周五下午四点，阿哲要发一张活动海报。
他在生图工具里敲下「秋季读书会，10 月 30 日 19:00，三楼活动室」，后面接了一段画面描述：木质长桌、暖光、几本摊开的书。他想一步出图，把排版的活儿一起省掉。
他要的不是一张艺术品，是一张能按时发出去的图。
出来的东西不对。
第一版「读书会」的「读」少了一点，第二版日期成了「10 月 3O 日」、数字 0 和字母 O 混在一起，第三版干脆多出一行谁也不认识的字，他盯着看了半天，也没认出那到底是哪几个字。
试到第四版，他终于选中一张，可要把图里的「19:00」改成「19:30」，只能整张重出——重出之后，构图又变了。
他想过只补那个位置，把时间盖住。可底图是一整张像素，没有「只改这里」的选项。改，就得整张来。
阿哲走的是 A 路，他把文案全写进提示词，指望模型连图带字一次出完，从周五下午四点一直试到快六点，四版图里没有一版的字是全对的。
那 B 路呢？
同一张海报，两条路各走一遍
同一张海报，两种走法。
A 路：提示词里把文案写全，让模型连图带字一起出。
B 路：先出无字底图，字用排版工具叠上去。
我们用同一张「下周要发的活动海报」，两条路各走一遍，看四件事：出几次图、错字怎么发生、改一个字要多久、授权凭证在谁手上。
差在哪：一次出图与四版重出
字错一次，代价是什么？
A 路的出图次数不由你定，因为字错一次就得重出一张，而阿哲出的这四版每一版都是全新画面——模型每次都重新理解一遍「木质长桌、暖光、几本书」，它没有「沿用上一张」这个概念。
B 路的底图出一次就够，因为字是后面叠上去的，错字跟出图这件事本身没有关系，底图可以一直用下去。
这里有个容易忽略的差别：A 路每出一次图都是一次重新抽签，你并不知道下一次是字碰巧对了，还是构图变得更差。
B 路只抽一次，抽完就定型。后面所有的调整，都在一张定下来的画面上做加减。
不用重来。
一次错字，A 路付的是一张图的代价，B 路付的是一行字的时间。
为什么字总是画不准
它真的没听清吗？
阿里云百炼那份《文生图 Prompt 指南》把写提示词拆得很明确。更新日期是 2026 年 10 月 10 日，适用范围写明含万相文生图 V2 和 V1。它给的基础公式是「主体 + 场景 + 风格」，进阶公式再往上叠镜头语言、氛围词、细节修饰；配套的提示词词典，列的是景别、视角、镜头拍摄类型、风格、光线这五个维度。
六个要素，五个维度，从头到尾没有一项是「图里要出现什么字」。
所以你在提示词里写「主标题：周六见」，模型接到的不是「排一行字」这个指令，而是「画面里好像有字」这个视觉印象，它照着有字的样子去画像素，不是照着字义去排版。
字写错了，不是它没听清，而是这件事根本不在它的任务描述里——所以不管你重出多少次，都只是在赌下一次，赌它恰好把那一笔放在了对的位置上。
它拿到的是一整张画布和一段文字描述，然后一次性决定每个像素该是什么颜色，而不是先排好一行字、再决定每个字放在哪、最后才渲染成形，这两条路径的差别，就是「几乎对」和「完全对」的差别。
中文的麻烦还在笔画密。「读书会」三个字，横竖撇捺加起来二十多笔，每一笔都要落在对的位置才认得出是哪个字，而它拿到的判断是整张图「像不像」，不是逐笔去核「这一横有没有压在对的高度上」。
这也是「少一点」这种错特别常见的原因：结构还在，笔画的落点偏了一点，眼睛一看就觉得不对，可你又说不出哪里不对。
补充一条旁证。《万相文生图 V2 API 参考》通篇没有图内文字的能力说明，痕迹只剩下反向提示词示例里的那一句「构图混乱。文字模糊，扭曲。」
另一家的官方口径，也只说到「某个程度」。字节 Seed 官方博客在介绍 Seedream 4.0 时，原话说它「在文字处理上突破了以往生成模型的瓶颈」，能正确渲染出清晰的文字，也能处理公式、表格、化学结构、统计图这些复杂排版——但后半句挂着一个限定词，说的是「在某种程度上」，不是保证。
「以往生成模型的瓶颈」这半句更值得留意。那是官方自己在承认，这是一个旧问题，不是哪一家的偶发失误。
换句话说，两家给的答案其实是同一件事的两面：一家干脆不承诺，一家承诺到「某种程度上」为止，而对你真正有用的那几条信息——图里那行字到底是什么字体、能不能换成另一款、出了事由谁来担——两家的文档里都没有写。
改一个字的成本
改一个数字，要花多久？
先说结论：一行字的改动，在 A 路上要按「张」重算。
A 路等于重做一张：你得改提示词、重出、再从新的一堆里挑，而新图里桌子可能换了方向、光可能从左边挪到了右边，字还没改对，画面先跑了。
更麻烦的是，改完之后你没法确认别的字有没有跟着变。整张重出，等于所有字重新赌一遍——你为了把「19:00」改成「19:30」，可能把原本对的「三楼活动室」弄错。
B 路是双击文字层，删一个字符，敲两个，回车。底图不动，别的字也不动。
一句文案的修改成本，A 路按「张」算，B 路按「秒」算。
授权这栏的坑
这栏比前几栏难。方正字库《商业授权》页把「发布使用」的字体分成三类。
第一类是免费字体，五种：方正黑体、方正书宋、方正仿宋、方正楷体、方正甲骨文。官方原话是「针对发布使用这种使用方式免费」。
第二类是基础字体，二十二种。超粗黑、宋黑、大黑、中等线、粗圆、报宋、大标宋、琥珀、隶变、魏碑、行楷、综艺体这些名字都属于这一档。
第三类是精选字体，官方定义为「除免费字体、基础字体类以外的其它全部方正字体」，并举了例子：方正兰亭黑系列、博雅宋系列、正黑系列、倩体系列。
三档是按「哪些字体」分的，不是按你怎么用分的。同一张海报，字换成兰亭黑，价格就从 1500 跳到 4500。
价格表里 B 类叫「设计案发布」，单位是万元每年每款字体。海报这一行（易拉宝、背景板、促销单张等）写着两档：基础字体 0.15，精选字体 0.45。
换成钱，就是 1500 元和 4500 元。同类还有平面广告、户外广告、影视广告、网络广告、新媒体应用，都是这个价。官网商城另按「1500 元一张一款字体起」标海报类。
细则也得看原文：「大于等于三个设计稿，则按照单一设计稿授权价格 3 倍计算」「单一设计稿超过 2 款字体，按照 1 款字体单一设计稿授权价格 2 倍计算」。
一张海报里放两款字体，单价翻倍；一次交三个设计稿，再乘三。稿子改得越勤的团队，这栏的数越往上走。
那 A 路的授权凭证在哪？
字是从模型那张图里长出来的，你手上既没有字形来源，也没有一份能用名字对上的授权关系，想补也补不了，因为模型不会告诉你它画的是哪一款字体。
图里那几个字，到底是什么字体？
你答不上来。
你把这张图交给法务，他能做的只有看图猜字体：横的粗细、竖的收笔、标点的弧度，全靠眼睛比对，猜完了还得去字库官网一款一款翻着确认，翻到了也不能证明模型画的就是那一款，因为模型从头到尾没说过它参照的是谁。
方正同一页还写着三句：「计算机字库是典型的拥有著作权的作品」「任何使用方式都必须事先获得著作权人得授权」「方正公司仅针对发布内容的最终所有者提供授权」。
要是把图交给法务，他问的第一句就是：这几个字从哪来的？你只能答一句「图里带的」。这四个字，撑不起一份授权。
B 路这栏是干净的：字体是你自己从字库里挑的，名字写在文件里，授权关系对得上号，凭证在你手上。
挑那五款免费字体，成本为零，可它们恰好也是离「设计感」较远的那五款，真要海报的气质，兰亭黑、博雅宋、倩体全在 4500 那一档，这不是巧合，是字库的定价逻辑——越像「被设计过的字」，数字越贵。
小结：什么时候可以直接让模型写
有些场合 A 路没问题：图里只有三五个大字、字的位置不在关键处、发出去不挂商业用途、错了能撤下来重发，那让它一步出图是省事的。
活动海报不在此列：日期、时间、地点，一个字都不能错，而改稿又是常态。
如果你担心的是「不敢用」，开源字体那条路能解。SIL Open Font License 1.1 的原文写着：这份协议允许被授权的字体被自由地使用、研究、修改和再分发，唯一的限制是不能把这些字体本身单独拿去卖。
最有用的其实是另一句：这份协议的约束，不适用于用这些字体做出来的任何文档。
换句话说，用这些字体做出来的海报，是你自己的东西，不会被这份协议「传染」。
这题不是选模型，是选工序。
真正决定这栏签不签得下来的，不是你选了什么工具、花了多少钱、出了几版图，而是那几个字在物理上属于谁——它如果是你从一个有名字的字库里调出来、放在一个有图层的地方，那它就归你；它如果是模型在画一张画的时候顺手带出来的，那它就谁也不归。
分人群说结论。
一周出两三张图、字少、发错了能撤，让模型连图带字一起出够用了，只是别给字定太高的准头要求，也别指望每一次都抽中。
一周出十几张、字多、改稿频繁、要留授权凭证，出无字底图，字自己叠。多花一步排版，省下的是重出和签字的来回。
两条路的分界，不在你的审美，在你对「错一个字」的容忍度。
想找工具，即梦AI 和 通义万相 走的是连图带字那条路，出无字底图也行；稿定AI 的排版层，是叠字那条路的活儿。
你手上那张海报，日期和时间改过几次？
