AI generatori slika imaju problema s pravopisom jer crtaju slike, a ne tekst. Uče kako slova izgledaju kao oblici i uzorci piksela i nikada ne upisuju riječ slovo po slovo pa mala greška može pretvoriti „BAKERY” u „BAKRERY”. Mnogi od njih vaš upit čitaju u dijelovima riječi, a ne u pojedinačnim slovima, što točno pisanje čini još težim.
Noviji generatori mnogo bolje obrađuju kratak tekst nego rani, ali dugi odlomci, sitna slova, neobična imena i nelatinična pisma i dalje uzrokuju pogreške. Ako već imate sliku s pokvarenim riječima, često možete ispraviti tekst na AI generiranim slikama bez ponovnog početka. Ovaj vodič objašnjava zašto se pogreške događaju, kako napisati upit za bolji tekst i kako ga poslije popraviti, bez obzira na to potječe li slika iz alata Midjourney, ChatGPT, Gemini, Stable Diffusion ili drugog generatora.
Kako AI generatori slika stvaraju sliku
Mnogi popularni generatori slika koriste metodu koja se zove difuzijski model. Model počinje sa slučajnim šumom, sličnim smetnjama na zaslonu, i u svakom od mnogih koraka uklanja malo tog šuma. Vaš upit usmjerava svaki korak pa se šum polako pretvara u sliku koja odgovara vašem opisu. Cijela se slika dorađuje zajedno: nebo, lica i slova poprimaju oblik istodobno.
Ne radi svaki generator na taj način. Neki umjesto toga grade sliku kao niz malih dijelova. No općenito modeli za pretvaranje teksta u sliku dijele jednu važnu osobinu: predviđaju kako bi slika trebala izgledati. Ne postoji korak u kojem model odabere font i upiše „B”, zatim „A”, zatim „K”. Slova se pojavljuju samo kao oblici koji izgledaju ispravno, zbog čega mogu ispasti gotovo ispravno, ali ne sasvim.
Zašto je tekst generatorima slika tako težak
Nekoliko uzroka djeluje zajedno. Svaki od njih čini malu pogrešku vjerojatnijom, a tekst je mjesto na kojem se male pogreške lako vide.
Slova su sitni detalji sa strogim pravilima
Stablo može imati bilo koji broj grana i svejedno izgledati kao stablo. Riječ ima točno jedan ispravan pravopis. Tekst ima i pravila koja vrijede za cijelu riječ: svako slovo treba isti stil i visinu, razmaci moraju biti ujednačeni, a slova moraju stajati na istoj liniji. Jedan višak poteza, slovo koje nedostaje ili udvostručeno slovo očito je svakome tko čita taj jezik, čak i kad ostatak slike izgleda stvarno.
Model možda nikada ne vidi slova koja ste upisali
Prije nego što generator može upotrijebiti vaš upit, komponenta koja se zove kodirnik teksta pretvara ga u brojeve. Mnogi kodirnici teksta prvo razdijele upit na tokene. Uobičajene riječi često postaju jedan token, dok se rjeđe riječi razlažu na nekoliko dijelova. Široko korištena metoda za izradu tih dijelova je kodiranje parova bajtova (engl. byte-pair encoding). Pristup je učinkovit, ali model za svaki dio dobiva oznaku, a ne slova unutar njega. Iz primjera mora naučiti da se određeni dio crta kao određeni niz slova.
Rad iz Google Researcha, „Character-Aware Models Improve Visual Text Rendering”, proučavao je to izravno. Istraživači su usporedili kodirnike teksta koji vide pojedinačne znakove („svjesni znakova”, engl. character-aware) s kodirnicima koji vide samo dijelove riječi („slijepi za znakove”, engl. character-blind). Modeli za slike s kodirnicima svjesnima znakova točnije su iscrtavali vidljivi tekst, a posebno su se istaknuli na rijetkim riječima. Rad je također pokazao da vrlo veliki jezični modeli slijepi za znakove mogu naučiti dobro pisati, ali da se ta sposobnost nije dobro prenosila izvan engleskog jezika te da se pojavljivala samo u modelima mnogo većima od kodirnika teksta koje su generatori slika tada obično koristili.
Slike za treniranje često loše prikazuju tekst
Generatori uče iz vrlo velikih zbirki slika uparenih s opisima. Na tim je slikama tekst često malen, mutan, odrezan, viđen pod kutom ili djelomično skriven, a pojavljuje se u golemom rasponu fontova i stilova. Opis uparen sa slikom možda uopće ne spominje njezin tekst. Tako model vidi mnogo primjera kako tekst općenito izgleda, ali manje jasnih primjera kako točno treba napisati određenu riječ.
Mali tekst ima vrlo malo piksela
Naslov se može protezati na stotine piksela, dok riječ sitnog tiska može dobiti tek nekoliko piksela po slovu. Mnogi generatori rade i na komprimiranoj verziji slike te na kraju ponovno grade sliku pune veličine, što ostavlja još manje mjesta za sitne detalje. Fine linije, poput prečke u malom slovu „e”, lako se gube.
Zašto noviji modeli pišu bolji tekst
Generatori slika postali su mnogo bolji u kratkim naslovima i oznakama. Općenito, noviji sustavi koriste jače jezične modele za razumijevanje upita, a razvojni programeri posvetili su tekstu više pažnje tijekom treniranja. Gore navedeno istraživanje upućuje u istom smjeru: modeli koji dobivaju bolje informacije o slovima točnije crtaju tekst.
Poboljšanje je stvarno, ali neujednačeno. Generator koji ispravno napiše naslov od tri riječi i dalje se može mučiti s odlomkom, jelovnikom ili oznakom na jeziku koji je tijekom treniranja rjeđe vidio.
Gdje AI generatori slika i dalje imaju poteškoća
- Dugi tekst. Odlomci, jelovnici i popisi, gdje je svaka dodatna riječ još jedna prilika za pogrešku
- Mali tekst. Sitni tisak, oznake i tekst daleko u prizoru
- Neobične riječi. Imena, izmišljene riječi, novi pojmovi i dugi brojevi poput telefonskih brojeva ili kodova
- Nelatinična pisma. Arapski, kineski, hindski, japanski, korejski, tajlandski i drugi sustavi pisanja, kao i slova s dijakritičkim znakovima
- Mnogo blokova teksta. Plakati i infografike s nekoliko zasebnih dijelova teksta
- Zakrivljene ili nakošene površine. Tekst na boci, zastavi ili znaku viđenom sa strane
- Dosljednost. Održavanje istog teksta identičnim kroz niz slika
To su uobičajeni obrasci, a ne čvrsta pravila, i razlikuju se od generatora do generatora i od verzije do verzije.
Kako dobiti bolji tekst pri generiranju slike
- Točne riječi stavite u navodnike. Primjerice, zatražite plakat s naslovom „NIGHT MARKET”, a ne plakat o noćnoj tržnici.
- Neka tekst bude kratak. Nekoliko riječi u velikoj veličini lakše je pogoditi nego cijelu rečenicu. Dulji tekst umjesto toga stavite u opis ili na web-stranicu.
- Recite gdje tekst ide. Opišite položaj i veličinu, primjerice „veliki naslov preko vrha” ili „mala etiketa na staklenci”.
- Zatražite jednostavna slova. Podebljana, čista velika slova na običnoj površini modelu je lakše nacrtati nego ukrasna rukopisna slova preko gusto popunjene pozadine.
- Napravite više verzija. Generirajte nekoliko opcija, odaberite onu s najboljim pravopisom i ispravite samo ono što je ostalo.
- Točan tekst dodajte kasnije kad je to važno. Za jelovnik, cjenik ili bilo što sa sitnim tiskom generirajte sliku s praznim prostorom, a tekst postavite u alatu za dizajn. Tako je tekst upisan, a ne nacrtan.
Kako poslije ispraviti tekst
Ako je slika dobra, a riječi su pogrešne, imate četiri glavne mogućnosti. Evo ih od najmanjeg do najvećeg truda.
| Metoda | Trud | Što se još može promijeniti | Najbolje kad |
|---|---|---|---|
| Ponovno generirati sliku | Nizak | Sve, jer dobivate novu sliku | Cijela je slika pogrešna ili vam ne smeta izgubiti ovu verziju |
| Odabrati i urediti u generatoru | Nizak | Obližnja područja također se mogu iznova iscrtati | Želite brzu popravku u istom alatu |
| Alat za AI zamjenu teksta | Nizak do srednji | Područje teksta iznova se iscrtava pa provjerite rezultat | Slika je dobra, a samo su riječi pogrešne |
| Ručno ispraviti u uređivaču slika | Visok | Samo ono što promijenite | Treba vam potpuna kontrola, primjerice za tisak ili rad za klijente |
Ponovno generirajte sliku
Ponovno generiranje traži malo truda, ali je rezultat nasumičan. Novi pokušaj može ispraviti riječ, a pokvariti nešto drugo, poput lica, ruke ili rasporeda. Upotrijebite ga kad još niste potrošili mnogo vremena na upravo ovu sliku.
Odaberite i uredite unutar generatora
Neki generatori omogućuju da označite područje i opišete promjenu. U ChatGPT-u, primjerice, tekst možete označiti alatom za odabir i upisati što treba pisati. OpenAI-jev centar za pomoć napominje da označavanja nisu uvijek precizna pa se mogu promijeniti i detalji blizu teksta. Za detaljniji pregled pogledajte može li ChatGPT urediti tekst na slici.
Upotrijebite alat za AI zamjenu teksta
Alat za zamjenu teksta sam prepoznaje tekst na slici pa vi upisujete samo ispravan pravopis. U EditText.ai, primjerice, uređujete tekst na slici redak po redak, a svaki se redak iznova iscrtava u izgledu izvornih slova i pozadine. Za jedno pogrešno slovo ili riječ pogledajte kako ispraviti tipkarsku pogrešku na slici. Za naslove i naslovna slova na dizajnima događaja pogledajte kako promijeniti tekst na plakatu.
Prije i poslije: iskrivljeni neonski natpis na AI slici, ispravljen upisivanjem THEATER u EditText.ai.
Rezultati se mogu razlikovati, osobito kod neobičnih slova ili detaljnih pozadina. Budući da ponovno iscrtavanje također obavlja model za slike, pročitajte svaku novu riječ slovo po slovo u punoj veličini. Svako prepoznavanje teksta može i pogrešno pročitati iskrivljena slova pa provjerite je li svaki prepoznati redak onaj koji ste željeli promijeniti.
Ispravite ručno
U uređivaču poput alata Photoshop ili Photopea uklanjate pokvarena slova, ponovno gradite pozadinu i postavljate novi tekst u fontu. To daje najviše kontrole i odgovara tisku ili radu za klijente, ali traži vještinu i vrijeme. AI slova često nisu pravi font pa alat za pronalaženje fonta možda neće pronaći podudaranje. Pročitajte kako prepoznati font sa slike za načine da pronađete blisku zamjenu.
Jednostavno pravilo pomaže pri odabiru: ako je cijela slika pogrešna, ponovno je generirajte. Ako su pogrešne samo riječi, ispravite riječi.
Ostale mogućnosti
Možete i potpuno ukloniti tekst sa slike i na čistu pozadinu postaviti pravi tekst u alatu za dizajn, što je dobar pristup za jelovnike i cjenike. Kad je tekst ispravan, možete prevesti tekst na slici i napraviti verzije za druge jezike.
Uređujte samo slike koje su vaše ili koje smijete mijenjati, ne uklanjajte vodene žigove ni oznake autorstva i zadržite sve oznake AI slika koje platforma zahtijeva.
Ispravite riječi i zadržite sliku
Ako je slika dobra, a pravopis pogrešan, ne morate početi ispočetka. Prenesite je da biste ispravili tekst na AI slikama pomoću EditText.ai, upišite ispravne riječi za svaki redak i provjerite rezultat prije preuzimanja.
Česta pitanja
Zašto AI kvari tekst na slikama?
AI generatori slika crtaju tekst kao oblike umjesto da ga upisuju kao slova, a mnogi upite čitaju u dijelovima riječi, a ne u pojedinačnim znakovima. Tekst je i sitan detalj sa strogim pravilima pa jedan pogrešan potez upada u oči. Slike za treniranje često prikazuju tekst koji je malen, mutan ili pod kutom, što modelima daje manje jasnih primjera iz kojih uče.
Zašto AI piše besmislice umjesto pravih riječi?
Kad model nije siguran kako se riječ piše, ipak crta oblike koji izgledaju kao slova jer tako tekst izgleda na slikama za treniranje. Rezultat mogu biti znakovi nalik slovima, pomiješana pisma ili izmišljene riječi. Najčešće se događa kod dugog teksta, sitnih slova i neobičnih riječi, a rjeđe kod kratke fraze u navodnicima.
Koji je AI generator slika najbolji u tekstu?
Ne postoji trajan odgovor jer se modeli često mijenjaju, a svaka nova verzija može se ponašati drukčije. Općenito, noviji generatori bolje obrađuju kratak, velik tekst od starijih. Najkorisniji test je vaš vlastiti upit: generirajte istu kratku frazu u alatima kojima imate pristup, a zatim provjerite pravopis slovo po slovo prije nego što odaberete jedan.
Mogu li ispraviti pogrešno napisan tekst na AI slici bez ponovnog generiranja?
Da. Možete odabrati područje i opisati ispravak u istom generatoru, ručno ponovno upisati tekst u uređivaču poput alata Photoshop ili Photopea ili upotrijebiti alat za zamjenu teksta koji prepoznaje riječi pa upisujete ispravan pravopis. Koju god metodu upotrijebili, usporedite rezultat s izvornikom kako biste uočili promjene blizu teksta.
Zašto alat za pronalaženje fonta ne može prepoznati slova na mojoj AI slici?
AI generatori obično crtaju slova prema obrascima koje su naučili, a ne iz instalirane datoteke fonta. Slova mogu miješati značajke nekoliko fontova ili mijenjati oblik od slova do slova. Alat za prepoznavanje fonta ipak može predložiti slične fontove, što pomaže ako planirate ponovno upisati tekst, ali točno podudaranje često ne postoji.