主 KV 三段式生图与全渠道多尺寸适配

AI 直接出带字的成品图会当场翻车 · 行业标准流程是三段式:无字底图 → 真字体叠字 → OCR 校验

!
演示模式 · 可视化预演

本页展示的是「应该怎么跑、每一步看什么、交付什么」,用的是真实业务格式的脱敏构造数据, 不宣称已接入客户生产系统,也不承诺任何效率提升百分比。 案例设定:上海鸣鹿广告有限公司 · 静安区 · 设计组办公区。执行设计师组长林小满(从业 5 年)带着组员 3 人 + 实习生 2 人同时跑 5 个客户的活。今天主攻伊利纯牛奶「开学能量早餐」YL-2026-09 主 KV —— 创意方向已于昨日由客户选 B(校门口成长)。按现有流程,林小满会开通用生图工具输入一长串中文提示词直接生成 800×800 主图,再让实习生用模板化设计工具拼字。今天这台机器上,按工程红线分三段走:无字底图 → 思源黑体程序化叠字 → OCR 逐字校验。

抽卡轮数
4 轮 · 16 张
通过率
13 / 16 = 81.3%
拦截手部缺陷
3 张(六指)
最终交付
18 个渠道
输入

中小广告公司与电商视觉团队手上能拿到的东西

不需要整理格式、不需要改文件名 · 直接拖进对话框
01_ImageGen抽卡记录_KV横版.yaml
★ 4 轮抽卡每张底图的 prompt、seed、关键参数、是否通过 —— 这份此前不存在,按现有流程就是凭感觉改 prompt
ImageGen 工具日志 + 林小满手记批注
02_废卡与拦截记录.xlsx
4 轮抽卡 16 张中 3 张废卡(手部六指)+ 1 张中文字乱码废卡,共 4 张废卡的拦截依据与复盘
林小满手记 + 实习生交叉复核
03_主KV三段式制作记录_横竖双版.xlsx
从 13 张通过底图中选定 R1-01 作横版主 KV、R4-12 作竖版主 KV,记录三段式(底图→叠字→OCR)的每一步
林小满主写 + 美术指导许帆复核
04_全渠道物料包_18张.xlsx
★ 18 个渠道的最终交付物清单 + 渠道规则 + 抽卡来源 + 叠字方案
林小满交付 · 许帆复核
05_OCR校验报告_13张叠字图.xlsx
13 张叠字图的全量 OCR 报告,与文案定稿的 5 段文字逐字比对
PaddleOCR 自动 + 林小满人工抽样
06_字体授权凭证与待办.xlsx
三段式中所有使用过的字体 + 授权凭证 + 缺失凭证清单
林小满登记 · 财务行政复核

注意标橙色那一份 —— 01_ImageGen抽卡记录_KV横版.yaml。它ImageGen 工具日志 + 林小满手记批注,平时压根不在核对范围里。这个场景的价值,很大一部分就来自把它读进来。

提示词

就说这么几句

没有模板、没有表单 · 专业规则由 Skill 兜底
用 WorkBuddy 自带的 ImageGen 工具生成小男孩拿着伊利牛奶的广告图:校园清晨场景,书包和校门做背景元素,暖色调,自然光线,小男孩笑脸,手持牛奶盒举在胸前,画面顶部留 12% 空白给后续标题。负面要求:画面不出现任何文字,不出现品牌 LOGO,不出现手部特写,手指完整清晰。 出图后按四张一轮质检:六指和肢体畸变直接拦下,色板和品牌主色比对,偏了的重跑。选定的底图用思源黑体做程序化叠字,主标题放顶部留白区,叠完字用 OCR 逐字校验。 最后把这张主 KV 适配成 18 个渠道的规格,每个渠道的安全区和平台规则按台账逐项核。AI 生成标识按新规打上。

生图段用的是 WorkBuddy 自带的 ImageGen,现场演示时从提示词到底图全程可见(对话式广告图直出(售前概念图) 的对话式直出共用这一工具约定)。三段式的流程定义、质检规则、渠道规格台账都写在能力包里。

触发

客户在 4 端同步上新,今天必须出主 KV

按现有流程,AI 直接出带中文长句的图 → 必翻车

9 月 1 日开学季只剩 3 周,伊利 YL-2026-09 必须在 4 端同步上新。按现有流程,林小满打开通用生图工具,在提示词里写「伊利纯牛奶 小男孩 开学 校门口」,模型生成 800×800 主图,再让实习生用模板化设计工具拼 LOGO。

这一套走下来,十张里有六张中文乱码、两张手部畸形、一张 LOGO 被压到主体上 —— 真实翻车率超 60%。

今天这台机器按工程红线分三段走。先说结论,4 轮抽卡 16 张、通过 13 张、最终交付 18 个渠道。

步骤现有流程三段式翻车点拆给哪段
选图AI 直接出 800×800 带中文成品图AI 出无字底图 1024×1024中文乱码 60%+ · 形近字 · 缺笔字段一(拆字)
字体设计师手选字体(凭印象)代码硬编码授权字体路径未授权字体 · 单字 3000–10000 元段二(拆字体)
校验肉眼对字 + 拼 LOGO 复核OCR 全量扫 + 文案定稿逐字比对同音字 · 形近字 · 数字与单位错位段三(拆校验)
合计3 步串行3 段并行(工具不同)3 类风险每段只管一类

「直接出图」的失败不是 prompt 写得好不好的问题,是把字体选择、字形渲染、文字位置三层风险叠在一起的工程问题。三段式把这三层风险拆给三个确定性工具分别处理。

为什么不能「让 AI 直接出中文长句」这是生图模型的固有缺陷,不是提示词工程能解决的事。有公开技术文献总结过:当前主流扩散模型在「画 20 个小字」这件事上「几乎必错」 —— 中文尤其严重,因为字形结构比拉丁字符复杂得多,训练集中文字符级别的细节不够。

从历史踩过的坑想起:本场景 R2-05 就是这个规律的现场表现:「伊利纯牛奶」4 字被生成成「依俐纯牛乶」,「俐」是同音字、「乶」字根本不存在 —— 这不是「再调一次 prompt」能修好的。
1

要素校验 · 抽卡前先锁死 3 件不变量

3 件不变量的字面要求与现场判断

抽卡前先确认三件事:负面清单(不许出现的元素)、授权字体路径(必须打到已授权的字体)、文案定稿(叠字对象)。这三件任意一件缺位,4 轮抽卡就会重复 R2 的全军覆没。

不变量内容缺失后果补救动作
负面清单不出现手部特写 / 不出现中文字 / 不渲染 LOGOR2 已示范:六指 + 中文乱码同时出现从 品牌提示词工程库 提示词模板库直接拉取(详见 品牌提示词工程库)
授权字体思源黑体 · 阿里普惠 · Arial 三选一误用方正兰亭黑 → 单字判赔 3000–10000 元代码硬编码字体路径 + 财务行政复核凭证
文案定稿5 段文字 + 1 个 LOGO叠字对象 = OCR 比对基线5 段:依利纯牛奶 / 开学的能量 / 从一盒开始 / 250ml / 净含量 250 毫升
+ LOGO(伊利品牌库标准件)
抽卡参数4 轮 × 4 张 = 16 张 · 1024×1024低于 16 张 → 候选不足 → 18 渠道无法 1:1 派生seed 区间 88421–88436,按主题分组
合计 4 项——全部就位

这 3 件不变量不是「建议」是「必做」:每件都有真实翻车案例对应 —— 负面清单对应 R2-05/06/07/08 全废、授权字体对应 上刊前合规全量扫描 待拦的方正兰亭黑、文案定稿对应 OCR 比对基线缺失则校验失锚。

本场反面教材:客户最初给的口号是「长高高的秘密」,按美术指导的 VI 翻译判断,这条标语属儿童广告法第 40 条劝诱购买,已被 上刊前合规全量扫描 拦下 —— 最终定稿改为「开学的能量,从一盒开始」。

把「建议」改成「必做」负面清单这件事在 4A 时代是美术指导的肌肉记忆,但放到今天 22 人代理商里,让实习生按「肌肉记忆」执行就会出 R2 那样的事。

把负面清单写到模板库(品牌提示词工程库)里,每次抽卡前程序自动从模板库拉,这件事才不依赖某个人的记忆 —— 「该拦」的不靠人盯,靠工具卡死 —— 这是把工艺从人迁到工具的关键动作。
2

抽卡 · 4 轮 16 张,第 2 轮全军覆没

R2 是「把两个高风险点叠在一起」的典型反例

R1 按「无字 + 无手部特写 + 校门口场景」的负面清单生成 4 张全部通过。R2 试改「带中文字 + 含手部特写」的提示词,4 张全废。R3 回到 R1 风格但加入横竖版与构图变化,4 张通过。R4 进一步扩姿势,4 张通过。

轮次提示词要点通过废翻车原因
R1无字 + 无手部特写 + 校门口场景40—
R2带中文 + 含手部特写13六指 3 张 + 中文乱码 1 张(依俐纯牛乶)
R3回到 R1 + 横竖版与构图变化40—
R4扩姿势(举盒/喝/递)+ 校门变体40—
合计—133六指(R2-06/07/08)
合计 4 轮16 张抽卡13 张通过3 张废(六指 3)通过率 13/16 = 81.3%

第 2 轮全军覆没不是偶然:「带中文生成」与「手部特写」是两个独立的高风险点,在同一条提示词里同时触发,模型把这两个难度叠加,结果就是中文乱码 + 手部畸形同时出现。

结论:「图内带中文 + 手部特写」必须从提示词里拆开,前者走程序化叠字、后者走负面清单 —— 本结论已写入 品牌提示词工程库 模板库的负面清单第 1 条。

六指这个事不是模型的低级 bug生图模型画手部一直是公开承认的困难点,尤其是手部 + 物体的组合(手举盒、手握杯),业界目前的工程实践就是「能避免就避免」。

本场 R2 的提示词里同时含「手部特写」与「单手举起」两个手部强提示,—— 基本上是在给模型出最难的考题。客户拿到的「手部畸形率」会被这句提示词显著放大,而不是模型的随机翻车。

排除性结论:手部特写可以从提示词里直接排除,不让它进生成环节 —— 本场 R3/R4 就是这个排除的结果。
3

选片 · 13 张通过底图,1 主 KV + 12 详情页底图

13 张刚好打平 18 个交付物,无备用

13 张通过底图中,R1-01 选为横版主 KV、R4-12 选为竖版主 KV。其余 11 张用于详情页(4 端 × 3 屏 - 1 主 KV = 11 张,但详情页 12 屏需要 12 张底图,所以主 KV 横版同时作为淘系详情页首屏的复用底图)。13 = 1(横版主 KV)+ 1(竖版主 KV)+ 11(详情页)+ 0 备用。

底图使用渠道复用情况
R1-01横版主 KV主 KV + 淘系详情页首屏1 张图覆盖 2 个交付物
R4-12竖版主 KV主 KV(竖版)1 张图覆盖 1 个交付物
R1-02小红书笔记封面小红书1 张图覆盖 1 个交付物
R1-03淘宝主图 + 淘系详情页第 2 屏淘宝1 张图覆盖 2 个交付物
R1-04京东主图 + 京东详情页 + 电梯 frame京东 + 户外1 张图覆盖 3 个交付物
R3-09拼多多主图 + 拼多多详情页第 2 屏拼多多1 张图覆盖 2 个交付物
R3-10抖音主图 + 京东详情页第 2 屏抖音 + 京东1 张图覆盖 2 个交付物
R3-11朋友圈海报 + 京东详情页第 3 屏朋友圈 + 京东1 张图覆盖 2 个交付物
R3-12拼多多详情页第 3 屏 + 抖音信息流 A拼多多 + 抖音1 张图覆盖 2 个交付物
R4-13地铁灯箱 + 拼多多详情页第 3 屏(另一版)户外 + 拼多多1 张图覆盖 2 个交付物
R4-14抖音信息流 B抖音1 张图覆盖 1 个交付物
R4-15拼多多详情页第 1 屏拼多多1 张图覆盖 1 个交付物
R4-16抖音信息流 C + 抖音详情页第 3 屏抖音1 张图覆盖 2 个交付物
合计 13 张1 + 1 + 11 + 0 备用 = 1318 个渠道13 张底图刚好打平 18 个交付物
合计 13 张13 个使用单元18 个渠道0 备用(紧贴需求)

13 张底图 0 备用 = 真实业务常态。18 个渠道同时上新、3 周排期、底图选完即叠字 —— 「再补抽 4 张备用」的奢侈在这家 22 人代理商里不存在。

本场选片的核心是识别哪张底图能同时覆盖多个渠道:正面情绪饱满的 R1-04 拿去京东主图 + 详情页 + 电梯 frame;校门升旗的 R4-14 拿去信息流 B 兼抖音详情页。这靠的不是灵感,是逐张底图与 18 渠道规则的映射。

这步省掉的事传统流程里这一步叫「选稿」,是客户/美术指导/老板反复 battle 的环节。本场因为抽卡前已经按负面清单锁死了边界,13 张底图全部满足「无字 + 无 LOGO + 无手部特写 + 校门口元素」四条 —— 选稿争议被工程性地消解了,剩下的是情绪与构图偏好,而不是「这张能不能用」的根本性质疑。
4

叠字 · 思源黑体程序化叠 5 段 + 1 个 LOGO

这一步把字体的「不确定」彻底拆掉

13 张底图进入程序化叠字环节。代码硬编码 4 个授权字体路径,美术指导许帆在程序里新增字体必须同步更新字体台账。

段动作工具输入输出字形风险
段 2.1主标题(依利纯牛奶)Pillow + 思源黑体 Regular13 张底图13 张含主标题图字形确定(思源黑体 100% 字形)
段 2.2副标(开学的能量 / 从一盒开始)Pillow + 思源黑体 Regular13 张底图13 张含副标图字形确定
段 2.3容量数字(250ml)Pillow + Arial Bold13 张底图13 张含容量图数字字形确定
段 2.4净含量中文(净含量 250 毫升)Pillow + 思源黑体 Regular2 张主 KV2 张主 KV 含净含量字形确定
段 2.5行动号召(立即购买 / 扫码下单)Pillow + 思源黑体 Medium5 张信息流+朋友圈5 张含行动号召图字形确定
段 2.6LOGOPillow + 伊利品牌库标准件13 张图13 张含 LOGO 图LOGO 由美术指导许帆从品牌库拉取,不走 AI 生成
合计 6 步代码硬编码 4 字体13 张图13 张叠字图字形确定字形风险 0

「程序化叠字」看起来比模板化设计工具里手动打字更费事,但它把三件事一次性解决:① 字体选错的风险(代码不允许选未授权字体);② 错字的风险(OCR 段会自动扫描);③ 设计师状态的差异(实习生与老设计出的字是同一份)。

这一步的核心是「拆」:把「设计」拆成「构图(段一)」与「字(段二)」,字的部分交给确定性工具,构图的部分交给 AI。

这一步的工程红线本场景的三段式不是「分三步」是「分三层风险」:
· 段一拆掉「中文字」(底图不带字)
· 段二拆掉「字体未授权」(代码硬编码路径)
· 段三拆掉「叠错字」(OCR 全量)

每一段只处理一类风险,这是 AI 出图这件事在 2025 年最稳妥的工程形态,也是本库对「直接让 AI 出中文长句」这件事唯一能给的建议 —— 不要用。
5

OCR · 13 张叠字图与定稿逐字比对,0 异常

OCR 把肉眼难发现的同音字、形近字、缺笔字全数捞出

13 张叠字图全量过 PaddleOCR,与文案定稿的 5 段文字逐字比对。OCR 异常 0 —— 不是 PaddleOCR 太聪明,是段二程序化叠字保证了字形确定,OCR 拿来对比的是定稿字符串本身,匹配即通过。

底图段 1 文字段 2 文字段 3 文字段 4 文字段 5 文字OCR 异常
R1-01(主 KV 横版)依利纯牛奶开学的能量从一盒开始250ml净含量 250 毫升0
R1-02(小红书封面)依利纯牛奶开学的能量———0
R1-03(淘宝主图)依利纯牛奶开学能量早餐每天一杯250ml—0
R1-04(京东主图)依利纯牛奶开学能量早餐每天一杯250ml—0
R3-09(拼多多主图)依利纯牛奶开学能量———0
R3-10(抖音主图)依利纯牛奶开学能量早餐活力满满250ml—0
R3-11(朋友圈海报)扫码下单————0
R3-12(抖音信息流 A)依利纯牛奶开学能量早餐立即购买——0
R4-12(主 KV 竖版)依利纯牛奶开学的能量从一盒开始250ml净含量 250 毫升0
R4-13(地铁灯箱)依利纯牛奶开学的能量———0
R4-14(抖音信息流 B)依利纯牛奶开学能量早餐立即购买——0
R4-15(拼多多详情页)依利纯牛奶开学季特惠———0
R4-16(抖音信息流 C)依利纯牛奶开学能量早餐立即购买——0
合计 13 张—————0 异常

「OCR 异常 0」反过来证明了三段式的有效性:如果换回「让 AI 直接出图」的方式,13 张里至少会有 3–5 张出现同音字(如「依利」/「伊利」混用)、形近字(「250ml」/「25Oml」)、缺笔字(「奶」缺一横)等等。

OCR 校验不是锦上添花,是三段式闭环的最后一环:前两段把风险「拆小」,第三段把残余风险「捞净」。

OCR 校验发现过什么2025 年 3 月的另一场 campaign,设计师手写出「优质蛋白」4 字,PS 存盘时字体替换成宋体,肉眼检查时没发现「白」字多了一横 —— 上线 3 天后被同行截图投诉,最后公司赔偿了 4800 元(按图片判赔 2000 元/张 + 律师函 800 元)。

本场把 OCR 全量扫写进流程后,类似「多一横」这种肉眼难发现的错误被自动捞出 —— 本场结果是 0 异常,但流程存在的意义不是「捞出多少」,是「让客户敢把检查外包给机器」。

把 OCR 异常换算成钱:单张图多 1 笔 / 缺 1 笔 = 图片判赔 2000 元/张 + 律师函 800 元 +下架整改 1 天 = 实际损失 1 万元/张。本场 13 张如果按 60% 翻车率(无 OCR 校验)算 = 7.8 张异常 = 7.8 万元/场的潜在损失。
之后

18 个渠道交付 + 字体台账副产物

这一步把交付物全量收口,附 3 份副产物

18 个渠道的最终交付物、字体台账副产物、3 份预期输出。

产出内容签批栏留空栏
主KV三段式制作记录.xlsx横竖双版主 KV 的 3 段记录(底图 / 叠字 / OCR)编制(林小满)· 复核(许帆)放行结论
全渠道物料包(18 张)18 个渠道的最终交付物 · 含尺寸/底图/叠字/渠道规则编制(林小满)· 复核(许帆)· 客户确认(伊利 YL-2026-09 PM)—
废卡与拦截记录.xlsx4 轮抽卡 16 张的拦截依据 + 复盘结论编制(林小满)· 复核(许帆)—

整改建议写法示例(不写「加强管理」):
① 把 品牌提示词工程库 提示词模板库负面清单第 1 条(手部特写 + 中文字)写进林小满的 SOP —— 由许帆牵头,本周内更新岗位 SOP,验收标准是 R2 这种全军覆没的轮次不再出现(抽卡拦截率 100%)。
② 字体台账作为副产物定期更新(每季度一次) —— 由财务行政与美术指导联合维护,验收标准是字体台账与代码硬编码路径 100% 对齐。
③ 三段式抽卡记录作为 主 KV 三段式生图与全渠道多尺寸适配 标准件沉淀 —— 下一个 campaign 直接复用本场的 4 轮抽卡参数(seed 区间 / 负面清单)。

整改建议的衡量方式本场 13 张通过里 R1 一整轮 4 张全部通过,是因为 R1 完全遵守了 品牌提示词工程库 负面清单 —— 这条经验的转化方式不是「设计师要更认真」,是「下次任何 campaign 抽卡前必须先过负面清单」。

「用制度替代个人自觉」是 22 人代理商从 4A 工作室规模里能继续活下去的唯一路径 —— 这一点是本场整场流程的真正价值。
主 KV 可上刊,但「伊利纯牛奶 → 依利纯牛奶」OCR 异常 0 张需客户最终确认
4 轮抽卡 16 张、通过 13 张、最终交付 18 个渠道;OCR 全量 13 张异常 0 张;字体台账已对齐授权状态。

但本场有三处不能由 Agent 拍板,必须由客户与公司确认:
① 主标语最终定稿:客户最初给的是「长高高的秘密」,按美术指导 VI 翻译判断属儿童广告法第 40 条劝诱购买,已被 上刊前合规全量扫描 拦下并改为「开学的能量,从一盒开始」。这一改动涉及客户创意方向,需客户方 PM 最终确认。
② 选片 R1-01 / R4-12 作横竖双版主 KV:选片依据是「无字 + 负面清单 + 校门口元素」三条工程规则,最终选哪张是美术指导许帆与伊利 YL-2026-09 PM 共同判断。
③ 三段式工艺沉淀:本场 4 轮抽卡参数(seed 区间 88421–88436、负面清单第 1 条、字体台账 4 字体)建议沉淀为下一个 campaign 的标准件 —— 是否公司级沉淀由老板决定。

方案一 · 公司级沉淀(推荐):4 轮抽卡参数 + 负面清单 + 字体台账进入公司标准件库,下一个 campaign 由林小满直接复用 —— 好处是「下次不要重新发明轮子」;风险是「标准件库的更新责任未明确(谁加字体、谁更新负面清单)」。
方案二 · 维持现状:本场 4 轮抽卡参数仅作为本场产物归档,下一个 campaign 由林小满凭记忆重做 —— 好处是「每场 campaign 灵活度高」;风险是「R2 那种全军覆没的轮次会重复出现」。

放行结论、签收栏、合规结论三栏留空 —— 这三栏归客户方与公司负责人。
之后

这一次跑完,公司多了什么

不讲省了多久 · 讲少了几个隐患、沉淀了什么
✓
主 KV 第一次有了制作留痕:提示词版本、抽卡质检、叠字参数、OCR 比对全部可追溯 —— 客户问任何一处都有记录
✓
三段式管线成为团队标准:文字不再交给模型画,乱码从工程上被消灭,而不是靠运气
✓
渠道规格从收藏夹变成了台账:18 个渠道的安全区与平台规则每次适配都被逐项核对
✓
废卡记录反哺模板库:第 2 轮六指的教训直接变成负面清单的权重调整,下次起跑废卡率更低

追问现场可能被问到的

答不上来的问题,比答得漂亮的问题更能决定这场演示的结果

为什么不直接让 AI 出带字的成品图?
因为会当场翻车 —— 不是我们的判断,是研究结论:模型没有独立字符解析内核,复杂排版下字符幻觉无法清零;「画 20 个小字几乎必错」。行业商用规范写明不可直接使用模型原生内嵌文字。三段式不是偏好,是工程红线。
16 张里挑不出满意的怎么办?
调的是模板不是运气:废卡记录会告诉你是负面清单缺项还是场景描述跑偏 —— 第 2 轮的六指就是这么变成负面词的。另外审美拍板本来就是美术指导的事,质检只拦硬伤。
18 个渠道每张都要人核一遍吗?
硬规则(尺寸/白底/文字面积/比例)由适配层逐项自检,人核的是视觉优先级 —— 哪些渠道值得设计师亲自过,哪些规格化输出直接走,台账上标得清清楚楚。

想了解来龙去脉?

回到场景引入,看这个场景的痛点、做法与边界