底图法：让AI生成图像准确呈现文本和数字！

使用“底图”生成准确的文本和数字

发现了一种在AI生成图像中生成可靠文本和数字的技术。以目前最先进的图像模型而言，有一张图像被认为是无法生成的，但使用Gemini 3.0 Pro做到了（还有一个额外步骤，将在下面解释）。

底图法

给该方法起名为底图法，感觉它确实是个可行的方法。下面是一个简单的A/B测试，展示了使用和不使用该方法的效果。

测试要求为：生成一张游戏棋盘的图像，棋盘上有50块踏脚石，呈螺旋状排列，从外侧起点（1）开始逆时针向内盘旋，到中心终点（50）结束。每块石头都从1到50连续编号。风格：黏土动画模型，影棚灯光，糖果般明亮的色彩，柔和的背景虚化效果。

1.❌ Gemini 3 Pro（未使用底图法）：乍一看令人印象深刻，但仔细查看就会发现问题。

2.❌ ChatGPT Images 2（未使用底图法）：ChatGPT Images 2发布时给人留下了深刻印象，本以为它能完成这个任务，但令人惊讶的是，它和Gemini一样失败了。

3.✅ Gemini 3.0 Pro（使用底图法）：成功了！数字正确，按钮数量和顺序正确，螺旋形状也正确。

它是如何工作的呢？

在为孩子制作一个100步冒险棋盘图像时想出了这个方法。

让确定性和生成性工具各展所长

1.SVG/HTML：能生成单调但数学精度极高的视觉效果。

2.图像生成模型：能生成令人惊叹的视觉效果，但在处理数学和文本方面不太可靠。

“给它一个轮廓，让它在上面作画”

1.第一层：“底图”（确定性）：用喜欢的语言或格式（如SVG、Python、Mermaid）将数字和文本正确地布局在相应位置和方向上，只需导出包含数字和文本像素的图像即可。

2.第二层：“绘画”（生成性）：使用像Gemini 3.0 Pro这样的多模态图像模型（需要图像 + 文本输入 → 图像输出），将底图和文本提示一起输入。

示例

1.步骤1：用SVG生成数字/文本轮廓：生成一个SVG图像，包含50块踏脚石，呈螺旋状排列，从外侧起点（1）开始逆时针向内盘旋，到中心终点（50）结束，每块石头从1到50连续编号。每块石头形状不同：圆形、方形、三角形、六边形。

2.步骤2：使用底图进行图像到图像的生成：将这张图像转换为一张拍摄的黏土动画模型，展示各种手工巧克力和糖果，呈螺旋状排列，从外侧起点（1）开始逆时针向内盘旋，到中心终点（50）结束，从低角度倾斜视角观看。

就是这么简单

这并不难。现在Claude Code或Codex可以为你完成每一步。

注意：这个方法很好，但并非每次都能达到完美效果。比如有张图里就有点小问题。