使用指南
GPT Image 2 的文字渲染真的完美无缺吗？我们对招牌、海报和标签进行了压力测试
在一次制图会话中进行了 24 次文字密集型生成——涵盖标题、CJK 书法、嵌入式标签、数字、密集信息图——以下是我们测量到的结果
让 GPT Image 2 在发布时一炮而红的功能是文字渲染。大多数图像模型在被要求渲染排版文字时，仍会生成乱码或半成形的字形。GPT Image 2 本应有所不同——拼写干净、字距准确、图像内嵌字幕无需后期修正。
六周、数百次生成之后，我们有足够的数据来具体说明哪些经得起考验、哪些不行。好消息是：主打宣传是真的。更深入的消息则藏在边缘情况和发布演示中未曾提及的生产故障模式中。
测试设置
在制作这个内容集群的过程中——六篇文章、数十张配图——我们特意通过 GPT Image 2 运行了 24 次文字密集型生成。每次都是每个提示词只生成一次，没有挑选。任务类别如下：
- 英文标题和副标题——促销海报、品牌横幅、社交媒体封面
- CJK 书法——中文和日文茶道海报、品牌识别设计
- 多字符串信息图——编号步骤列表、带说明的图表、科学海报风格
- 嵌入式品牌区块——小型创始人标语、"EST." 年份徽章、字母组合图案
- 数字、货币、特殊字符——价格徽章、年份、百分比
- UI 模型图——包含许多独立文本字符串的界面屏幕
以下是我们发现的规律，按从"显然有效"到"需注意"的顺序排列。
有效部分：英文标题
粗体排版标题在我们测试的每个案例中都渲染正确。上方的海报包含五个独立的文本字符串：主标题（NEW ARRIVAL）、副标题（Natural Soy Wax · 40-Hour Burn Time）、价格徽章（$24.99）、品牌标识（VERDEA / HOME FRAGRANCE）以及一个小标语（SIMPLE INGREDIENTS. PURE AMBIENCE.）。每一个都拼写正确、字距适当，且以正确的层级大小呈现。
"Natural Soy Wax" 和 "40-Hour Burn Time" 之间的中点字符（·）渲染正确。货币符号位置正确。品牌标识中的换行得以保留。
这在各种字体中都有效——衬线体、无衬线体、半衬线体、展示体和装饰字重都能以恰当的字形渲染。模型会根据视觉语境选择合适的字体（现代海报用无衬线体、编辑类用衬线体、书法用笔触），无需你明确指定字体。
多词颜色强调
当你指定某个单词应使用强调色时（此处 "CHANGED" 在周围深棕色的映衬下呈暖橙色），模型会遵循该要求。强调色准确作用于目标单词，颜色选择符合提示词，周围的排版保持统一。
有效部分：CJK 书法
中文和日文书法是大多数图像模型仍然表现糟糕的地方。GPT Image 2 能渲染楷书、行书和笔触风格的字符，笔顺、字符比例和墨迹质感都恰如其分。上方这张为手工艺品牌制作的海报使用了半衬线中文字体，笔画准确、结构良好。
在我们与 Nano Banana 2 的对比中，GPT Image 2 也正确渲染了标题「新春・茶道」和竖排副标题「京都・春茶会 二〇二六年三月」——并添加了两个符合语境的日本茶道成语（一期一会、和敬清寂），这些我们并未要求，但与设计相得益彰。
拉丁字母和 CJK 文字可以出现在同一张图像中。中英混合标题（双语营销中常见）渲染正确，没有字符渗透或比例偏移。
有效部分：多字符串密度
这是我们运行的最密集的文字测试。该信息图包含：
- 一个标题（
Photosynthesis） - 五个带编号的步骤标题（
Sunlight Absorption、Water Intake、Carbon Dioxide、Glucose Production、Oxygen Release） - 五个简短说明（每个 8–12 个词）
- 五个各带微型标签的图标
- 化学符号（
H₂O、CO₂、O₂、GLUCOSE）
每个文本字符串都渲染正确。层级得以保留——标题字重更大、说明字重更轻、微型标签尺寸适当偏小。编号序列（1 到 5）顺序正确。流程箭头连接了正确的步骤。
注意：化学符号（H₂O、CO₂、O₂、GLUCOSE）是模型在未被要求的情况下自行添加的。它推断出了主题，并添加了符合主题的细节。这是 GPT Image 2 反复出现的行为——大多数时候有用，但当你不需要时值得留意。
有效部分：数字、货币、特殊字符
在 24 次生成的测试集中：
- 货币符号在
$、¥（中文集群）以及引号语境中均渲染正确 - 多位数字价格（
$24.99、$29、¥129）保留了小数点和逗号 - 日期（
Tuesday, March 4）保持了逗号和词序 - 时间字符串（
9:41）以正确的冒号渲染 - 破折号（
—）和中点（·）作为字面字符包含在提示词中时渲染正确 - 年份徽章（
EST. 2024、2026）保持了句点和四位数字的精度
规律是：如果你在提示词中（用直引号）包含你想要的确切字符，GPT Image 2 会忠实再现它。提示词中的智能引号（"/"）会在输出中产生智能引号。直引号（"）会产生直引号。模型对字符是忠实的——这意味着你必须刻意选择你写入的字符。
有效部分：嵌入式品牌区块
最有趣的未经请求的添加来自模型添加了提示词中没有的小型品牌风格文字：
- 一张皮革制品海报上添加了 "CRAFTED TO LAST · EST. 2024" 和 "H | C" 字母组合图案
- 一张蜡烛发布海报底部添加了 "VERDEA / HOME FRAGRANCE / SIMPLE INGREDIENTS. PURE AMBIENCE." 区块
- 产品标签上添加了 "BOIS DE SANTAL" 作为香型规格
这些是符合周围图像设计语言的小型文本元素。在每个案例中，拼写和排版都正确。模型在这方面足够出色，这些添加通常能改善输出——但如果你想要严格控制，请添加明确的 no additional text or brand marks 条款。
关于这种语境添加行为的更多内容，请参阅我们的 GPT Image 2 上手评测。
故障模式（那 1%）
在我们 24 次刻意文字密集型的测试生成中，主要文本字符串 100% 渲染正确。这是受控测试的结果。诚实的生产数字接近 99%，因为一旦开始规模化运行，边缘情况就会浮现：
1. 小字号文本的单字符替换
最常见的故障不是完全乱码——而是单个字符被改变。非常小的说明文字中 "Burn" 渲染成 "Bum"。"Hours" 缺少一个 R。月份（"September"）偶尔中间字母顺序错误。这些会逃过周边视觉，如果你不在 100% 缩放下校对，就会流出。
当它们发生时，用相同提示词重新生成几乎总能修复（问题是采样随机性的，而非提示词结构性的）。
2. 低于 12pt 的微小文字
GPT Image 2 在小尺寸下的稳定性远胜前代模型——但存在一个阈值，低于它字形开始发软。对于葡萄酒标签的营养说明、药品标签警告，或任何需要在等效 8–10pt 下清晰可读的内容，预计需要重新生成一两次。将请求的分辨率从 1K 提高到 2K 有帮助——成本溢价为 33%，但小字可读性的提升是实实在在的。
3. 智能引号替换
如果你的提示词中有排版智能引号（"/"、'/'），而你希望输出中使用直引号（"、'），模型会忠实渲染智能引号。这不是模型的故障模式——而是提示词准备问题。如果直引号重要，请在发送前清理提示词。
4. 严格语境中的未经请求的添加
对于"无文字、无标志、无杂乱"的语境（干净的产品目录照），模型是可靠的。对于较宽松的语境（生活方式、促销、编辑类），它有时会添加你未要求的品牌字母组合、徽章或辅助文字。在需要严格控制的地方添加明确的否定条款。
生产校对清单
在此测试集的 24 次文字密集型生成以及生产中更多的生成之后，这是我们在交付任何含渲染文字的图像之前使用的校对清单：
- 以 100% 或更高缩放打开。浏览器缩略图和编辑器预览窗口会隐藏单字符替换。始终查看实际渲染的像素。
- 大声读出每个文本字符串或逐字符描摹。略读是错别字流出的原因。描摹每个字母、每个数字、每个标点符号。
- 先检查最小的文字。标题的故障肉眼可见。低于 12pt 的说明文字会无形地失败，直到客户报告错误。
- 如果发现错误，重新生成相同提示词。不要尝试手动编辑图像——重新生成的版本几乎总是更便宜、更快捷，且视觉上更接近你的意图。
- 对于规模化文字密集型输出，请求 2K 分辨率。对于任何低于展示尺寸的文字，33% 的成本溢价在可读性上是值得的。
校对步骤每张图像需要 30–60 秒。跳过它正是产生"已交付营销物料中的 AI 生成错别字"这类故事的原因，这些故事损害了 AI 图像工作的整体可信度。
何时为文字工作选择 GPT Image 2
对于任何准确性至关重要的文字密集型图像工作，GPT Image 2 都是正确的选择：
- 促销海报和横幅——参见可用的提示词模板获取可直接用于生产的示例
- 带品牌标签的电商产品列表——参见完整的电商图像工作流
- 多语言营销——CJK 书法、混合语言海报
- 信息图、科学海报、带说明的图表——多字符串密度经得起考验
- 具有真实界面文字的 UI 模型图——参见 Nano Banana 2 对比中的屏幕级文字测试
以1K 分辨率每张图像 $0.03 计算，成本让你可以按需校对并重新生成，无需担心预算。实际耗时（每次生成约 90–120 秒）才是真正的预算项。
关于 GPT Image 2 在哪些方面胜出、哪些方面不行的诚实看法，请参阅我们的上手评测。
常见问题
GPT Image 2 的文字渲染是否足够可靠，可用于交付商业工作？
是的，但需要校对步骤。在我们受控的 24 次生成测试中，主要字符串 100% 渲染正确。在生产规模下，该比率降至约 99%——意味着大约每 100 张图像中有 1 张会有需要重新生成的单字符问题。每张图像进行 30 秒的视觉校对，这是可控的生产比率。
中文/日文文字的渲染是否和英文一样准确？
在我们的测试中，是的。CJK 书法是大多数图像模型严重失败的地方。GPT Image 2 能恰当渲染笔顺、字符比例和墨迹质感。常见的中文和日文字符渲染可靠；更罕见或更具历史特定性的字符（异体字、古典正字法）我们尚未大规模测试。
其他文字系统呢——阿拉伯文、西里尔文、天城文？
我们在本次会话中没有测试这些，因此无法基于证据做出断言。据轶事，GPT Image 2 渲染西里尔文和拉丁文字系统的语言表现良好。阿拉伯文从右到左文字和复杂文字连字（天城文、泰文）是我们没有受控测试数据的领域。
模型会添加我未要求的文字吗？
有时会。在我们 24 次生成的测试中，模型在大约 4 个案例中添加了符合语境的文字（品牌字母组合、EST. 徽章、补充产品规格行）。这些添加总是拼写正确，且符合设计语境。如果你需要严格控制，请添加明确的 no additional text 否定条款。
请求的分辨率会影响文字渲染吗？
会，尤其是对小字。2K 分辨率在保留低于 12pt 的可读性方面明显优于 1K。成本溢价为 33%——对于文字密集型输出值得支付。
总结
GPT Image 2 的文字渲染不负其发布时的宣传。在我们生产测试的 24 次文字密集型生成中——英文标题、CJK 书法、多字符串信息图、嵌入式品牌区块、货币、特殊字符——每个主要字符串都渲染正确。
约 1% 的生产错误率出现在最小的文字上，几乎总能通过重新生成修复。校对步骤对于交付是不可协商的。除此之外，这是我们合作过的最可靠的文字图像模型——在文字准确性属于交付物一部分的工作中，排版质量证明了较慢生成时间的合理性。
你自己在 GPT Image 2 模型页面上尝试一个文字密集型提示词——引用几个确切的字符串，指定布局，运行它，并校对结果。第一次生成通常就是最终交付的那一张。
