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
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。
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。
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。
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。
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 LOGO | R2 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」。
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 | 4 | 0 | — |
| R2 | 带中文 + 含手部特写 | 1 | 3 | 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 | 4 | 0 | — |
| R4 | 扩姿势(举盒/喝/递)+ 校门变体 | 4 | 0 | — |
| 合计 | — | 13 | 3 | 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。
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 = 13 | 18 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。
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 Regular | 13 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 Regular | 13 张底图 | 13 张含副标图 | 字形确定 |
| 段 2.3 | 容量数字(250ml) | Pillow + Arial Bold | 13 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 Regular | 2 张主 KV | 2 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 Medium | 5 张信息流+朋友圈 | 5 张含行动号召图 | 字形确定 |
| 段 2.6 | LOGO | Pillow + 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。
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」。
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.xlsx | 4 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)。
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
回到场景引入,看这个场景的痛点、做法与边界