对的，厂商的说法也覆盖不了你要写的那句话。

### 只有一个词错了，能不重做整张图吗？

可以试一次追问。OpenAI 的指南说，要写“只改 X”，并列出要保留的细节，所以追问时说出错的那个词，给出正确的拼写，列出要保留的部分。指南也提醒，反复修改仍可能改动你想保留的细节，图片的某一部分如果必须保持像素一致，就把认可的修改合成回原图。

### 能在自己的电脑上运行 Ideogram 4 吗？

模型卡列出了一个 93 亿参数的模型，有两种版本：适用于 CUDA 的 nf4，和适用于所有硬件的 fp8。权重需要申请访问：先在 Hugging Face 上接受许可，创建访问令牌，并用 `hf auth login` 登录，代码才能下载。

## 资料来源

- [OpenAI API 文档：图像提示词指南](https://developers.openai.com/api/docs/guides/image-prompting) (2026-11-06 查阅)
- [OpenAI API 文档：图像生成指南](https://developers.openai.com/api/docs/guides/image-generation) (2026-11-06 查阅)
- [OpenAI 开发者社区：ChatGPT Images 2.6 发布帖](https://community.openai.com/t/images-upgraded-introducing-chatgpt-images-2-6/1412901) (2026-11-06 查阅)
- [Google Gemini 手册：Nano Banana 快速入门](https://github.com/google-gemini/cookbook/blob/main/quickstarts/Get_Started_Nano_Banana.ipynb) (2026-11-06 查阅)
- [Hugging Face：Ideogram 4 模型卡](https://huggingface.co/ideogram-ai/ideogram-4-fp8) (2026-11-06 查阅)
- [GitHub：Ideogram 4 提示词指南](https://github.com/ideogram-oss/ideogram4/blob/main/docs/prompting.md) (2026-11-06 查阅)
- [Hugging Face：Qwen-Image 模型卡](https://huggingface.co/Qwen/Qwen-Image) (2026-11-06 查阅)
- [GitHub：Qwen-Image 的 README](https://github.com/QwenLM/Qwen-Image) (2026-11-06 查阅)

[浏览技能](https://mindket.com/cn/skills)