Si las palabras solicitadas están escritas correctamente, las palabras AI serán la mitad correctas: combate práctico de ingeniería de palabras solicitadas para la representación de texto

El mismo modelo, el mismo requisito, pero las palabras clave están escritas de diferentes maneras, la precisión del texto puede ser tres veces peor.

---

La palabra clave no es metafísica, sino ingeniería.

La forma en que muchas personas escriben palabras de indicaciones de imágenes de IA es "escribir lo que se les ocurra" y luego descubren que el texto siempre comete errores y sienten que "el modelo no es bueno". Pero con el mismo modelo y los mismos requisitos, la precisión del texto de algunas personas puede alcanzar el 80%, mientras que otras solo pueden tener el 20%; la diferencia radica en la forma en que se escriben las palabras clave.

El proyecto de palabras clave no es "escribir una descripción larga", sino describir claramente las cuatro dimensiones del contenido del texto, el estilo de los glifos, las restricciones geométricas y los elementos invariantes. Lo que el modelo necesita no son signos de exclamación y adjetivos, sino instrucciones precisas.

Este artículo le brindará un conjunto de bibliotecas de plantillas de Word que se pueden reutilizar directamente y que cubren las tres plataformas principales: Stable Diffusion, OpenAI GPT Image 2 y Midjourney. Se clasifican en tres escenarios: carteles, etiquetas e infografías. Cada plantilla viene con descripciones de parámetros y guías de errores.

---

Estructura de cuatro capas de palabras clave.

Independientemente del modelo que se utilice, las palabras clave para la representación de texto deben contener cuatro capas de información:

Primera capa: contenido de texto. Texto específico que debe aparecer en pantalla. Envuélvalo entre comillas para decirle explícitamente al modelo "estas palabras deben representarse exactamente".

La segunda capa: estilo glifo. Tipo de fuente (serif/sans serif), peso de fuente (negrita/normal), nivel de tamaño de fuente. Escribir "Fuente sans serif china moderna, título en negrita" es más efectivo que escribir "Usar Siyuan Heibo": es posible que el modelo no necesariamente conozca el nombre de fuente específico, pero puede comprender la descripción del estilo.

Nivel 3: Restricciones geométricas. La posición, tamaño, alineación y interlineado del texto. Cuanto más preciso sea el modelo, menos probable será que tome sus propias decisiones.

Nivel 4: Elementos invariantes. Lo que no se puede cambiar: textura de fondo, luces y sombras, cuerpo del producto, relación de perspectiva. Utilice restricciones como preserve, do not change, maintain.

Desglosar estas cuatro capas y escribirlas es mucho más eficaz que agrupar toda la información en una frase larga.

---

Plataforma 1: Difusión estable en palabras clave de pintura

El inpainting de Stable Diffusion es una de las soluciones más flexibles para la modificación de caracteres locales. Sus palabras clave se dividen en dos partes: positivas y negativas.

Plantilla de word - mensaje positivo

🚫CÓDIGO0🚫

Plantilla de Word con mensaje negativo

🚫CÓDIGO1🚫

Parámetros clave

Plantilla de título de póster

🚫CÓDIGO2🚫

Parámetros: strength=0.30, guidance_scale=5.5, steps=32

Plantilla de nombre de marca

🚫CÓDIGO3🚫

Parámetros: strength=0.25, guidance_scale=6.0, steps=36

Sugerencias de enmascaramiento

• Título del póster: máscara rectangular a nivel de palabra, que se expande hacia afuera entre 2 y 6 píxeles
• Nombre de marca: máscara rectangular general, incluido el espacio en blanco circundante
• Números de precios: máscara rectangular exacta, sin expansión; el fondo del área numérica suele ser muy simple y la expansión introduce ruido.

---

Plataforma 2: Imagen 2 de OpenAI GPT, palabras de aviso de flujo de edición

El flujo de edición de GPT Image 2 implementa una modificación local a través del parámetro de máscara. La palabra clave debe describir "sólo qué cambiar y qué conservar" en lenguaje natural.

Sintaxis básica

🚫CÓDIGO4🚫

requisitos del archivo de máscara

• Mismo tamaño que la imagen original (consistente a nivel de píxel)
• Mismo formato que la imagen original (tanto PNG como JPEG)
• Con canal alfa (áreas transparentes = no modificadas, áreas opacas = por modificar)
• Recordatorio de la página de ayuda oficial de ChatGPT Images: el resaltado de la selección no siempre es preciso y la edición puede exceder el área seleccionada; por lo tanto, deje los márgenes adecuados en el área de la máscara

Plantilla de letras de póster

🚫CÓDIGO5🚫

Plantilla de modificación de etiquetas

🚫CÓDIGO6🚫

Plantilla de cartel chino

🚫CÓDIGO7🚫

Consejos clave

Consejo 1: coloque el texto de destino entre comillas. "SUMMER SALE" es mejor que SUMMER SALE para que el modelo entienda que esto es lo que debe representarse con precisión.

Consejo 2: diga claramente "cambie solo el área enmascarada". Replace only the masked area es mucho más preciso que Fix the text: el primero limita el alcance de las modificaciones, mientras que el segundo puede hacer que el modelo vuelva a renderizar la imagen completa.

Consejo 3: Enumere los elementos que no se pueden cambiar. Preserve background, shadows, perspective, all unmasked elements - Esta restricción puede reducir significativamente la situación de "cambiar una palabra, el fondo también cambia".

Consejo 4: agregue la restricción "no reescribir" a la escena china. 文字必须严格按以下内容排版，不要改写、不要增删、不要替换同义词: esto es crucial para carteles comerciales que requieren revisión legal.

---

Plataforma 3: indicaciones de modificación parcial de palabras a mitad del viaje

Las funciones Editor de Midjourney y Vary Region admiten el rediseño de la selección. Los funcionarios recomiendan que las indicaciones sean breves y directas, con los parámetros colocados al final.

Sintaxis básica

🚫CÓDIGO8🚫

Sistema de pesas

Midjourney usa :: para separar diferentes partes de la palabra clave, y el siguiente número es el peso. Para la representación de texto, establezca el peso del contenido del texto en alto:

🚫CÓDIGO9🚫

::3 significa que el peso del contenido del texto es 3 veces mayor que el de otras partes y el modelo trabajará más para escribir las palabras correctamente.

Plantilla de título de póster

🚫CÓDIGO10🚫

Plantilla de identidad de marca

🚫CÓDIGO11🚫

Limitaciones de la mitad del viaje

El punto fuerte de Midjourney es el estilo visual, no la precisión textual. Menos control sobre texto largo (más de 5 palabras) y kerning preciso que Stable Diffusion y GPT Image 2. Sus mejores usos son: Palabras cortas estilizadas, títulos de carteles conceptuales, iteración rápida de nombres de marcas.

---

Habilidades generales multiplataforma

Independientemente del modelo que se utilice, los siguientes consejos pueden mejorar la precisión de la representación del texto:

Envuelva el texto de destino entre comillas

Encierre el texto que debe aparecer en la imagen entre comillas y el modelo lo tratará como contenido que "debe presentarse con precisión" en lugar de una descripción que "se puede reproducir libremente". Este truco funciona en todas las plataformas.

Declarar explícitamente la ubicación

No escriba simplemente "poner el título en la parte superior", escriba "coloque el título principal centrado en el 20% superior de la pantalla, con el tamaño de fuente más grande". Cuanto más preciso sea el modelo, menos probable será que tome sus propias decisiones.

Especifique el estilo de fuente en lugar del nombre de la fuente

Escribir "Fuente sans serif moderna, títulos en negrita" es más efectivo que escribir "Usar Helvética". Es posible que el modelo no conozca necesariamente el nombre de fuente específico, pero puede comprender la descripción del estilo.

Controlar la cantidad de texto

Trabaja solo de 1 a 3 palabras o frases a la vez. Cuantas más palabras haya, mayor será la posibilidad de error. Si necesita modificar varias áreas de texto, hágalo varias veces, un área a la vez.

Borrar primero y luego escribir

No sobrescribas texto nuevo directamente sobre el texto existente. Primero use inpaint para borrar el texto original (deje la palabra emergente en blanco o escriba remove text). Después de confirmar que el fondo está limpio, realice una segunda pintura para escribir texto nuevo. Dos pasos son más seguros que uno.

Las palabras recordatorias negativas no se pueden omitir

Las palabras negativas de Stable Diffusion tienen un gran impacto en el efecto de representación del texto. garbled text, duplicate letters, extra glyphs Estos tres elementos son casi imprescindibles.

---

Un flujo de trabajo completo de palabras de solicitud de modificación de palabras

Tomemos como ejemplo un cartel promocional chino. Es necesario cambiar el título de caracteres confusos a "Oferta especial por tiempo limitado":

Paso 1: Borrar el texto original

🚫CÓDIGO12🚫

Paso 2: escribe texto nuevo

🚫CÓDIGO13🚫

Paso 3: Verificación

Utilice OCR para extraer texto nuevo y compararlo palabra por palabra con "ofertas especiales por tiempo limitado". Si hay una desviación, regrese al Paso 2 para ajustar las palabras o los parámetros del mensaje.

---

Resumen de una oración

La estructura de cuatro capas de la palabra solicitada (contenido de texto + estilo de glifo + restricciones geométricas + elementos invariantes) determina la precisión de la representación del texto. Separar estas cuatro capas es tres veces más eficaz que agrupar toda la información en una sola bola.

¿Quieres probar los efectos de diferentes formas de escribir palabras clave? Utilice la misma imagen para editar varios conjuntos de diferentes palabras clave en gpt-image2ai.art e intuitivamente sentirá la brecha entre instrucciones precisas y descripciones vagas.

Try GPT Image 2 for Free Now →