AI 出图写不对中文字：封面图分层排版实操（含批量出图脚本）

做内容的人很可能碰到过这种情形：拿 AI 生成一张封面底图，构图、配色都合适，唯独画面里那行标题——「三步搞定周报」生成出来，「步」字少一横，「报」字右下多一角。再抽三次，能全对的靠运气。

模型层面的原因在这里：扩散模型预测的是像素分布，它学的是「这个位置大概长什么样的纹理」，而不是汉字的结构规则。笔画越密，越容易在细节上漂移。英文之所以看起来好一些，是因为字母结构简单、容错高。

2026 年能直接写中文的模型，能力边界在哪

下面是几款目前常被提到的方案，官方演示和社区测试中的表现大致如下：

模型	中文短句表现	主要限制	获取方式
Qwen-Image	笔画完整度较好，标题级短句可用	长句、多行仍需逐字核对	开源权重，可本地部署或云端镜像
Seedream 4.0 / 即梦	中文准确度尚可，支持多图参考	字体、字号、位置由模型决定，改一个字要整张重出	即梦 App 与网页版，有免费额度
Gemini 2.5 Flash Image（Nano Banana）	英文排版较强，中文长句一般	中文细节不稳定	Google AI Studio 或第三方 API
Stable Diffusion / FLUX 系列	基本写不对中文	—	本地 ComfyUI

这张表能说明一件事：模型在进步，但可控性没跟上。你要的是「左上角、思源黑体、字号 124px、行距 1.24」，模型给你的是它自己决定的版本。做十张封面，可能出现十种字重和字距，放在账号主页上一眼就看出来不是同一套视觉。

所以更实际的做法是把图拆成两层：图像层交给 AI，文字层交给排版工具。

图像层：提示词里主动留出文字位

AI 只画底图和元素，不画字。这一步的提示词要额外交代三件事：

留白区域的位置和占比。 与其说「留出空间」，不如写「画面左侧三分之一为纯色渐变区域，无细节、无纹理、无物体」。模型对具体比例的理解比形容词好。

控制文字区的对比度。 文字要压在最上面，背景越平越好。提示词里加上「该区域低对比、平滑过渡」，能减少后期压蒙版的难度。

直接出目标比例。 小红书用 3:4，视频号封面用 9:16，最好在生成时就定好，后期裁切会打乱你原本算好的留白位置。

生成完把底图按「内容批次」归档，一个选题一个文件夹。后面换标题时，只重出文字层，底图不用动。

排版层路线一：改一两张，用现成工具

Canva、稿定设计、Figma 都能做，流程差不多：

按目标平台尺寸新建画布
把 AI 底图铺满画布，确认留白区在你的预期位置
在文字区叠加一层半透明色块或渐变蒙版，压住背景细节
输入标题，字体选思源黑体、阿里巴巴普惠体这类开源可商用的中文字体
把图缩到宽 200px 看一眼，标题还认得出就算过关
导出 PNG

第 5 步容易被跳过，但它是封面能不能在信息流里被点开的关键。电脑上看着舒服的字号，缩到手机列表页可能只有几个像素高。

排版层路线二：批量出图，用 HTML 加截图

如果你一期要出十几张，或者每周固定更新，把封面做成网页再用脚本截图会更省事。文字来自一份 JSON，改数据不用重做设计。

先写 cover.html，关键样式是这样：

body { margin: 0; }
.cover {
  position: relative;
  width: 1242px;
  height: 1656px;
  background: #111 url('bg.jpg') center / cover no-repeat;
  overflow: hidden;
}
.cover::after {
  content: '';
  position: absolute;
  inset: 0;
  background: linear-gradient(180deg, rgba(0,0,0,.6) 0%, rgba(0,0,0,0) 50%);
}
.title {
  position: absolute;
  z-index: 1;
  top: 128px;
  left: 96px;
  width: 1050px;
  font-family: "Source Han Sans SC", sans-serif;
  font-weight: 900;
  font-size: 124px;
  line-height: 1.24;
  letter-spacing: -0.02em;
  color: #fff;
}

.cover::after 那层渐变是给文字垫底的，长度要足够，只留窄窄一条的话，标题第二行就会压在花纹上。.title 必须写 z-index，否则伪元素会盖住它。

然后是截图脚本，用 Playwright：

const { chromium } = require('playwright');
const items = require('./list.json');
(async () => {
  const browser = await chromium.launch();
  const page = await browser.newPage({
    viewport: { width: 1242, height: 1656 },
    deviceScaleFactor: 1,
  });
for (const item of items) {
    await page.goto(file://${__dirname}/cover.html?id=${item.id});
    await page.evaluate(() => document.fonts.ready);
    await page.screenshot({ path: out/${item.id}.png });
  }
await browser.close();
})();

document.fonts.ready 这一行不能省。字体没加载完就截图，中文会掉成默认字体，导出一批全是错的。页面上再放一段 JS，读 URL 里的 id，从 list.json 里取标题填进去，一个模板就能套整个月的内容。

让文字层和底图不脱节

文字直接贴上去，十有八九会显得「浮」在画面上。两个处理能缓解：

一是底图统一加质感。同一批封面走一遍相同的颗粒或噪点处理，文字和背景的细腻度接近了，视觉上就黏在一起了。CSS 里可以用 filter: contrast(1.05) 之类的轻量处理，也可以在导出后用批处理脚本统一加噪点。

二是字重和背景复杂度挂钩。背景越花，字越要重、越要粗；背景是纯色渐变，细体反而更干净。别在纹理密集的底图上用细体字，笔画会被吃掉。

常用尺寸参考

小红书封面 3:4，1242×1656；公众号首图 2.35:1，900×383；视频号和抖音 9:16，1080×1920；B 站 16:10，1146×717。平台规范会调整，动手前到官方创作者后台确认一次当前要求，比记住某个数字更保险。

先做这一件事

挑三个你已经写好的标题，按上面的分层方式各出一张封面：AI 只出底图，文字用 HTML 模板渲染。三张放在一起看，如果字体、字距、标题位置完全一致，这套流程就可以固定下来了；如果还是各不一样，问题多半出在模板里残留了随机样式，回头检查 CSS 有没有漏掉的默认值。