跳到正文

功能

Qwen Image 3 实战指南

作者:Ofrai Editorial(Use Case Research)

Qwen Image 3 这一支有两个从业者立刻能感觉到的特点:它对版式指令服从度高,而且生成画面里的中文字时不会变成一堆乱码方块。在 Ofrai,它与 gpt-image-2、flux-2 同在图片工作室、共用一套积分,路由就很直接——结构化版式和中英双语招牌交给它,西方排版重文字的活儿交给 GPT Image 2,便宜的摄影探索交给 flux-2。这篇指南讲清楚好用的提示词写法,以及这支模型仍然需要人工接手的地方。

茶杯与花枝旁印着「春日茶会」的茶饮海报
使用此模板

新账号含 1 次 GPT Image 2.5 出图;其他模型和视频使用积分。

示例提示词

优雅的中国茶主题广告海报,瓷茶杯、春日花枝与准确中文标题“春日茶会”,精致红米色编辑排版。

这支模型比替代方案强在哪里

有两类活儿值得专门路由过来。第一,中英双语与中文文字:海报、包装、招牌、包装文案,以及任何必须出现中文词语、或中文与英文并排的画面。这一支让中文字符保持清晰可读的概率,明显高于以拉丁字体为主要训练素材的引擎,这对中文市场的产品与市场工作来说极其关键。

第二,版式纪律:当你说清区域、顺序和对齐方式,它通常就会把元素放在你指的位置。中文正确加上位置正确——这种组合足够罕见,以至于在真实需求里往往就是决定性因素,而不是什么猎奇特性。

结构优先的提示词写法

这支引擎最吃的写法,是先描述版式结构、再描述风格。把结构写成一个有序清单:主标题区、副标题区、图像区,然后是底部信息条。为每个区域写明它的文字角色(「主标题:大号粗黑体中文,居中」)、你想要的层级(「先读到标题,再读到产品名」)和画幅。最后再加风格层——色板、材质、光线。

这种顺序能让文字区域在重跑之间保持稳定,也正是让一组变体像一场广告战役而不是四张互不相干的海报的原因。

写出真正正确的中文文字

中文文字的处理方式和拉丁文字不同,因为中文的字数本身承载含义而没有词边界。文案要短——四到八个字的主标题很稳,一整句话就是赌运气。用「」或引号把它精确引用出来,让模型当成字面内容。明确指定字体类型:「黑体」、「宋体」,或者用描述性说法比如「细长无衬线」。

中英文并排出现时,把它们写成两个独立区域、各自独立样式,而不是混在一行里,并把英文放在更小的辅助行位置上。一次生成出现错字时,缩短字符串,而不是原样重摇——这比任何改风格的办法都更常奏效。

用参考图做迭代

这支引擎真正有效的循环是参考图驱动,而不是盲抽。留一张已通过的画面作为版式母版,之后每个变体都上传它,只描述变化:新配色、新文案、不同产品角度。要重述必须保持不变的东西——网格、图片位置、logo 位置——因为样式一变,版式元素就会漂。每轮只改一个变量,就像在编辑软件里做改稿一样。

这也是做一套 campaign 的方法:一张母版版式,然后五六个在参考图上改出来的配色和文案变体,看起来始终是同一张海报。

已知的失败模式与修法

有四个反复出现的问题。一,字形漂移:主标题里有几个笔画不对——把字符串缩到六个字以内,或者把它当成图形元素而不是需要渲染的字符串。二,元素打架:文字压在图像区上——把区域重述成编号清单,并明确留出空白。三,语种替换:要中文给了拉丁字母——把语言和文案写在同一句里(「以下为中文文字:……」)。

四,一组图之间字号不一致——复用上一张作为参考,并描述尺寸的相对关系,而不是绝对尺寸。这几种情况的对策都是增加结构,不是增加形容词。

与 gpt-image-2、flux-2 的路由决策

按交付物来选。英文为主的排版活儿、欧美编辑版式、任何字距细节重要的活儿,交给 gpt-image-2,它是三者里拉丁文字最稳的。构图探索、大批量出图、没有文字的自然摄影类活儿,交给 flux-2,它快、便宜、结构稳定。中文或双语文字、多文本区的复杂结构版式、参考图驱动的变体套图,交给这一支。

对一张 campaign 海报来说,把同一个 brief 同时跑三台模型做对比是正当且经常能定胜负的做法,而在同一套 Ofrai 积分上,这个成本远低于猜错引擎的代价。

正确使用这支模型的 campaign 流程

顺序上要让结构先固定,样式再动。第一步,在 flux-2 上按最终画幅用占位区把网格打样,不放文字。第二步,把通过的网格提升到这一支,生成真正的中文主标题和辅助文案,定下文字角色。第三步,把那张画面当作母版,用参考图跑五到六个配色和文案变体,每轮只改一个元素。

第四步,在更高分辨率上检查主视觉版本的字形准确性,剩下的密集文字自己排版。昂贵的渲染只发生一次,而且是在一个已经确定可行的版式上。

一整份按这支模型习惯写的中英双语简报

先定结构,再定风格,最后才写字。一份好用的双语海报简报应该是这样:「版式:3:4 海报,标题区占上方 28%,留白充足,左对齐。图像区在下方:清晨的安静竹林,雾气浮在竹竿之间,右下方有一个穿素色麻布、背对镜头的人。配色:宣纸米白、墨灰,加一处低饱和青绿。文字——主标题,精确内容:『四时有序』,粗宋体,字符大而间距均匀。

副标题,精确内容:『生活有节』,细无衬线,比主标题小一号,左对齐压在主标题下方。正文:三行短句,每行不超过八个字。约束:除底部一行版权信息外,画面任何位置都不要出现拉丁字母;文字不要加投影;所有汉字必须正确且清晰可读。」版式在任何风格词出现之前就被固定下来,这正是后续变体便宜的原因。

参数行为与中文字符的专属设置

画幅在这个工作里比别处更能决定文字排版,因为中文标题通常是按区域放的——顶部横带、下三分之一、居中竖栏——而这些区域只在特定比例下才成立。直接按交付比例生成,绝不要先出方图再裁,因为中文标题被裁错位置就整整少掉一个词。

分辨率按版式里最小的字号来定:如果正文是一行八个字、并且要在手机上清晰可读,3:4 海报就需要足够多的像素让那几个字至少读得出来,这通常意味着参数区间的上端。

什么时候用参考图迭代,什么时候重写

结构对了、只是风格不对时,用参考图迭代:上传审过的版式,只描述变化,比如「保持这个版式和网格不变,把配色改成更冷的色调,雾的密度加重。」结构本身不对时,就从头重写——如果标题区的位置是错的,迭代反而会把这个错误保留下来,因为模型把参考图当作权威。

判断方法很简单:如果你能把改动描述成「除 X 之外一切不变」,就用参考图;如果是结构性的改动,就重写。还有一点:当你发现某个字有一笔写错时,不要在那张图上继续迭代——把字符串缩短,因为五个字的标题失败率远低于十二个字的,然后从版式母版重新生成。

双语排版工作的积分开销

排版工作的贵有它特定的贵法:失败都是小失败,低分辨率下根本看不见,也就是说你在承诺高分辨率渲染之前,无法完整验证一张图。所以要重新组织流程,让贵的那一遍承担更小的风险。先在 flux-2 上把版式画成占位区块、完全不放任何文字,这一遍便宜,文字也不可能出错——它解决的是构图、区块尺寸和边距。

然后在网格批准之后,才到这一支模型上用全分辨率渲染文字,一到两张候选。每张终稿海报大约四到六次生成:两次版式草稿、一到三次文字渲染、一次修补。每次生成前都会显示消耗的积分。而最该省、也最常被人省掉的那一步,恰恰是前面那次无文字的版式草稿。

谁适合用这支模型,谁该换个去处

当交付物里的汉字是内容而不是装饰时,这支模型就值得用:中英双语海报、包装文案、招牌、书籍与编辑排版、面向中文市场的产品包装,以及任何「标题本身就是设计」的作品。当你承受不起文字出错时,它也是对的选择——主标题里错一个字,轻则要返工,重则是可信度问题。

反过来该换个去处的情况:交付物是英文为主的西式编辑排版,gpt-image-2 对拉丁字距和西式版式惯例把握得更稳;交付物完全没有文字、只求氛围,flux-2 又快又便宜;需要跨很多帧保持真人身份一致的场合,参考图引导的编辑在另一支模型上更强。

常见问题

Qwen Image 3 在 Ofrai 上最擅长什么?
画面内的中文与双语文字,以及带多个明确文字区的版式。它让中文字符保持清晰可读的概率,明显高于以拉丁字体为主要训练素材的引擎,又比较愿意按你说的位置放元素,所以在中文市场的海报、包装和招牌上是很强的选择。
怎么让生成的中文字正确?
文案要短,最好四到八个字,把它精确引用出来,并指定字体,比如黑体或宋体。同时写清区域和层级,例如「上方三分之一处大号粗体主标题,居中」。如果某次生成出现错字,缩短字符串而不是原样重跑,字数通常是主因。
排版活儿我该改用 GPT Image 2 吗?
文案以英文为主、或者做欧美编辑版式、并且拉丁字母的字形细节重要时,应该用 gpt-image-2,它在拉丁文字和字距上的表现比这一支更稳。只有当中文或双语文案是核心需求、或者你需要多个由指令定位的文字区时,才路由到 Qwen Image 3。
一组海报变体怎么保持一致?
先把一张已通过的画面定为版式母版,之后每个变体都上传这张母版、只描述改动,并重述必须保持的部分:网格、图片位置、logo 位置。每轮只改一个元素。这种参考图驱动的循环,是让一组变体看起来像同一场 campaign 的关键。
为什么文字会压到图像上,或者每张大小不一样?
这两个都是结构问题而不是风格问题。把画面描述成一个带明确留白的有序区域清单,并写清主标题与辅助文案之间的层级。在一组图之间,复用上一张作为参考,并描述尺寸的相对关系,而不是绝对尺寸。
双语 campaign 怎么规划才不浪费积分?
先在 flux-2 上用占位区低成本把网格打样,在这一支上只生成一次真实文案以固定文字角色,然后通过参考图跑五到六个每轮只改一个元素的变体,最后在更高分辨率上验证主视觉帧再定稿。剩下的密集文字通常自己排版更快也更干净。

相关生成器

相关模型

工具