即便是 Nano Banana 2，在我们生成的 AI 图片中，小字还是容易翻车！这期 Freepik 的教程，就是教你如何避开这个坑！

问题其实不在模型，而在提示词的结构。很多人写提示词时习惯把所有描述混在一起，比如产品、光线、颜色、风格，都堆在一起。但对生成模型来说，信息是有优先级的。如果顺序混乱，模型也会抓大放小。通常，它会先抓住物体轮廓或整体风格，小字排版这种细节就容易 “自由发挥”。

一个更稳的方法，是把提示词当成一个有层级的设计说明。先确定画面的构图和视觉结构，让模型先理解画面怎么布局。然后再明确产品细节，比如比例、轮廓、缝线、结构这些必须和参考图一致，这一步其实是在锁定设计本身，避免模型重新设计产品。

最关键的是排版信息要单独强调。需要写清楚具体文字内容、出现的位置、对齐方向，并明确要求不能拼写错误、不能多字母、不能变形。把排版当成一个优先级很高的 “锚点”，而不是夹在普通描述里的细节。

颜色描述也尽量具体，不要只说蓝色鞋子。深钴蓝鞋面、荧光黄绿鞋带、米白中底这种表达，会明显减少模型的猜测空间。接着再补充光线、景深、对焦这些摄影信息，让画面看起来像真实产品拍摄，而不是过度处理的渲染图。

最后再加一些限制条件，比如不要额外 logo、不要重复文字、不要虚构品牌元素。模型其实很喜欢 “补充细节”，这些约束是在帮它收住手。

有意思的是，当这种结构建立好之后，即使把提示词简化很多，结果依然稳定。因为真正起作用的不是字数，而是信息顺序。

同样的方法，对于视频生成也适用。只要用多张参考图持续强化产品的细节，再用简洁提示描述镜头运动，比如模特走入画面拿起鞋子，镜头推进特写，品牌小字在不同帧之间依然能保持清晰和一致。

很多人以为生成式 AI 的结果很随机，但在产品视觉这种场景里，其实更像是在做信息工程。结构越清晰，模型越稳定。