Hiển thị văn bản trong tạo ảnh AI đề cập đến khả năng của mô hình tạo ra các từ rõ ràng, đúng chính tả bên trong ảnh được tạo. Trước đây, đây luôn là điểm yếu nhất của các mô hình dựa trên diffusion — chữ bị biến dạng, thiếu ký tự và xuất hiện các nét thừa là chuyện thường. Thách thức là văn bản không có chỗ cho lỗi: chỉ một ký tự sai cũng khiến từ không đọc được hoặc thay đổi nghĩa. GPT Image 2 xử lý văn bản theo cách khác với các mô hình diffusion: kiến trúc autoregressive của nó xử lý các token văn bản theo cùng cách xử lý ngôn ngữ, hiểu chuỗi ký tự thay vì cố gắng vẽ hình dạng chữ cái từng pixel một.
GPT Image 2 tái tạo tiếng Anh và các văn bản chữ Latin khác với độ chính xác gần như hoàn hảo. Các từ lên đến ~30 ký tự hiển thị chính xác bao gồm viết hoa, dấu câu và khoảng cách. Điều này bao gồm hầu hết tiêu đề, tagline, tên sản phẩm và đoạn văn ngắn.
Các ký tự tiếng Trung, tiếng Nhật (hiragana, katakana, kanji) và tiếng Hàn (hangul) hiển thị với thứ tự nét và tỷ lệ chính xác. Đây là bước tiến vượt bậc so với các mô hình diffusion, vốn thường tạo ra ký tự CJK với các nét bị gộp, thừa hoặc thiếu.
Văn bản tiếng Hindi (Devanagari) và tiếng Bengali hiển thị với phụ âm kết hợp và dấu nguyên âm chính xác — các chữ viết mà chỉ cần sai nhỏ cũng làm văn bản không đọc được. Các mô hình trước đây hầu như thất bại hoàn toàn với những chữ viết này.
Mô tả kiểu phông chữ trong prompt của bạn: "bold sans-serif", "elegant serif", "handwritten cursive", "monospaced code font". GPT Image 2 điều chỉnh hình dạng chữ cái để khớp với kiểu được mô tả trong khi vẫn duy trì độ dễ đọc.
Chỉ định vị trí xuất hiện của văn bản: "căn giữa ở trên cùng", "góc dưới bên trái", "cong dọc theo vòm", "bên trong bong bóng thoại". Mô hình tuân theo hướng dẫn không gian để đặt văn bản với độ chính xác hợp lý, mặc dù các bố cục phức tạp (văn bản tròn, cột chặt) kém tin cậy hơn.
Truy cập PonPon Image và chọn GPT Image 2 từ menu thả xuống mô hình.
Đặt văn bản bạn muốn hiển thị trong dấu ngoặc kép: *Một poster với dòng chữ "Summer Sale 50% Off" bằng chữ đỏ đậm*. Dùng dấu ngoặc kép để phân tách rõ ràng văn bản cần hiển thị khỏi phần còn lại trong mô tả cảnh.
Thêm chi tiết phông chữ: "sans-serif đậm lớn ở trên cùng", "serif nghiêng nhỏ ở góc dưới bên phải". Càng cụ thể trong hướng dẫn về typography, kết quả đầu ra càng gần với ý định của bạn.
Nhấp Generate và phóng to để xác minh từng ký tự. Mặc dù độ chính xác là ~99%, các từ phức tạp, cách viết bất thường, hoặc chuỗi văn bản rất dài đôi khi có thể có lỗi. Tạo lại nếu cần — kết quả có thể khác nhau giữa các lần tạo.
Nếu văn bản chính xác nhưng các yếu tố khác cần điều chỉnh, hãy dùng tính năng chỉnh sửa của GPT Image 2 để sửa ảnh mà không cần tạo lại từ đầu. Văn bản sẽ giữ nguyên trong khi bạn điều chỉnh thiết kế xung quanh.
Dù bạn là creator cá nhân, agency hay thương hiệu — mọi mô hình đều thích ứng với cách bạn làm việc.
Cozy reading nook portrait
A cozy bookshop window display with a hand-lettered wooden sign that reads "OPEN YOUR MIND" in warm brown serif letters. Stacked vintage books, a steaming mug, and fairy lights in the background. Soft focus, warm tones.
Lo-fi digicam editorial
A retro magazine cover with bold headline text "FILM IS NOT DEAD" in large white Impact font across the top. Below, a young photographer holding a 35mm camera, lo-fi digicam aesthetic, grain overlay, muted pastel background.
Double exposure portrait
A motivational poster with the quote "CREATE SOMETHING TODAY" in clean black sans-serif font centered on a cream background. Below in smaller text: "even if it's imperfect". Minimalist design, thin gold border frame.
Một poster concert cho đêm nhạc jazz. Chữ lớn ở trên cùng: "BLUE NOTE SESSIONS" bằng phông chữ serif vàng. Bên dưới: "Friday, June 20 · 8PM" bằng sans-serif trắng. Nền: sân khấu xanh khói với bóng người chơi saxophone. Bảng màu xanh đậm và vàng. Hướng dọc.
Model: GPT Image 2 · Aspect: 2:3 · Quality: High
Thiết kế túi cà phê tối giản. Tên thương hiệu "DAWN ROASTERS" bằng sans-serif đen sạch căn giữa trên túi giấy kraft. Bên dưới tên: "Single Origin · Ethiopia Yirgacheffe · Medium Roast" bằng chữ nhỏ hơn. Hình vẽ nhánh cây cà phê đơn giản. Phong cách sạch, cao cấp.
Model: GPT Image 2 · Aspect: 3:4 · Quality: High
Tiêu đề thực đơn nhà hàng Nhật Bản hiện đại. Chữ: "鉄板焼き" (Teppanyaki) bằng thư pháp kiểu bút lông lớn ở trung tâm. Bên dưới bằng chữ nhỏ hơn: "炭火焼肉 · 寿司 · 天ぷら". Nền trắng tối giản với điểm nhấn đường kẻ đỏ mỏng. Bố cục sạch, thanh lịch.
Model: GPT Image 2 · Aspect: 16:9 · Quality: High
Một con chó golden retriever đeo kính đọc sách ngồi ở bàn với laptop. Chữ trên: "WHEN THE MEETING COULD HAVE BEEN AN EMAIL" bằng phông Impact trắng đậm có viền đen. Chữ dưới: "BUT HERE WE ARE" theo cùng phong cách. Nền văn phòng, ánh sáng rõ ràng.
Model: GPT Image 2 · Aspect: 1:1 · Quality: Standard
Tạo carousel Instagram, banner Twitter/X và đồ họa bài đăng LinkedIn với tiêu đề và nội dung văn bản rõ ràng được tích hợp vào ảnh. Không cần layer Canva hay Photoshop — văn bản là một phần của quá trình tạo. Tạo 10 biến thể để A/B testing chỉ trong vài phút.
Tạo mockup bao bì sản phẩm hiển thị tên thương hiệu, tagline và danh sách thành phần thực của bạn. Tạo thiết kế áo phông có chữ in, bìa sách với tiêu đề và tên tác giả, hoặc ảnh chụp màn hình ứng dụng với văn bản UI chân thực. Chữ đọc được ngay khi nhìn thoáng qua.
Tạo meme với văn bản trên/dưới thực sự đọc được. Các mô hình AI trước đây làm meme không dùng được vì chữ bị biến dạng. GPT Image 2 tạo ra chữ sạch, đúng chính tả bằng Impact, Arial hoặc bất kỳ kiểu phông chữ nào được mô tả.
Tạo hình ảnh quảng cáo cho chiến dịch quốc tế với văn bản tiêu đề bằng tiếng Trung, Nhật, Hindi hoặc Hàn. Trước đây cần nhà thiết kế chèn văn bản thủ công. Giờ đây một prompt duy nhất tạo ra hình ảnh hoàn chỉnh với văn bản không phải Latin được hiển thị chính xác.
| GPT Image 2 | Các Mô Hình Khác | |
|---|---|---|
| Độ chính xác chữ Latin | ~99% độ chính xác ký tự cho từ lên đến 30 ký tự | Midjourney V8: được cải thiện nhưng vẫn ~85–90%. Flux: ~95% cho văn bản ngắn. Stable Diffusion: ~70–80% |
| Hiển thị CJK | Thứ tự nét và tỷ lệ chính xác cho tiếng Trung, Nhật, Hàn | Hầu hết mô hình tạo ra nét bị biến dạng hoặc gộp trong CJK. Flux xử lý được một số tiếng Nhật nhưng gặp khó khăn với kanji phức tạp |
| Chữ viết Ấn Độ | Devanagari và Bengali với phụ âm kết hợp và dấu nguyên âm chính xác | Hầu như không có mô hình ảnh nào khác xử lý chữ viết Ấn Độ một cách đáng tin cậy |
| Kiểm soát kiểu phông chữ | Phản hồi hướng dẫn phông chữ mô tả (serif, sans-serif, viết tay, monospaced) | Kiểm soát kiểu phông chữ hạn chế hoặc không có trong hầu hết mô hình. Midjourney cung cấp một số nhưng kém nhất quán hơn |
| Độ dài văn bản tối đa đáng tin cậy | ~30 ký tự mỗi thành phần văn bản, nhiều thành phần văn bản trong một ảnh | Hầu hết mô hình giảm chất lượng sau 10–15 ký tự. Nano Banana Pro xử lý ~20 ký tự tốt |
Luôn đặt văn bản bạn muốn hiển thị trong dấu ngoặc kép trong prompt. "Summer Sale" cho kết quả tốt hơn so với chỉ viết Summer Sale trong mô tả cảnh. Dấu ngoặc kép báo hiệu cho mô hình rằng những ký tự này phải xuất hiện nguyên vẹn.
Độ chính xác giảm với các chuỗi văn bản rất dài. Nếu bạn cần một đoạn văn, hãy chia thành các dòng riêng trong mô tả prompt: "dòng đầu ghi X, dòng hai ghi Y". Mỗi dòng hiển thị chính xác hơn so với một khối dài.
Văn bản chỉ hữu ích khi đọc được. Mô tả rõ độ tương phản: "chữ trắng trên nền xanh đậm", "chữ đen trên bề mặt kem nhạt". Không có điều này, mô hình có thể đặt văn bản trên nền bận rộn khiến khó đọc.
~99% độ chính xác có nghĩa là khoảng 1 trong 100 ký tự có thể sai. Với tiêu đề 10 từ, thường không sao. Với nhãn sản phẩm 200 từ, hãy chuẩn bị cho một vài lỗi. Luôn phóng to và đọc kỹ từng từ trước khi dùng ảnh trong sản xuất. Tạo lại nếu có ký tự sai.
Tham gia cùng hàng nghìn creator, agency và thương hiệu sử dụng PonPon mỗi ngày.
