画面里的文字为什么总是乱：先问这张图要不要字

先看半句话。

城市夜景那一册里有一张《河岸夜市》，临河摊位、蒸汽、灯笼、玻璃幕墙的倒影。它的叙事线索那一栏原文写着：「蒸汽遮住半个招牌但没有文字」。

招牌被蒸汽遮住一半，是刻意安排的。后面那五个字才是重点——这套素材对文字的态度，是让字干脆不要出现。

七十张图里，和文字有关的指令有四处

翻这批素材的提示词记录，会看到四处在做同一件事。

负面清单最靠前的两个词是 `text` 和 `readable signage`。这份清单一共十三条，七十张共用同一份，从水印、签名、低分辨率、模糊一路写到卡通、塑料质感、过饱和霓虹。

约束那一栏七十张一字不差：`no text, no logo, no watermark, no signature, no readable signage, avoid duplicated composition from other batch items`。七十张里，七十张都写了不许有字。

构图那一栏七十张各有各的写法，一共出现六十五种，但每一种后面都缀着同一句 `no text area required`——不需要给文字留位置。

第四处在「关键调整」里，同样是七十张共用的三句话，第二句是：「生成后如主体不清晰，增强视觉锚点但不要加入文字」。

四处讲的是同一件事：这套图的默认做法，是让文字不出现。

你看到的「乱」，多数是没排干净

文字没被彻底排除的时候，模型给出的往往不是空白，而是「看着像字」的图案：远看有笔画的疏密和节奏，凑近看一个都不成立。这种情况在缩略尺寸下最难发现，因为它小到刚好能骗过眼睛。

第四批那四十五张的交付检查项里，专门有一条在盯这件事。单张的质检记录写着「未见文字、水印或拼图」——成图之后还要复查一遍，确认没有漏进来的。

要排干净，三个地方得同时写。

负面清单把这一类词一次写全：`text`、`letters`、`numbers`、`logos`、`watermark`、`signature`、`readable signage`。零零散散加两三个不够，剩下的会被补上。

构图那一栏补一句不需要给字留位置。这一句管的是构图，负面清单碰不到它——它告诉模型这块画布不必为一段文字让出空间。

然后是复查。缩到列表里显示的大小看一眼，比放大盯着原图更有效。

需要字的时候，负面词帮不上忙

负面词只能减，不能加。它可以压低「文字」这个特征的权重，但没办法指定画面上出现哪四个字。

所以招牌、包装、海报、书籍封面、界面截图这类必须有字的场景，指望一次生成到位不现实。这批素材恰好没有这个需求——它们的用途在提示词第一行就写死了：网站视觉素材。

真需要字，稳妥的做法是把位置留空，字后期贴。留空这件事也要在提示词里说清楚。写「不要字」，模型可能把整个区域跟着一起糊掉；写「这块区域保持干净、不要有任何内容和纹理」，出来的结果不一样。

另一个容易忽略的点：笔画越多、结构越密，越难成立。拉丁字母里三四个字母的短词偶尔能出对，中文字形复杂得多。这属于任务难度不同，跟模型好坏关系不大，所以别指望同一个方案在两种文字上表现一致。

主体不清的时候，别用字去补

「关键调整」里那第二句话值得单独拎出来：主体不清晰时，动作是增强视觉锚点，不要加入文字。

这一步很容易走反。画面看着空、看着弱，人的第一反应是压一行字上去——标题、注释、一句短文案，画面立刻「有东西了」。但这个「有东西」是拿读者的注意力换来的，它盖住的是结构缺陷，并没有把结构修好。

该做的是把主体做大、做亮，或者把周围压下去。留白该留多少、主体该占多大，构图就三个动作 里拆过。如果连主体那一格都写得含糊，先顺一遍提示词的结构，问题常常不在文字上。

出图前先问一句话

就一句：这张图要不要字。

不要，上面那串词一次写全，构图那栏补上不需要留位置，出图后缩到列表尺寸复查一遍。

要，就别在生成阶段硬扛，留一块干净的位置，把字放到后期。

另外，城市夜景 那一册里，招牌、霓虹、橱窗的场景不少，但画面里一块字都没有。《河岸夜市》是拿蒸汽遮的，《旧城雨巷》里那块木招牌也是空的。东方未来那一册的月港牌楼 更直接——整座牌楼的造型都在，唯独没有匾额。翻一遍就知道这个策略执行到了什么程度。