你写 storefront with a sign that says "OPEN"，结果招牌上写着 OPEM、0PEN，甚至像西里尔、希腊或彻底瞎编的字母。换成中文、日文、阿拉伯文，在老模型上更崩。多数人会以为是自己 Prompt 没写好——通常不是：这是模型能力的问题。SD 1.5、SDXL base、Midjourney v4-v5，以及已经下线的 DALL-E 3，从来没把 “OPEN” 对齐到 O-P-E-N 四个字符。它们学的是”看起来像字母的形状”，不是真正的文字。
最快修法（截至 2026 年 6 月）：把同一句 Prompt 拿到当前的文字向模型上重跑。GPT Image 2（在 ChatGPT 里，占了原来 DALL-E 的位置）、Google 的 Nano Banana Pro、Ideogram 4.0 或 FLUX.2，都能在第一两次就把短招牌写对，非拉丁文字也行。把字面文字控制在 1-3 个词、用双引号包起来，基本就搞定了。“后期补字”那套留给需要精确品牌字体的场景，或者老模型 / 离线模型。
常见原因
按命中率从高到低：
1. 老模型文字能力弱或没有
SD 1.5、SD 2.1、SDXL base/refiner、Midjourney v4-v5、DALL-E 2/3 都没法稳定渲染清晰文字。DALL-E 3 已于 2026 年 5 月 12 日正式下线，所以如果某篇教程还让你”用 DALL-E 3”，那条路已经断了。哪怕是 SDXL，训练标签里也从没把 “OPEN” 对应到 O-P-E-N——它学的是”招牌形状的物体上有字母状记号”。
如何判断：你用的就是这些模型，哪怕短、常见的英文单词也是糊的。
2. 文字太长
每个模型——哪怕最强的——也会随字符串变长而退化。"GRAND OPENING TODAY 50% OFF" 几乎在哪都翻车。字符串越长，每个字符漂移的概率越大。截至 2026 年 6 月，GPT Image 2 和 Nano Banana Pro 能处理短段落，但成功率最高的仍然是单行 1-3 个词。
如何判断：Prompt 里的文字超过约 6 个词或约 30 个字符。
3. 在拉丁向模型上要非拉丁文字
要中文、日文假名 / 汉字、阿拉伯文、希伯来文、泰文、天城文，但模型主要在英文招牌上训练。在 SDXL 或 Midjourney 上，你得到的是”形似但不是真字符”的瞎编。注意：在顶级模型上这已经不再是死路。GPT Image 2 对 CJK、阿拉伯文、印地文、孟加拉文的字符准确率超过 90%，Nano Banana Pro 甚至能在图内对文字做本地化 / 翻译。所以现在这个失败主要是老模型的失败，不是普遍规律。
如何判断：要的是非拉丁字符，输出看着像那种文字，但不是真字。
4. 文字没加引号
a sign that says OPEN 有歧义——OPEN 也是普通英语单词。a sign that says "OPEN" 才明确。没引号时，文字向模型有时会把单词当语义理解，而不是当要画出来的字形。
如何判断：Prompt 里有文字内容但没用引号包起来。
5. 风格 LoRA 扭曲了字形
强绘画 / 动漫 / 草图风 LoRA 会从设计上扭曲字母形状——它们的训练数据是风格化插画，本身就不追求字体清晰。
如何判断：同 Prompt 去掉 LoRA，文字干净得多（虽然仍不完美）。
该换到哪个模型
截至 2026 年 6 月，画面内文字质量大致从高到低：
| 模型 | 在哪用 | 拉丁文字 | 非拉丁（CJK/阿拉伯） | 备注 |
|---|---|---|---|---|
GPT Image 2（gpt-image-2） | ChatGPT、API | 约 99% | 超过 90% | 2026 年 4 月起成为 ChatGPT 的图像生成器（DALL-E 于 5 月 12 日下线）；综合最强 |
| Nano Banana Pro（Gemini 3 Pro Image） | Gemini App、AI Studio、API | 很强 | 很强 | 长 / 多行文案最稳；能在图内翻译文字 |
| Ideogram 4.0 | ideogram.ai | 很强 | 强 | 专为排版设计；海报 / 文字密集版面最佳 |
| FLUX.2 [pro] / [flex] | API、fal.ai、本地 | 强 | 不错 | [flex] 专为文字密集设计调优；支持 JSON 结构化指定文字位置 |
| Midjourney V8.1 | Discord、网页 | 短文字尚可 | 弱 | 美学很强，但长句仍会掉（“OPEEN”）；排版走后期 |
| SD 3.5 | 本地、ComfyUI | 约 85% | 弱 | 比 SDXL 大幅进步，但仍约 15% 概率出错 |
| SDXL / SD 1.5 | 本地 | 差 | 无 | 文字关键时不要用 |
拿不准就记住：短招牌和任何非拉丁文字用 GPT Image 2，长文案或多行用 Nano Banana Pro，海报 / 平面设计版面用 Ideogram 4.0。
最短修复路径
Step 1：换文字向模型
把同一句 Prompt 拿到上表里的顶级模型重跑。对多数卡住的人，光这一步就能修好。如果你照着旧教程”用 DALL-E 3”，直接打开 ChatGPT 正常生成就行——图像槽现在是 GPT Image 2，不用改任何设置。
Step 2：文字砍短 + 加引号
改写 Prompt：
# 差
"storefront with a giant sign that says GRAND OPENING TODAY"
# 较好
'storefront with a sign that says "OPEN"'
# 长文案的最佳做法
'storefront with a sign that says "OPEN" in bold letters, smaller sign below'
（小招牌单独再生成一张，或直接后期）字面文字永远用双引号包起来。每行限制在 1-3 个词。需要更多就拆成多个视觉元素，或者用 Nano Banana Pro——它处理多行文案最稳。
Step 3：非拉丁文字
先直接试顶级模型。截至 2026 年 6 月，GPT Image 2 和 Nano Banana Pro 渲染中文、日文、阿拉伯文已经到了能直接用的准确率，所以”绝不让模型自己画这种文字”的老规矩对它们不再成立。
如果你用的是老 / 离线模型、需要精确的品牌字体，或者字形仍然出错，就回退到”出场景 + 后期”流程：
- 生成场景时把招牌留空或填占位（
sign that says "SIGN"或blank rectangular sign）。 - 在 Figma、Canva、Photoshop 里打开。
- 用真实字体把真文字打上去。
- 用 Photoshop
Edit > Transform > Perspective或 Figma 的”沿路径排字”匹配透视。 - 用色调调整图层匹配光照。
匹配画面透视最稳的字体：任意干净无衬线（Noto Sans 几乎覆盖所有文字、苹方 PingFang 中文、Hiragino 日文、Cairo 阿拉伯文）。
Step 4：Midjourney + 后期组合
想要 Midjourney 的美学但文字必须清晰：V8.1 仍会掉长句，把文字当后期步骤处理：
1. 在 Midjourney（V8.1）里生成场景，故意把招牌留空
2. 放大导出
3. Canva 里用手写或草图字体打上文字
4. 微微变形和偏移，匹配那种绘画感背景这样既拿到 Midjourney 的艺术感，又有真排版。
Step 5：FLUX.2 用结构化文字 Prompt
FLUX.2 [flex] 专为文字密集场景调优，支持用 JSON 结构化 Prompt 精确锁定文字内容、位置和样式。临时 Prompt 则加上反向锚词：
'a vintage diner sign with the text "EAT" in bold red letters,
clear legible letterforms, sharp typography, no gibberish, no fake letters,
1950s neon sign style'加 clear legible letterforms 和 no gibberish, no fake letters 这种反向锚词能提高成功率。批量或像素级精确排布时，改用 FLUX.2 文档里的 JSON Prompt 格式，比硬靠自然语言措辞更省事。
如何确认修好了
- 对着原文逐字念一遍。
OPEM、0PEN这种字母互换是最常见的残留错误。 - 在看图软件里放大到 100%。有些模型文字本身对，但缩小后糊成一团；按你实际发布的尺寸检查。
- 非拉丁文字把目标字符串贴在图旁边，逐字比对。AI 文字一眼看着对，里面可能藏着一个错字或瞎编的字。
- 涉及精确文案（法律文字、真实品牌名、价格）时，别百分百信任任何生成器——核对，或直接后期排版。
预防建议
- 任何带文字的交付，默认就用文字向模型（GPT Image 2 或 Nano Banana Pro）。
- 长文案或多行，提前规划两步走：先出图，文字再核对或后期排上去。
- 按格式（店招、海报、横幅）做 Figma / Canva 模板，文字图层可调。
- 文字关键的活儿永远不要用 SDXL 或 SD 1.5，哪怕只出一张也换模型。
- 别再照 2026 年之前的教程把文字交给 DALL-E 3——它已于 2026 年 5 月 12 日下线。
常见问题
同一个词为什么有时渲染得好、有时又糊？ 文字渲染是概率性的。每个字符都是一次新的漂移机会，所以一块 10 次能对 9 次的单词招牌，偶尔还是会翻车。把字符串砍短、加引号、重新生成。换两三个种子通常就能出一张干净的。
DALL-E 3 还能用吗？
不能。OpenAI 已于 2026 年 5 月 12 日下线 DALL-E 3。ChatGPT 里的图像生成器现在是 GPT Image 2（gpt-image-2），文字能力强得多。任何指你用 DALL-E 3 的教程都过时了。
AI 现在能在图里正确写中文、日文、阿拉伯文了吗？ 在顶级模型上，基本可以。截至 2026 年 6 月，GPT Image 2 对 CJK、阿拉伯文、印地文、孟加拉文的字符准确率超过 90%，Nano Banana Pro 甚至能在图内翻译文字。老模型（SDXL、Midjourney）仍会出假字，所以后期补字这条退路是给它们用的，不是普遍规律。要发布的内容务必逐字核对。
文字是对的，但模糊 / 糊成一片，是同一个问题吗？ 不完全是。小尺寸下变糊是分辨率 / 放大的问题，不是拼写失败。提高生成分辨率、让文字在画面里占大一点，或者文字走后期。可参考下面的乱码和边缘伪影两篇。
加 “no gibberish, no fake letters” 真的有用吗？ 在 FLUX、SD 这类扩散模型上，作为反向锚词有可测的提升。在 GPT Image 2 和 Nano Banana Pro 上作用没那么大，因为它们的文字引擎本来就强；在那儿，更管用的是短字符串和引号。
一张图里最多能放多少字才稳？ 2026 年 6 月的经验法则：1-3 个词在哪都稳；一条短行在 GPT Image 2 和 Ideogram 4.0 上可行；短段落只有 Nano Banana Pro 和 Ideogram 4.0 现实，且仍要逐行核对。