文生图模型写字的简易解决方案

众所周知，让文生图模型写字（尤其是汉字）很困难。

原因也很简单：模型并没有使用大量带有文字的图片训练，不善于将自然语言转换为图片。¹后期修改难度太高，还容易破坏一致性。

前两天我灵光乍现，想出一个极度简单的解决方案：把需要写的字做成参考图。

举个例子

使用 Google 闪闪发光的 Nano Banana 模型。

• 没有参考图，提示词：

  a glass can with plastic lid, black paint inside, wrapping paper writing "高级颜料"
  

  

  不出意外 Gemini 开始自己造字。

• 加上参考图：

  

  并且提示词修改为：

  a glass can with plastic lid, black paint inside, wrapping paper writing "高级颜料" (as in the reference image)
  

  

  这次明显好多了，四个字都是正常的。Gemini 参考了图片里的字体（和图片尺寸），加上 Nano Banana 的一大优势就是「像素级」一致性。

另外，即使希望生成花字，自己做不了字体，提供一张参考图也是有帮助的。比如上面这张图片，继续提供参考图，提示词改成：

a glass can with plastic lid, black paint inside, wrapping paper writing "高级颜料" (as in the reference image, but turn it into a calligraphy style)

这个方法对于一致性强的模型效果很不错。

延伸

用自然语言描述构图也是很困难的。如果有画图的设备（但没有技术），可以自己画一张简笔线稿，然后让模型按要求填补细节。效果应该比长篇大论的描述要好。