AI generátory obrázků mají s pravopisem potíže, protože kreslí obrázky, ne text. Učí se, jak písmena vypadají jako tvary a vzory pixelů, a žádné slovo nepíší písmeno po písmenu, takže drobný přehmat může z „BAKERY“ udělat „BAKRERY“. Mnohé z nich také čtou váš prompt po částech slov, ne po jednotlivých písmenech, což přesný pravopis ještě ztěžuje.
Novější generátory zvládají krátký text mnohem lépe než ty první, ale dlouhé pasáže, drobné písmo, neobvyklá jména a nelatinská písma stále způsobují chyby. Pokud už máte obrázek s rozbitými slovy, často můžete opravit text v obrázku vytvořeném pomocí AI, aniž byste museli začínat od nuly. Tento návod vysvětluje, proč k chybám dochází, jak zadat prompt pro lepší text a jak ho dodatečně opravit, ať už obrázek vznikl v Midjourney, ChatGPT, Gemini, Stable Diffusion, nebo v jiném generátoru.
Jak AI generátory obrázků vytvářejí obrázek
Mnoho oblíbených generátorů obrázků používá metodu zvanou difuzní model. Model začíná s náhodným šumem, podobným šumu na obrazovce bez signálu, a v mnoha krocích z něj vždy trochu odebere. Váš prompt řídí každý krok, takže se šum pomalu mění v obrázek, který odpovídá vašemu popisu. Celý obrázek se zpřesňuje najednou: obloha, obličeje i písmo nabírají tvar zároveň.
Ne každý generátor funguje takto. Některé skládají obrázek z postupně vznikajících drobných částí. Obecně ale modely text-to-image mají jednu důležitou společnou vlastnost: odhadují, jak má obrázek vypadat. Neexistuje krok, kdy by model vybral font a napsal „B“, pak „A“, pak „K“. Písmena vznikají jen jako tvary, které vypadají správně, a proto mohou vyjít skoro správně, ale ne úplně.
Proč je text pro generátory obrázků tak těžký
Působí tu několik příčin najednou. Každá z nich zvyšuje pravděpodobnost drobné chyby a text je místo, kde jsou drobné chyby snadno vidět.
Písmena jsou drobné detaily s přísnými pravidly
Strom může mít libovolný počet větví a pořád vypadá jako strom. Slovo má přesně jeden správný pravopis. Text má navíc pravidla platná pro celé slovo: každé písmeno potřebuje stejný styl a výšku, rozestupy musí být rovnoměrné a písmena musí stát na stejné lince. Jeden tah navíc, chybějící písmeno nebo zdvojené písmeno okamžitě padne do oka každému, kdo jazyk čte, i když zbytek obrázku vypadá věrohodně.
Model nemusí nikdy vidět písmena, která jste napsali
Než může generátor váš prompt použít, převede ho na čísla jeho součást zvaná textový enkodér. Mnoho textových enkodérů nejdřív rozdělí prompt na tokeny. Běžná slova se často stanou jediným tokenem, zatímco vzácnější slova se rozloží na několik částí. Široce používanou metodou pro vytváření těchto částí je byte-pair encoding, tedy kódování dvojic bajtů. Postup je efektivní, ale model dostane pro každou část identifikátor, ne písmena uvnitř ní. Z příkladů se musí naučit, že určitá část se kreslí jako určitá řada písmen.
Studie týmu Google Research Character-Aware Models Improve Visual Text Rendering se tímto přímo zabývala. Výzkumníci porovnali textové enkodéry, které vidí jednotlivé znaky („character-aware“), s enkodéry, které vidí jen části slov („character-blind“). Obrazové modely s enkodéry vnímajícími znaky vykreslovaly text přesněji a zvlášť dobře si vedly u vzácných slov. Studie také zjistila, že velmi velké jazykové modely, které znaky nevidí, se mohou naučit dobře hláskovat, ale tato schopnost se mimo angličtinu přenášela špatně a objevila se jen u modelů mnohem větších než textové enkodéry, které generátory obrázků tehdy obvykle používaly.
Trénovací obrázky často ukazují text špatně
Generátory se učí z velmi rozsáhlých sbírek obrázků spárovaných s popisy. Text na těchto obrázcích bývá drobný, rozmazaný, oříznutý, natočený pod úhlem nebo částečně zakrytý a vyskytuje se v obrovském množství fontů a stylů. Popis spárovaný s obrázkem se o jeho textu nemusí vůbec zmiňovat. Model tak vidí mnoho příkladů toho, jak text obecně vypadá, ale méně jasných příkladů toho, jak přesně se má napsat konkrétní slovo.
Drobný text má velmi málo pixelů
Nadpis může zabírat stovky pixelů, zatímco slovo v drobném písmu může mít na písmeno jen pár pixelů. Mnoho generátorů také pracuje se zmenšenou, komprimovanou verzí obrázku a plnou velikost obnovuje až nakonec, což pro drobné detaily nechává ještě méně místa. Jemné čáry, například příčka v malém „e“, se snadno ztratí.
Proč novější modely píšou text lépe
Generátory obrázků se u krátkých nadpisů a popisků výrazně zlepšily. Obecně novější systémy používají k porozumění promptu silnější jazykové modely a vývojáři věnovali textu při trénování víc pozornosti. Ve stejném směru ukazuje i výše uvedený výzkum: modely, které dostávají lepší informace o písmenech, kreslí text přesněji.
Zlepšení je skutečné, ale nerovnoměrné. Generátor, který správně napíše tříslovný nadpis, může mít pořád potíže s odstavcem, jídelním lístkem nebo popiskem v jazyce, který při trénování viděl méně často.
Kde mají AI generátory obrázků pořád potíže
- Dlouhý text. Odstavce, jídelní lístky a seznamy, kde je každé další slovo další příležitostí k chybě
- Drobný text. Drobné písmo, popisky a text daleko ve scéně
- Neobvyklá slova. Jména, vymyšlená slova, nové pojmy a dlouhá čísla, například telefonní čísla nebo kódy
- Nelatinská písma. Arabština, čínština, hindština, japonština, korejština, thajština a další systémy písma, a také písmena s diakritikou
- Mnoho textových bloků. Plakáty a infografiky s několika oddělenými kusy textu
- Zakřivené nebo šikmé plochy. Text na láhvi, na vlajce nebo na ceduli, na kterou se díváte z boku
- Konzistence. Udržení stejného znění beze změny v celé sérii obrázků
Jsou to spíš běžné vzorce než pevná pravidla a liší se podle generátoru a verze.
Jak získat lepší text při generování obrázku
- Přesná slova dejte do uvozovek. Například požádejte o plakát s nadpisem „NIGHT MARKET“, ne o plakát o nočním trhu.
- Držte text krátký. Několik slov ve velké velikosti se podaří snáz než celá věta. Delší text dejte raději do popisku nebo na webovou stránku.
- Řekněte, kam má text přijít. Popište umístění a velikost, například „velký nadpis přes horní část“ nebo „malý štítek na sklenici“.
- Požádejte o jednoduché písmo. Tučná, čistá velká písmena na jednobarevné ploše model nakreslí snáz než ozdobné psací písmo přes rušné pozadí.
- Vytvořte několik verzí. Vygenerujte několik variant, vyberte tu s nejlepším pravopisem a opravte jen to, co zbude.
- Přesný text přidejte až později, když na něm záleží. U jídelního lístku, ceníku nebo čehokoli s drobným písmem vygenerujte obrázek s prázdným místem a text vysázejte v grafickém nástroji. Tak je znění napsané, ne nakreslené.
Jak text dodatečně opravit
Pokud je obrázek v pořádku, ale slova jsou špatně, máte čtyři hlavní možnosti. Tady jsou od nejmenší námahy po největší.
| Metoda | Námaha | Co dalšího se může změnit | Nejlepší, když |
|---|---|---|---|
| Vygenerovat obrázek znovu | Nízká | Všechno, protože dostanete nový obrázek | Celý obrázek je špatně, nebo vám nevadí o tuto verzi přijít |
| Vybrat a upravit v generátoru | Nízká | Mohou se překreslit i blízké oblasti | Chcete rychlou opravu ve stejném nástroji |
| Nástroj na nahrazení textu pomocí AI | Nízká až střední | Překreslí se oblast textu, proto výsledek zkontrolujte | Obrázek je v pořádku a špatně jsou jen slova |
| Ruční oprava v obrazovém editoru | Vysoká | Jen to, co změníte | Potřebujete plnou kontrolu, například pro tisk nebo práci pro klienta |
Vygenerujte obrázek znovu
Opětovné generování zabere málo námahy, ale výsledek je náhodný. Nový pokus může opravit slovo a rozbít něco jiného, například obličej, ruku nebo rozvržení. Použijte ho, když jste na tomto konkrétním obrázku ještě nestrávili mnoho času.
Vyberte a upravte přímo v generátoru
Některé generátory vám umožní označit oblast a popsat změnu. V ChatGPT například můžete text zvýraznit nástrojem pro výběr a napsat, co má znít. Nápověda společnosti OpenAI upozorňuje, že zvýraznění není vždy přesné, takže se mohou změnit i detaily poblíž textu. Podrobnosti najdete v článku o tom, zda umí ChatGPT upravit text v obrázku.
Použijte nástroj na nahrazení textu pomocí AI
Nástroj na nahrazení textu rozpozná text v obrázku za vás, takže jen napíšete správný pravopis. S EditText.ai například upravíte text v obrázku řádek po řádku a každý řádek se překreslí ve vzhledu původního písma a pozadí. Pro jediné chybné písmeno nebo slovo se podívejte, jak opravit překlep v obrázku. U nadpisů a ozdobného písma na grafikách k akcím se podívejte, jak změnit text na plakátu.
Před a po: zkomolená neonová cedule v AI obrázku, opravená napsáním THEATER v EditText.ai.
Výsledky se mohou lišit, zejména u neobvyklého písma nebo detailního pozadí. Protože překreslení provádí také obrazový model, přečtěte každé nové slovo písmeno po písmenu v plné velikosti. Každé rozpoznávání textu také může zkomolená písmena špatně přečíst, proto se ujistěte, že každý rozpoznaný řádek je ten, který jste chtěli změnit.
Oprava ručně
Ve Photoshopu, v editoru Photopea nebo v podobném editoru rozbitá písmena odstraníte, dokreslíte pozadí a nový text vysázíte pomocí fontu. Tak máte největší kontrolu a hodí se to pro tisk nebo práci pro klienty, ale vyžaduje to zručnost i čas. Písmo vytvořené AI často není skutečný font, takže nástroj na hledání fontů shodu nemusí najít. Jak najít blízkou náhradu, popisuje návod jak zjistit font z obrázku.
Při výběru pomůže jednoduché pravidlo: pokud je špatně celý obrázek, vygenerujte ho znovu. Pokud jsou špatně jen slova, opravte slova.
Další možnosti
Můžete také odstranit text z obrázku úplně a na čisté pozadí vysázet skutečné písmo v grafickém nástroji, což je dobrý postup pro jídelní lístky a ceníky. Jakmile je znění správné, můžete přeložit text v obrázku a vytvořit verze pro další jazyky.
Upravujte jen obrázky, které vlastníte nebo které smíte měnit, neodstraňujte vodoznaky ani údaje o autorství a ponechte všechna označení AI obrázků, která platforma vyžaduje.
Opravte slova a zachovejte obrázek
Pokud je obrázek v pořádku, ale pravopis je špatně, nemusíte začínat od nuly. Nahrajte ho a opravte text v AI obrázku pomocí EditText.ai, u každého řádku napište správná slova a před stažením zkontrolujte výsledek.
Nejčastější otázky
Proč AI kazí text v obrázcích?
AI generátory obrázků kreslí text jako tvary, místo aby ho psaly jako písmena, a mnohé čtou prompty po částech slov, ne po jednotlivých znacích. Text je také drobný detail s přísnými pravidly, takže jeden špatný tah bije do očí. Trénovací obrázky často ukazují text, který je drobný, rozmazaný nebo pod úhlem, což modelům dává méně jasných příkladů, ze kterých se mohou učit.
Proč AI píše nesmysly místo skutečných slov?
Když si model není jistý, jak se slovo píše, stejně nakreslí tvary, které vypadají jako písmena, protože právě tak text vypadá na jeho trénovacích obrázcích. Výsledkem mohou být značky podobné písmenům, smíšené abecedy nebo vymyšlená slova. Nejčastěji se to děje u dlouhého textu, drobného písma a neobvyklých slov, a méně často u krátké fráze v uvozovkách.
Který AI generátor obrázků je v textu nejlepší?
Trvalá odpověď neexistuje, protože se modely často mění a každá nová verze se může chovat jinak. Obecně si novější generátory s krátkým, velkým textem poradí lépe než starší. Nejužitečnější test je váš vlastní prompt: vygenerujte stejnou krátkou frázi v nástrojích, které máte k dispozici, a než některý vyberete, zkontrolujte pravopis písmeno po písmenu.
Lze opravit chybně napsaný text v AI obrázku bez nového vygenerování?
Ano. Můžete v tomtéž generátoru vybrat oblast a popsat opravu, text ručně přepsat v editoru, jako je Photoshop nebo Photopea, nebo použít nástroj na nahrazení textu, který slova rozpozná, takže jen napíšete správný pravopis. Ať použijete jakoukoli metodu, porovnejte výsledek s originálem, abyste zachytili změny v okolí textu.
Proč nástroj na hledání fontů nepozná písmo v mém AI obrázku?
AI generátory obvykle kreslí písmo podle naučených vzorů, ne z nainstalovaného fontového souboru. Písmena mohou míchat rysy několika fontů nebo měnit tvar od písmene k písmenu. Nástroj na rozpoznání fontů může přesto navrhnout podobné fonty, což pomůže, když plánujete text přepsat, ale přesná shoda často neexistuje.