还在愁 AI 经常画不出能看的汉字吗？最近有个新工具冒出来，效果着实让人眼前一亮。

痛点

很长一段时间里，用AI画画，压根不敢往里面放汉字。一旦汉字出现，你一眼就能看出这是AI画的——那字简直跟西夏文似的。看着眼熟，但谁也读不懂。那时候，汉字跟人物手指数量一样，几乎成了判别AI绘图的“金标准”。

直到GPT-4o出现，情况才有所改观。中文终于能在AI绘图里正常生成了。特别是那种手写涂鸦卡片风格的东西，又有图片又有文字，感觉就是手绘的。每次给人展示，告诉他们这是一行提示词生成的，对方都一脸惊讶。

不过，要是以为这个功能每次都能成功、稳定性强，那就想简单了。GPT-4o里绘制中文，得靠“抽卡”——碰运气。而且，抽中的概率真不算高。

比如上面这张图，一眼就能发现吧？“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。

这张图能猜出想表达什么吗？其实用户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里比较好的一个了。再看下面这张，完全不认识的汉字又出现了：

唉。

探索

有时候，更希望在图里表现出古诗词的意境。有位用户分享说，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给画出来。

输入的是：

这是GPT-4o呈现的结果：

乍看上去，还真像那么回事。但仔细看的话，会发现那首诗已经被改得不像样子：

所以现在在图里加汉字，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：

这幅图被分享出去后，很多人特别惊喜，想听听是怎么绘制出来的。

今天这篇文章，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，画成现在看到的这个样子。

方法

绘制的第一步在ChatGPT中进行。需要让ChatGPT告诉用户该以什么样的提示词来描述古诗词，越细致越好。

提示词可以设计为：“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：

然后打开通义千问的对话界面，选择Image Generation图片生成：

没错，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，可以读它的技术报告。但闲言少叙，还是专注于它的用法和效果。

注意，刚才从ChatGPT获得的提示词描述了场景，却没有加上这首诗本身。所以整体提示词是这样：

“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’。”

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比人懂得多得多。

接着，把做好的提示词输入进去：

可以选择图片的比例。里面有若干选项，默认是1:1，但一般更推荐选择16:9，适合作为封面或者插图。

很快，千问就绘制出来了：

放大再看一下。

实践

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：

效果如何？

玩法

试完了正经的艺术创作，下面玩点有趣的——把流行歌曲画成画，并且测试中文能否正常体现。选择的是最近比较火的那首《大展宏图》。

先在ChatGPT中描述场景：

可能有人会感到奇怪，为什么输入的提示词标点符号都不对？那是因为用语音输入的。这或许可以称为“Vibe Prompting”（氛围提示）吧？哈哈。

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。”

在千问里面，把刚才从ChatGPT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。

放大看看。

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。

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，也可以让AI在图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绘图里包含汉字的能力已经前进了一大步。