《青娱乐视觉盛宴国产》

AI文生图文字乱码？都像鬼画符(✴)？国内主流AI模型文生图中文字对比

一次无意的使用豆包大模型中发现，无论怎么修饰(🛫)，生成图片中的指定文字总是各(🔇)种乱码或者奇怪符号，就像是鬼画符一般。于是带着这个问号去试了一下其它主流的AI。

目前国内AI模型越来越多，如春笋(🗒)一般不断涌(🐊)增，头部基本上都认为(🤫)是：阿里的通义千问、百度的文心一言、腾讯的混沌(📣)、华为的盘古、讯飞的星火、抖音的豆包以及最近特别流行的Kimi。而其中免费且能直接实现文字成图的就是通义千问、文心一言、豆包、讯(⛪)飞的星火，而热门的Kimi无法实现文字生图，只能提供语言交互功能。

1、图片生成对(🍚)比，主流AI的文成图全部沦陷

为了直观的对比，给了最简单的指(🍵)令：男生小明(🎚)举着一张纸，上面写着“我是小明”，生成卡通图片。分别在上(🏅)述四个AI中生成了相应图片。当然，即(🦋)使采用同样的表述，每个(☝)人使用AI生成的(🚗)图片都会不一样的，这里不做纠结。

首先是通义千问，我是(✨)小明的文字感觉(⛩)有点像是泰文一样的奇怪文(📃)字，完全看不出写的是(💖)啥。

通义千问生成的图片

其次是讯飞星火，这对“举着一张纸”是有啥误解吗？当然核心的是“我是小明”这些的感觉更像是乐谱。

讯飞星火生成的图片(👔)

对于豆包(🕳)生成图片，这卡通图一点都不卡(🌓)通，更像是照片图，而这文字看上去有点像是日文。但是(😷)也读不出(🍶)写的是啥？

豆包生成的图(🉑)片

最后是文心一言的图片，看上去有点像英文又有点像泰文，反正是一点没看出中文(🎙)的样子。

文心一格生成的图片

2、原因分析及疑惑

似乎目前国内(😒)主流的AI在文成图上的文字表现上都不行，看来(🧠)国内AI模型的文生图的迭代优化上还有很(😾)长的路(🦂)要走，当然国(📔)内有些在文生图(🎳)上很专业的付(🚊)费AI模型没有测试，并且国外GPT模型也没有测试。仅从这几个模型的文成图来看，涉及指定文字的视频生成恐怕就更难以想象了。

本人不是专业的IT行业人员(🛫)，初步猜测还是AI模型算法在在成像的逻辑缺乏整体的校验功能，就像是有时候(🎥)AI在(🍟)文字互动都会出现逻辑混乱甚(👫)至幻觉的问题。具体的原因相信专业人士肯定有了答案。

随着AI浪潮的不断演进，相信上述的问题很快就会得(😊)到解决。国内(🧙)的AI文成图更能用于协助文创办(🏽)公等一系列事务。

【青娱乐视觉盛宴国产的相关新闻】