大多数图像模型能画氛围。能在信息流裁切或放大价签后仍把 slogan 写清楚的更少。
2026 年 4 月 21 日，OpenAI 发布了 ChatGPT Images 2.0 与 API 模型 gpt-image-2。官方开发者公告强调 更强的编辑、更好的版式、改进的文字渲染与更可靠的指令遵循，以及 结构化生成（图表、信息图、海报、漫画等）与 多语言图内文字（OpenAI Developer Community）。GPT Image 2 模型卡 将其定位为 OpenAI 高质量生成与编辑 的旗舰路径。
本文是 how-to，不是发布复盘：如何写提示让 图内文字保持可读、什么仍会失败，以及如何在 SupaImagine 的 GPT Image 2 生成器 上跑通循环——不必自建 API。
摘要（TLDR）
把每个「重文字」brief 当成 三份合同：(1) 绝不改写的 exact 字符串；(2) 版式规则（字在哪、多大、几行）；(3) 场景风格。OpenAI 把 GPT Image 2 定位在这类结构化、文字优先任务上（社区公告）。在 SupaImagine 上先用 1K 草稿，再把 keeper 重跑到 2K 或 4K——产品页与 catalog 对该模型的文生图 / 图生图都暴露了这档分辨率阶梯。
关键要点
- 上线锚点： Images 2.0 /
gpt-image-2公开叙事在 2026-04-21（OpenAI 博客、开发者帖）。 - 官方强调： 改进 文字渲染、版式、编辑 与 指令遵循——不是「只会好看噪声」（开发者帖）。
- 模型面： API id
gpt-image-2（模型卡含 snapshot 族如gpt-image-2-2026-04-21（模型卡））；生成/编辑说明见 图像生成指南。 - 有效提示结构： 给 exact 词加引号、限制行数、相对画幅写字号、禁止多余标签。
- 失败仍真实： 整段正文、极小法律脚注、「假全量 App UI」带 20 个标签仍会崩——见下方清单。
- 在 SupaImagine： 打开 GPT Image 2 生成器做 文生图 或 图生图（编辑已有照片/海报）。catalog 中该 slug 的分辨率档为 1K / 2K / 4K。
什么时候该用 GPT Image 2 处理文字
当交付物 字一糊就整单作废 时：
| 任务 | 为什么「字」就是产品 |
|---|---|
| 活动 / 广告海报 | 标题 + 日期必须扛住信息流裁切 |
| 价签 / 菜单 / 包装标 | 拼写与货币符号不可谈判 |
| UI 或幻灯片样机 | 按钮文案与标题参与设计评审 |
| 双语卡片 | 同一画幅两种文字——版式纪律关键 |
OpenAI 对 gpt-image-2 的定位强调 复杂视觉任务 与 可用 输出，以及更强的 版式 与 文字（开发者帖）。上线后第三方文章也重复多语言/图内文字主题（EdTech Innovation Hub、Cooley Peak、Segmind 实测）——当作 二手报道，不是官方语言清单。下文工作流里，你用像素验收 pass/fail。
若已有空白海报或产品图，只需 把字印上去，留在同一 money page 用 图生图，不要从噪声重开。SupaImagine 的 GPT Image 2 页就是围着「字必须清楚」这条主线做的。
提示词结构（照抄这四块）
每次按此顺序：
- Scene — 主体、光线、材质（一两句）。
- Exact text — 每个字符串加引号；写 “exact text” 与 “fully legible”。
- Typography & layout — 字号（large / medium）、位置、最多几行、对齐。
- Negatives — no extra text、no watermark、no logos（除非你要 logo）。
下面 代码块里的 prompt 保持英文，便于原样粘贴进生成器（与英文版同一套可复制提示）。
Prompt 1 — 英文活动海报（文生图）
Vertical event poster, deep navy background, soft cyan and magenta neon glow,
subtle rain reflections on wet pavement, clean open space in the upper third.
Large exact text "OPEN LATE" in clean white sans-serif, centered, fully legible and sharp.
Smaller exact text "FRIDAY 9PM" directly under the headline, same type family, fully legible.
No other text, no logos, no watermark, no QR code. High contrast type against dark background.
Prompt 1 结果 · GPT Image 2 · 1K · exact 字符串 OPEN LATE + FRIDAY 9PM · generated on SupaImagine
Prompt 2 — 产品价签（文生图）
Close-up product still of a matte black coffee bag on a light wood table, soft daylight from the left.
On the front label area, large exact text "HOUSE BLEND" in bold white sans-serif, fully legible.
Under it, medium exact text "12 oz · $14" fully legible, same alignment, high contrast.
Do not invent other lines. No barcode, no extra badges, no watermark.
Prompt 2 结果 · GPT Image 2 · 1K · HOUSE BLEND / 12 oz · $14 · generated on SupaImagine
Prompt 3 — 双语促销卡（文生图）
Square social card, warm cream paper texture, minimal geometric border, generous margins.
Top half: large exact text "SUMMER SALE" in black sans-serif, fully legible.
Bottom half: large exact text "夏季特惠" in black, fully legible, same visual weight.
One thin horizontal rule between the two lines. No other text, no logos, no watermark.
Prompt 3 结果 · GPT Image 2 · 1K · EN + 中文 · generated on SupaImagine
Prompt 4 — 图生图改标签（已有照片时）
Keep the exact same product photo, camera angle, lighting, and background.
Only update the front label: large exact text "RIVIERA" and smaller exact text "50 ml" under it,
sharp and fully legible on the label. Do not replace the bottle or restyle the scene.
No extra text, no watermark.Before（空白标签参考）→ After（只改 exact 文字）：
Prompt 4 before · 空白标签静物 · GPT Image 2 · 1K · generated on SupaImagine
Prompt 4 after · 图生图 · RIVIERA + 50 ml · 同机位/光线 · GPT Image 2 · 1K · generated on SupaImagine
（这正是 OpenAI 在发布时强调的 原位编辑 与 指令遵循 叙事（开发者帖）。）
点生成前检查清单
- 每个面向客户的字符串都在 “引号” 里，并写了 exact text
- 写了 最多几行（通常 1–3）
- 写了 fully legible / sharp 与 high contrast
- 禁止了 extra text / watermark
- 画幅匹配渠道（竖版 9:16、方图 1:1、横图 16:9）
失败边界（什么仍会崩）
对 brief 诚实——即便是更强的文字模型：
| 失败模式 | 为何失败 | 修法 |
|---|---|---|
| 整段正文 | 字太多，字形塌缩 | 每行 ≤ 约 6–8 词；正文放进真排版工具 |
| 极小法律脚注 | 模型优先大标题 | 微文案移出图，进设计软件 |
| 完整 App 外壳 | 几十个标签 + 图标 | 只 mock 一块屏幕区域（导航 + 一个 CTA） |
| 未加引号的 slogan | 模型「优化」营销文案 | 永远 加引号 并写 exact |
| 低对比 | 风格提示与字打架 | 强制 high contrast 与清晰字色 |
| 1K 导出再裁打印 | 放大边缘发糊 | keeper 在 SupaImagine 升到 2K/4K |
上游 KIE gpt-image-2 路径文档（仓库镜像 docs/references/kie.ai/image-models/gpt-image/）还有实用限制：prompt 可以很长；分辨率枚举 1K / 2K / 4K；部分画幅 + 分辨率组合会被拒（例如某些比例不可 2K/4K；该路径 1:1 不能转 4K）。SupaImagine 生成器是友好前门——若比例/分辨率失败，简化比例或降一档再试。
SupaImagine 上的分辨率阶梯
不要把高分辨率浪费在模糊 prompt 上。
- 1K — 探索版式与拼写。便宜循环。
- 锁定 prompt — 一次只改一个变量（字号、颜色或场景）。
- 2K 或 4K — 画幅真的值得时再重跑成片。
SupaImagine catalog 中 GPT Image 2 的 文生图 与 图生图 都暴露 1K / 2K / 4K。优先 1K 草稿 → 更高分辨率成片，就像你不会把每张草图都拿去印刷。
在 SupaImagine 上评估（3 步）
- 打开 GPT Image 2 生成器（模型已预选）。
- 粘贴 Prompt 1 或你的真实 slogan（四块结构）。从 1K 开始。
- 只审文字：100% 放大看拼写、边缘、对比、裁切后是否可读。通过则 2K/4K 重跑并收入素材库。
可选第二路径：已有空白海报照片时，切 图生图，上传，用 Prompt 4 结构，让模型 只改文字区域。
若只需要「在已有照片上加字」的工具流，也可用 Add Text to Photo；当 场景与文字必须一起设计 时，仍优先 GPT Image 2。
我们知道 vs 我们不知道
| 我们知道（有源） | 我们不知道 / 不宣称 |
|---|---|
公开上线叙事 2026-04-21 Images 2.0 / gpt-image-2（OpenAI 博客、社区） | 每种语言、每种字体在每个宿主上都「已解决」 |
| 官方强调 文字渲染、版式、编辑、指令遵循（社区） | 无人工检查的印刷级 PDF 完美输出 |
| 模型卡将 GPT Image 2 定位为 SOTA 生成 + 编辑（模型卡） | ChatGPT UI、原生 API、各转售方行为完全一致 |
| SupaImagine 对该 slug 提供浏览器 t2i + i2i 与 1K/2K/4K | 上游 $/image 对照表（本文刻意不比价） |
| 多语言图内文字属于公开叙事（社区；二级媒体） | 未经你自己 A/B 的「保证 N 种语言」矩阵 |
常见问题
GPT Image 2 和 ChatGPT Images 2.0 是一回事吗？
公开表述里，ChatGPT Images 2.0 是产品体验，gpt-image-2 是同日宣布的 API 模型名（OpenAI 博客、开发者帖）。不同宿主的 UI 控件可能不同，即使模型族相同。
为什么我的 slogan 还是错？
通常是 prompt 改写了句子、堆了太多词，或与场景 低对比 打架。给 exact 字符串加引号、缩短，并强制 high contrast 字体。
应该从 4K 开始吗？
不。拼写与版式过关前用 1K；keeper 再上 2K/4K。
能改已有照片上的字吗？
能——同一页用 图生图：「keep the photo, only change these exact strings。」这与 OpenAI 发布时的编辑叙事一致（开发者帖）。
prompt 可以多长？
官方说明见 图像生成指南。KIE 路径镜像里 prompt 可以很长——但 长 ≠ 更好。密的版式指令有用；风格散文没有用。
多语言文字总是靠谱吗？
OpenAI 上线说明强调 multilingual text rendering（开发者帖）。非拉丁文与英文一样要 放大验收——别凭信仰发版。
这能取代 Figma 或 InDesign 吗？
不能。用 GPT Image 2 做 概念、样机、社交成图。最终品牌系统、间距网格与法律微文案仍在设计工具里。
没有 API Key 怎么试？
打开 SupaImagine 上的 GPT Image 2，粘贴上面任一条 prompt 生成。注册积分覆盖该页描述的试用路径。
只要在照片上加字、不要完整场景？
可试 Add Text to Photo 做叠加类工作；当 光线与标签必须贴合产品静物 时，仍用 GPT Image 2 图生图。
锁定 prompt 后能再比其他模型吗？
可以——同一 prompt 先在 GPT Image 2 上验证 文字合同，再拿去比其他模型。本文任务是 可读文字工作流，不是模型大乱斗。
关于 Theo Nakamura
Theo Nakamura 是 Prompt Engineering Writer。他把混乱的提示实验整理成可重复工作流，并撰写 SupaImagine 上的实操指南。
