文字在图像中

生成一张图像，确保特定文字以正确的位置、正确的样式准确呈现。该技能通过引用确切文本内容，使模型将其视为不可更改的字面内容而非可改写的场景描述，从而精确控制文字的排布与字体设计。大多数图像模型会将文字视为视觉纹理并导致乱码。以下列出的模型是真正能够清晰渲染可读且拼写正确的文字的。

需收集的输入

• 确切的文字内容：图像必须展示的原文字符串，包括引号、重音符号、价格、日期、换行符等。若用户未提供确切用词，请主动询问。不得自行虚构图像上的文字。
• 交付物类型：海报、包装设计、广告图、社交媒体横幅、UI原型、菜单、标识牌、信息图等。决定画面比例和布局规范。
• 文字位置与层级关系：每段文字的具体位置，以及主次关系（当重要时需明确）。
• 可选：品牌配色方案、固定宽高比、需编辑文字的参考图像。

支持的模型

• 文字密集型设计首选：Ideogram 4.0 (ideogram:4@0)

将文字作为结构化 JSON 提示中的第一优先级元素处理，每行文字均按字节逐字符渲染。适用于海报、包装、多语言标签、具有真实字体层级的设计。

• 自然语言描述 + 世界知识理解最佳：GPT Image 2 (openai:gpt-image@2)

基于大语言模型，能解析完整设计需求，擅长信息图和广告创意，可自动生成合理数据/内容。对引用文字的渲染稳定可靠。

• 通用性强且文字清晰：Nano Banana 2 (google:4@3)

对物体名称和位置识别准确，能良好渲染短句引用内容，支持 thinking 模式处理复杂布局。

• 营销/标识类快速图文生成：Grok Imagine (xai:grok-imagine@image-quality，或轻量版 xai:grok-imagine@image)

仅通过提示词实现文字渲染，适合标题、价格突出、包装原型、A/B 测试变体等场景。

• 在调用前，请通过 runware-models 和 runware-run 确认所选模型处于“可用”状态，并检查其参数结构。切勿硬编码过期的模型选择。

工作流程

1. 查阅所选模型的参数结构（使用 runware-run），确认字段名（如 positivePrompt、width/height 或预设宽高比，以及模型特有设置）。
2. 编写提示词，将所有必需的文字内容用引号原样包裹，并明确说明其位置与样式（参见技巧部分）。对于 Ideogram，应构建结构化 JSON 而非普通句子。
3. 同步调用 imageInference。通过设置 numberResults 请求多个版本，以便挑选出文字最清晰的输出。
4. 在全分辨率下检查结果。缩略图中不易察觉的文字错误，在 100% 放大后会明显暴露。逐字核对源文本。
5. 若仅个别字错误但其余部分良好，不要重新生成整图。直接进行局部修改：将图像通过 inputs.referenceImages 传入，并仅描述变更内容（Grok、GPT Image 2、Nano Banana 2 支持此功能）。如需局部重绘，Ideogram 3.0 Edit 可接受种子图加掩码进行精准修改。

技巧指南

• 务必用引号包裹确切文字，这是强制要求。将图像中必须显示的每一串文字用引号包围，引号是模型识别“这是字面内容，需逐字符渲染”的关键标记。未加引号时，模型会理解意图并自行生成内容，从而引发拼写错误或无意义符号。
• 在场景描述之后说明文字位置与风格。先描述整体场景，最后说明文字及其位置。明确指定位置（如“顶部居中”、“左下三分之一”、“贯穿店面橱窗”）、字体样式（如“粗体无衬线”、“浮雕金色衬线”、“手写粉笔体”）和大小（如“大标题”、“小副标题”）。未指定则由模型自行决定。
• 为多行文字建立层级结构。分别命名主标题（品牌/主标题）和次要内容（副标题、价格、日期、署名等），使模型按顺序调整字号。这正是让海报按预期阅读与让模型随意排版之间的关键区别。
• 保持渲染文字简短。标题、品牌名、短语可稳定呈现。长段落及密集的中日韩文（CJK）文字准确性下降。对于长文本，建议单独生成文字图层，再合成至整体布局。
• Ideogram 使用结构化 JSON，而非自然语言句子。文字是第一优先级元素。每个 text 元素的 text 字段将被原样渲染，desc 字段用于描述位置、权重与样式。obj 元素被视为自然语言描述。保留关键字采用蛇形命名法，顺序固定：high_level_description、style_description（包含 aesthetics、lighting、photo 或 art_style、medium、color_palette）、compositional_deconstruction（包含 background、elements[]）。可发送自然语言 positivePrompt，由 Magic Prompt 自动展开；也可直接传入结构化 JSON（通过 settings.structuredPrompt）。两者在单次请求中互斥。当精确文字至关重要、存在多个带层级的文字元素、或需跨多次运行保持一致布局时，优先使用结构化路径。
• Ideogram 结构化提示模板骨架。填入对应字段并作为 settings.structuredPrompt 传递。每行文字对应一个 text 元素，按阅读顺序排列；photo 与 art_style 二选一（不可同时使用）；color_palette 中使用大写 #RRGGBB 格式。

markdown

技能：图像中的文字（Text In Image）

版本：1.0.0

分块：2/2

高层级描述

将指定文本内容以特定设计风格准确呈现于图像中，确保文字与视觉元素在布局、样式和语义层次上完全匹配原始需求。

视觉风格描述

• 美学基调：<设计流派或情绪氛围>
• 光照效果：<平面海报光、柔和侧光、无光照>
• 艺术风格：<插画或印刷风格>；若为摄影则使用 "photo"
• 配色方案：[#RRGGBB, #RRGGBB]

构图拆解

• 背景：<表面质感、光线、氛围，不包含主体>
• 构成元素：

- 类型：text

文本：<主标题原文>

描述：<字号、字重、位置>

- 类型：text

文本：<副标题原文>

描述：<字号、字重、位置>

- 类型：obj

描述：<任何非文字元素的自然语言描述>

加载 references/examples.md 以获取完整示例（海报、包装、UI原型），包含真实 AIR 值、尺寸和输出形状。

• 针对 GPT Image 2：以简报形式撰写提示，强化“verbatim”要求。在引号后添加 render text verbatim, exactly as written, no extra characters，防止模型篡改文本。该功能可生成合理的数据用于信息图，并引入真实世界事实到广告或编辑场景中，因此应描述整体交付物，而非逐字规定每个标签。
• 针对非拉丁文字脚本：需添加脚本提示。引用字符并明确脚本名称（如“用日文汉字书写”、“采用传统阿拉伯书法”），以确保模型选择正确的字形集。拉丁文字最可靠，其次为短字符串的 CJK，而右至左脚本（RTL）在配合书法风格提示时表现最佳。
• 修改已有文案是同类操作：若要更改现有图像中的文字内容而非从头生成，提供原图作为参考，仅说明变更部分，并明确列出所有需保留的内容。

关键参数说明

• positivePrompt：承载带引号的文案 + 布局 + 风格信息，适用于 GPT Image 2、Nano Banana 2 和 Grok。
• Ideogram 结构化提示：使用 settings.structuredPrompt（JSON 格式），或在 Magic Prompt 路径中使用 positivePrompt。二者不可同时使用。text 字段表示原文渲染，obj 字段表示解释性元素。可选的每元素 bbox 为 [y_min, x_min, y_max, x_max]，整数范围 0–1000，按行优先顺序（先 y 后 x），原点为左上角。color_palette 使用大写 #RRGGBB 格式：图像级最多 16 种，每元素最多 5 种。设置 outputFormat: "PNG" 可获得透明背景。settings.renderingSpeed 分为 TURBO / DEFAULT / QUALITY，速度与文字清晰度权衡。密集排版的主视觉资产建议使用 QUALITY。宽度与高度必须符合允许的宽高比预设。
• GPT Image 2：providerSettings.openai.quality 设置为 high（小尺寸或密集文字），否则为 medium。inputs.referenceImages 支持最多 16 张图片。不支持 negativePrompt 字段。负面提示请直接写在提示中，格式为 negative prompt:。
• Nano Banana 2：settings.thinking 默认为 MINIMAL，复杂约束提示可设为 HIGH。不支持 negativePrompt 字段。负面提示以 Negative prompt: 子句形式写入。
• Grok Imagine：仅支持纯提示输入（无文字层、字体或边界框）。通过 numberResults 请求 A/B 测试变体。inputs.referenceImages 用于文本编辑。
• numberResults：建议请求 3–4 个结果，从中挑选最佳文字渲染效果。同一批次内的差异优于多次独立调用之间的稳定性。
• 请始终对照实时模式定义（runware-run）确认字段名称，切勿猜测参数。

质量标准

• 所有必需字符串必须拼写正确，逐字符核对，且在全分辨率下验证（非缩略图）。
• 布局与层级关系符合原始需求：主文案读起来为主，副文案为次，无元素偏移原定位置。
• 不得虚构文案、伪造标志、编造奖项或用户评价，仅可使用用户提供的内容。
• 如需透明背景，输出必须为 PNG 格式，不能使用 JPG。
• 若仅有一个词出错，应通过文字编辑修正，而非重新生成整张图像。

相关技能

runware-run, runware-models, runware-prompting；logos-and-vectors（文字标识与扁平矢量输出）、product-photography（品牌包装与标签的真实拍摄场景）