还在愁 AI 经常画不出能看的汉字吗？最近我发现了一个新工具，效果非常惊艳。
痛点
在很长一段时间里，我用 AI 画画时都不敢在里面放汉字。一旦汉字出现，你立即就能判断这是 AI 画的 —— 那画出来的字简直如同西夏文一般。看着挺眼熟，却完全无法解读出任何意思。在当时，汉字几乎和人物手指数量一样，成为了判别 AI 绘图的「金标准」。
直到 GPT-4o 出现，我们才真正发现中文可以在 AI 绘图中正常生成。尤其是那种画出来跟手写涂鸦卡片一样的东西，又有图片又有文字，给人的感觉就是手绘的。每次我给大家展示并告诉他们这是一行提示词生成的，他们都非常惊讶。
只不过，你要是以为这个功能每次都能成功，稳定性强，那就错了。GPT-4o 里面绘制中文，需要「抽卡」，也就是碰运气。而且，抽中的概率还真不算高。
例如上面这张图里，你一眼就发现了吧？「蛔虫」写成了「蛙虫」，「背景」被写成了「青景」。
再来看一个更典型的失败案例。
这张图你能猜出我想表达什么吗？其实我让它写的文字内容是「人工智能是你的帮手，不该成为你的枪手」。
这已经是抽卡很多次中比较好的一个了。你看下面这张，根本不认识的汉字又出现了：
唉。
探索
有时候，我更希望在图里表现出古诗词的意境。
比如我在《得到》上听熊逸老师讲《资治通鉴》，对下面这首诗感触特别深，所以要求 AI 给我画出来。
我输入：
用中国国画，展现这首诗：归自沙丘后，因专定策功。国由中府令，帝在望夷宫
这是 GPT-4o 给我呈现的结果：
乍看上去，还真像那么回事。但如果你仔细看，会发现那首诗已经被改得不像样子：
所以现在我在图画里加汉字，一般都属于迫不得已的情况。大部分时间，谁也不愿意去露怯。
突破
现在， AI 可以把同样一首诗词表现成这个样子：
我把这幅图发在知识星球里，星友们特别惊喜，想听我讲讲如何绘制：
今天这篇文章，咱们就来谈谈如何用 AI 呈现古诗词 —— 不仅有意境，也有诗词本身。最终，画成你现在看到的这个样子。
方法
绘制的第一步在 ChatGPT 中进行。我们需要让 ChatGPT 告诉我们该以什么样的提示词来描述古诗词，越细致越好。
我的提示词是：「帮我用一段话，细致描写出下面这首诗：归自沙丘后，因专定策功。国由中府令，帝在望夷宫。画面感十足，可以有分镜」
这是 ChatGPT （GPT-5） 给出的结果：
然后你打开 通义千问[1] 的对话界面，选择 Image Generation 图片生成：
没错，咱们这篇文章介绍的新绘图模型，就是通义千问的 Qwen-Image。
感兴趣的话，你可以 读它的技术报告[2]。但是闲言少叙，咱们还是专注于它的用法和效果。
注意，刚才我们从 ChatGPT 获得的提示词描述了场景，但却没有加上这首诗本身。所以我的提示词整体是这样：
「选择合适的风格，描绘下面意境："在苍白预示不祥的天空下，荒凉沙丘尽头停着载着秦始皇秘密驾崩的庄严马车，疲惫的士兵与官员神情阴沉、满是焦虑；画面转入富丽却紧张的中府，宦官赵高手持诏书，狡猾而威严地掌控权力，群臣卑躬屈膝；再转至望夷宫，秦二世孤立无援、神情绝望，身边仅有惊恐的侍从，命运将尽。整体以泥土灰黄、帝王黄与深蓝紫色交织，融入破碎玉器、散落卷轴等细节，表现权力斗争、阴谋与帝国衰落的悲剧感。"。注意，在图上配以下诗句，草书 "归自沙丘后，因专定策功。国由中府令，帝在望夷宫"。」
注意其中「选择合适的风格，描绘下面意境」这句话很重要。毕竟在绘画艺术上，AI 比我懂得多得多。
接着，我们把做好的提示词输入进去：
你可以选择图片的比例。里面有若干选项，默认是 1:1，但我一般更喜欢选择 16:9，因为适合作为封面或者插图。
很快，千问就绘制出来了：
再次放大一下。
实践
咱们再试一首韩愈的《左迁至蓝关示侄孙湘》：
「一封朝奏九重天，夕贬潮州路八千。欲为圣明除弊事，肯将衰朽惜残年！云横秦岭家何在？雪拥蓝关马不前。知汝远来应有意，好收吾骨瘴江边。」
还是先让 ChatGPT 把整个场景描述出来：
然后构造给千问的提示词就变成了：
「选择合适的风格，描绘下面用户输入的意境："清晨，朝阳微露，韩愈的奏折被飞骑急递入层层宫门，直达九重天的皇城深处；殿阁内金碧辉煌，文武百官肃立，气息凝重。转场至黄昏，他却被命贬南荒，潮州在八千里外 —— 檐下细雨，驿馆的封驮文书冰冷如铁。镜头一闪，他曾满怀抱负，欲为圣君拨除积弊，不惜燃尽衰年残力，如今却只剩孤身马前。画面切入秦岭深处，厚重的云雾横亘山脊，将归家的方向吞没；雪花翻涌，压满蓝关的狭道，战马嘶鸣却寸步难行。远处，一位风尘仆仆的侄孙策马而来，神情焦急。韩愈望向他，眼中透出沉静与决绝 —— 像是在嘱托，也像在告别：" 若我客死瘴江，便请收殓我的骸骨。""。注意，在图上配以下诗句，草书" 一封朝奏九重天，夕贬潮州路八千。"」
将其输入到通义千问当中，别忘了选择图片生成：
这是生成的结果：
你感觉怎么样？
玩法
试完了正经的艺术创作，咱们下面玩点有趣的 —— 把流行歌曲画成画，并且测试把其中的中文正常地体现。我选择的是最近比较火的那首《大展宏图》。
先在 ChatGPT 中描述场景：
你或许感到奇怪，为什么输入的提示词标点符号都不对？那是因为我用语音输入的。这或许可以称为 "Vibe Prompting" （氛围提示）吧？哈哈。
咱们的提示词也就有了：
「一推开豪华别墅大门，映入眼帘的是水池中那尾金光闪闪的银龙鱼，悠游间泛出富贵象征；客厅背景里，一幅气势磅礴的墨宝四字 "大展鸿图" 赫然入目，仿佛昭示着一番雄心壮志；一旁关公像庄严点头，似在默默护佑财运；嘉宾高声唱起 KTV，喇叭里响起那一句 "别墅里面唱 K，水池里面银龙鱼"，节奏明快、直白又朗朗上口。空间里，富丽堂皇与市井香气交织，声音与画面合成一幅 "暴发户式" 豪华日常，让人立马 "听见" 那首曲子的魔性韵律。」
到 千问[3] 里面，把我们刚才从 ChatGPT 当中获得的提示词贴进去，回车执行即可：
通义千问立刻给出了绘制结果。
咱们放大一下，看一看。
我觉得元素很全面。但这幅图是否已经包含了歌词当中的全部信息，还需要验证一下。
验证
验证工作嘛，交给 GPT-5 好了。
我使用了自动路由模式（即让 AI 自动选择最合适的模型来执行任务），所以非常快就得到了结果：
从 GPT-5 的描述来看，画作已经包含了歌曲中的核心元素。
GPT-5 对文化符号、色彩冲击等方面的解读，也印证了画作已充分传达出歌曲的内涵。
小结
通过 ChatGPT 和通义千问的配合，你也可以让 AI 在图画里正常地输出中文了。关键在于先用 ChatGPT 生成详细的场景描述，再到千问中加上诗句或文字要求进行绘制。虽然可能还需要一些「抽卡」运气，但相比之前的「西夏文」时代，AI 绘图中包括汉字的能力已经前进了一大步。
