一次无意的使用豆包大模型中发现，无论怎么修饰，生成图片中的指定文字总是各种乱码或者奇怪符号，就像是鬼画符一般。于是带着这个问号去试了一下其它主流的AI。
目前国内AI模型越来越多，如春笋一般不断涌增，头部基本上都认为是：阿里的通义千问、百度的文心一言、腾讯的混沌、华为的盘古、讯飞的星火、抖音的豆包以及最近特别流行的Kimi。而其中免费且能直接实现文字成图的就是通义千问、文心一言、豆包、讯飞的星火，而热门的Kimi无法实现文字生图，只能提供语言交互功能。
1、图片生成对比，主流AI的文成图全部沦陷
为了直观的对比，给了最简单的指令：男生小明举着一张纸，上面写着“我是小明”，生成卡通图片。分别在上述四个AI中生成了相应图片。当然，即使采用同样的表述，每个人使用AI生成的图片都会不一样的，这里不做纠结。
首先是通义千问，我是小明的文字感觉有点像是泰文一样的奇怪文字，完全看不出写的是啥。
其次是讯飞星火，这对“举着一张纸”是有啥误解吗？当然核心的是“我是小明”这些的感觉更像是乐谱。
对于豆包生成图片，这卡通图一点都不卡通，更像是照片图，而这文字看上去有点像是日文。但是也读不出写的是啥？
最后是文心一言的图片，看上去有点像英文又有点像泰文，反正是一点没看出中文的样子。
2、原因分析及疑惑
似乎目前国内主流的AI在文成图上的文字表现上都不行，看来国内AI模型的文生图的迭代优化上还有很长的路要走，当然国内有些在文生图上很专业的付费AI模型没有测试，并且国外GPT模型也没有测试。仅从这几个模型的文成图来看，涉及指定文字的视频生成恐怕就更难以想象了。
本人不是专业的IT行业人员，初步猜测还是AI模型算法在在成像的逻辑缺乏整体的校验功能，就像是有时候AI在文字互动都会出现逻辑混乱甚至幻觉的问题。具体的原因相信专业人士肯定有了答案。
随着AI浪潮的不断演进，相信上述的问题很快就会得到解决。国内的AI文成图更能用于协助文创办公等一系列事务。