Các công cụ tạo ảnh AI gặp khó với chính tả vì chúng vẽ ra hình ảnh chứ không viết ra văn bản. Chúng học xem các chữ cái trông như thế nào dưới dạng hình dạng và mẫu điểm ảnh, và không bao giờ gõ từng chữ cái để tạo nên một từ, nên một sai sót nhỏ cũng có thể biến “BAKERY” thành “BAKRERY”. Nhiều công cụ còn đọc prompt của bạn theo từng mảnh từ chứ không theo từng chữ cái riêng lẻ, khiến việc viết đúng chính tả càng khó hơn.
Các công cụ tạo ảnh đời mới xử lý chữ ngắn tốt hơn nhiều so với những công cụ thời đầu, nhưng đoạn văn dài, chữ nhỏ, tên lạ và các hệ chữ không phải Latin vẫn gây ra lỗi. Nếu bạn đã có một bức ảnh với chữ bị hỏng, bạn thường có thể sửa chữ trong ảnh do AI tạo ra mà không phải làm lại từ đầu. Bài viết này giải thích vì sao lỗi xảy ra, cách viết prompt để có chữ tốt hơn, và cách sửa chữ sau đó, dù bức ảnh đến từ Midjourney, ChatGPT, Gemini, Stable Diffusion hay một công cụ tạo ảnh khác.
Công cụ tạo ảnh AI tạo ra một bức ảnh như thế nào
Nhiều công cụ tạo ảnh phổ biến dùng một phương pháp gọi là mô hình khuếch tán. Mô hình bắt đầu từ nhiễu ngẫu nhiên, giống như nhiễu hạt trên màn hình, và loại bỏ dần một chút nhiễu đó qua rất nhiều bước. Prompt của bạn dẫn dắt từng bước, nên nhiễu dần biến thành một bức ảnh khớp với mô tả của bạn. Toàn bộ bức ảnh được tinh chỉnh cùng lúc: bầu trời, khuôn mặt và chữ đều thành hình cùng một thời điểm.
Không phải công cụ nào cũng hoạt động theo cách này. Một số tạo ảnh như một chuỗi các mảnh nhỏ. Nhưng nhìn chung, các mô hình tạo ảnh từ văn bản có chung một đặc điểm quan trọng: chúng dự đoán bức ảnh nên trông như thế nào. Không có bước nào mà mô hình chọn một font rồi gõ “B”, rồi “A”, rồi “K”. Các chữ cái chỉ xuất hiện dưới dạng những hình dạng trông có vẻ đúng, đó là lý do chúng có thể gần đúng nhưng chưa hẳn đúng.
Vì sao chữ lại khó với công cụ tạo ảnh đến vậy
Nhiều nguyên nhân cùng tác động. Mỗi nguyên nhân làm một lỗi nhỏ dễ xảy ra hơn, và chữ là nơi những lỗi nhỏ rất dễ bị nhìn thấy.
Chữ cái là những chi tiết nhỏ với quy tắc nghiêm ngặt
Một cái cây có thể có bao nhiêu cành tùy ý mà vẫn trông là cây. Một từ chỉ có đúng một cách viết đúng. Chữ còn có những quy tắc áp dụng cho cả từ: mọi chữ cái cần cùng kiểu và cùng chiều cao, khoảng cách phải đều, và các chữ cái phải nằm trên cùng một đường kẻ. Thêm một nét, thiếu một chữ cái hay lặp đôi một chữ cái đều lộ rõ với bất cứ ai đọc được ngôn ngữ đó, kể cả khi phần còn lại của bức ảnh trông rất thật.
Mô hình có thể không bao giờ nhìn thấy các chữ cái bạn đã gõ
Trước khi một công cụ tạo ảnh dùng được prompt của bạn, một thành phần gọi là bộ mã hóa văn bản sẽ biến nó thành các con số. Nhiều bộ mã hóa văn bản trước tiên tách prompt thành các token. Những từ thông dụng thường thành một token duy nhất, còn những từ hiếm hơn bị chia thành nhiều mảnh. Một phương pháp được dùng rộng rãi để tạo các mảnh này là mã hóa cặp byte (byte-pair encoding). Cách này hiệu quả, nhưng mô hình nhận một mã định danh cho mỗi mảnh chứ không nhận các chữ cái bên trong. Nó phải học từ các ví dụ rằng một mảnh nào đó được vẽ thành một hàng chữ cái nào đó.
Một bài báo của Google Research, Character-Aware Models Improve Visual Text Rendering, đã nghiên cứu trực tiếp vấn đề này. Các nhà nghiên cứu so sánh những bộ mã hóa văn bản nhìn thấy từng ký tự (“character-aware”) với những bộ mã hóa chỉ nhìn thấy các mảnh từ (“character-blind”). Các mô hình ảnh dùng bộ mã hóa nhận biết ký tự vẽ chữ chính xác hơn, và đặc biệt mạnh với các từ hiếm. Bài báo cũng phát hiện rằng các mô hình ngôn ngữ character-blind rất lớn có thể học cách viết đúng chính tả, nhưng khả năng đó không chuyển tốt sang các ngôn ngữ ngoài tiếng Anh và chỉ xuất hiện ở những mô hình lớn hơn nhiều so với các bộ mã hóa văn bản mà công cụ tạo ảnh thường dùng vào thời điểm đó.
Ảnh huấn luyện thường thể hiện chữ không tốt
Các công cụ tạo ảnh học từ những bộ sưu tập ảnh rất lớn đi kèm mô tả. Trong những bức ảnh đó, chữ thường nhỏ, mờ, bị cắt cụt, nhìn từ một góc nghiêng hoặc bị che một phần, và xuất hiện trong vô số font và kiểu khác nhau. Phần mô tả đi kèm một bức ảnh có thể không nhắc gì đến chữ trong đó. Vì vậy mô hình thấy nhiều ví dụ về việc chữ nói chung trông thế nào, nhưng ít ví dụ rõ ràng hơn về việc một từ cụ thể phải được viết chính xác ra sao.
Chữ nhỏ có rất ít điểm ảnh
Một tiêu đề có thể trải dài hàng trăm điểm ảnh, trong khi một chữ in nhỏ có thể chỉ có vài điểm ảnh cho mỗi chữ cái. Nhiều công cụ tạo ảnh còn làm việc trên một phiên bản nén của ảnh và dựng lại bức ảnh đủ kích thước ở bước cuối, điều này càng để lại ít chỗ hơn cho các chi tiết nhỏ. Những nét mảnh, như nét ngang trong chữ “e” thường, rất dễ bị mất.
Vì sao các mô hình mới viết chữ tốt hơn
Các công cụ tạo ảnh đã tiến bộ nhiều ở tiêu đề và nhãn ngắn. Nhìn chung, các hệ thống mới dùng mô hình ngôn ngữ mạnh hơn để hiểu prompt, và các nhà phát triển đã chú ý đến chữ nhiều hơn trong quá trình huấn luyện. Nghiên cứu nêu trên cũng cho thấy xu hướng tương tự: những mô hình nhận được thông tin tốt hơn về các chữ cái sẽ vẽ chữ chính xác hơn.
Sự cải thiện là có thật nhưng không đồng đều. Một công cụ viết đúng tiêu đề ba từ vẫn có thể gặp khó với một đoạn văn, một thực đơn hay một nhãn bằng ngôn ngữ mà nó ít gặp hơn trong quá trình huấn luyện.
Những chỗ công cụ tạo ảnh AI vẫn còn gặp khó
- Chữ dài. Đoạn văn, thực đơn và danh sách, nơi mỗi từ thêm vào là thêm một cơ hội để xảy ra lỗi
- Chữ nhỏ. Chữ in nhỏ, nhãn và chữ ở xa trong một cảnh
- Từ khác thường. Tên riêng, từ tự đặt, thuật ngữ mới và các số dài như số điện thoại hay mã
- Hệ chữ không phải Latin. Tiếng Ả Rập, tiếng Trung, tiếng Hindi, tiếng Nhật, tiếng Hàn, tiếng Thái và các hệ chữ viết khác, cũng như các chữ cái có dấu
- Nhiều khối chữ. Poster và đồ họa thông tin (infographic) có nhiều khối chữ riêng biệt
- Bề mặt cong hoặc nghiêng góc. Chữ trên chai, lá cờ hoặc biển hiệu nhìn từ bên cạnh
- Tính nhất quán. Giữ cùng một nội dung chữ giống hệt nhau trên cả một loạt ảnh
Đây là những quy luật phổ biến chứ không phải quy tắc cố định, và chúng khác nhau giữa từng công cụ và từng phiên bản.
Cách có chữ tốt hơn khi tạo ảnh
- Đặt chính xác các chữ trong dấu ngoặc kép. Ví dụ, hãy yêu cầu một poster có tiêu đề “NIGHT MARKET” thay vì một poster về chợ đêm.
- Giữ chữ ngắn. Vài từ cỡ lớn dễ đúng hơn một câu đầy đủ. Hãy đặt phần chữ dài hơn trong chú thích hoặc trên một trang web.
- Nói rõ chữ nằm ở đâu. Mô tả vị trí và kích thước, chẳng hạn “tiêu đề lớn ở phía trên” hoặc “nhãn nhỏ trên chiếc lọ”.
- Yêu cầu kiểu chữ đơn giản. Chữ in hoa đậm, gọn trên một vùng trơn dễ để mô hình vẽ hơn chữ thư pháp trang trí trên nền rối mắt.
- Tạo nhiều phiên bản. Tạo vài phương án, chọn bản có chính tả tốt nhất, và chỉ sửa phần còn lại.
- Thêm chữ chính xác sau đó khi cần. Với thực đơn, bảng giá hay bất cứ thứ gì có chữ in nhỏ, hãy tạo ảnh có chừa khoảng trống và dàn chữ trong công cụ thiết kế. Như vậy nội dung chữ được gõ vào chứ không phải được vẽ.
Cách sửa chữ sau đó
Nếu bức ảnh đúng nhưng chữ sai, bạn có bốn lựa chọn chính. Dưới đây là chúng, từ ít công sức nhất đến nhiều công sức nhất.
| Cách làm | Công sức | Điều gì khác có thể thay đổi | Phù hợp nhất khi |
|---|---|---|---|
| Tạo lại ảnh | Thấp | Mọi thứ, vì bạn nhận một bức ảnh mới | Cả bức ảnh bị sai, hoặc bạn không ngại mất phiên bản này |
| Chọn và chỉnh sửa trong chính công cụ tạo ảnh | Thấp | Các vùng lân cận cũng có thể bị vẽ lại | Bạn muốn sửa nhanh trong cùng một công cụ |
| Công cụ thay chữ bằng AI | Thấp đến trung bình | Vùng chữ được vẽ lại, nên hãy kiểm tra kết quả | Bức ảnh đúng và chỉ có chữ bị sai |
| Sửa thủ công trong trình chỉnh sửa ảnh | Cao | Chỉ những gì bạn thay đổi | Bạn cần toàn quyền kiểm soát, ví dụ cho in ấn hoặc công việc với khách hàng |
Tạo lại ảnh
Tạo lại không tốn nhiều công sức, nhưng kết quả là ngẫu nhiên. Một lần thử mới có thể sửa được chữ nhưng làm hỏng thứ khác, như khuôn mặt, bàn tay hay bố cục. Hãy dùng cách này khi bạn chưa tốn nhiều thời gian cho đúng bức ảnh này.
Chọn và chỉnh sửa ngay trong công cụ tạo ảnh
Một số công cụ tạo ảnh cho phép bạn đánh dấu một vùng và mô tả thay đổi. Trong ChatGPT, chẳng hạn, bạn có thể tô sáng phần chữ bằng công cụ chọn và gõ nội dung chữ cần có. Trung tâm trợ giúp của OpenAI lưu ý rằng vùng tô sáng không phải lúc nào cũng chính xác, nên các chi tiết gần chữ cũng có thể thay đổi. Để tìm hiểu kỹ hơn, hãy xem ChatGPT có sửa được chữ trong ảnh không.
Dùng công cụ thay chữ bằng AI
Công cụ thay chữ nhận diện chữ trong ảnh giúp bạn, nên bạn chỉ cần gõ cách viết đúng. Với EditText.ai, chẳng hạn, bạn chỉnh sửa chữ trên ảnh từng dòng, và mỗi dòng được vẽ lại theo diện mạo của kiểu chữ và phần nền gốc. Với một chữ cái hoặc một từ sai, hãy xem cách sửa lỗi chính tả trong ảnh. Với tiêu đề và chữ trang trí trên các thiết kế sự kiện, hãy xem cách đổi chữ trên poster.
Trước và sau: một biển đèn neon bị méo chữ trong ảnh AI, được sửa bằng cách gõ THEATER trong EditText.ai.
Kết quả có thể khác nhau, nhất là với kiểu chữ khác thường hoặc nền nhiều chi tiết. Vì việc vẽ lại cũng do một mô hình ảnh thực hiện, hãy đọc từng chữ mới theo từng chữ cái ở kích thước đầy đủ. Mọi chức năng nhận diện chữ cũng có thể đọc sai các chữ cái bị méo, nên hãy chắc rằng mỗi dòng được nhận diện đúng là dòng bạn định đổi.
Sửa thủ công
Trong Photoshop, Photopea hoặc một trình chỉnh sửa tương tự, bạn xóa các chữ cái bị hỏng, dựng lại phần nền và đặt chữ mới bằng một font. Cách này cho bạn quyền kiểm soát cao nhất và phù hợp với in ấn hoặc công việc cho khách hàng, nhưng cần kỹ năng và thời gian. Chữ do AI vẽ thường không phải font thật, nên công cụ tìm font có thể không tìm ra bản khớp. Hãy đọc cách tìm font chữ từ ảnh để biết cách tìm một font thay thế gần giống.
Một quy tắc đơn giản giúp bạn chọn: nếu cả bức ảnh sai, hãy tạo lại. Nếu chỉ có chữ sai, hãy sửa chữ.
Các lựa chọn khác
Bạn cũng có thể xóa chữ trên ảnh hoàn toàn rồi đặt chữ thật lên phần nền sạch trong công cụ thiết kế, một cách làm tốt cho thực đơn và bảng giá. Khi nội dung chữ đã đúng, bạn có thể dịch chữ trên ảnh để tạo các phiên bản cho ngôn ngữ khác.
Chỉ chỉnh sửa những ảnh bạn sở hữu hoặc được phép thay đổi, đừng xóa dấu chìm hay thông tin ghi công, và giữ lại mọi nhãn ảnh AI mà nền tảng yêu cầu.
Sửa chữ mà vẫn giữ nguyên bức ảnh
Nếu bức ảnh đúng nhưng chính tả sai, bạn không cần làm lại từ đầu. Hãy tải ảnh lên EditText.ai để sửa chữ trong ảnh do AI tạo ra, gõ các chữ đúng cho từng dòng, và kiểm tra kết quả trước khi tải xuống.
Câu hỏi thường gặp
Vì sao AI làm hỏng chữ trong ảnh?
Các công cụ tạo ảnh AI vẽ chữ như hình dạng thay vì gõ chúng thành chữ cái, và nhiều công cụ đọc prompt theo từng mảnh từ thay vì từng ký tự. Chữ cũng là một chi tiết nhỏ với quy tắc nghiêm ngặt, nên một nét sai là lộ ngay. Ảnh huấn luyện thường có chữ nhỏ, mờ hoặc nằm nghiêng góc, khiến mô hình có ít ví dụ rõ ràng hơn để học.
Vì sao AI viết ra chữ vô nghĩa thay vì từ thật?
Khi một mô hình không chắc một từ được viết ra sao, nó vẫn vẽ những hình dạng trông giống chữ cái, vì đó là hình ảnh của chữ trong các ảnh huấn luyện của nó. Kết quả có thể là những nét giống chữ, bảng chữ cái lẫn lộn hoặc những từ tự bịa. Điều này xảy ra nhiều nhất với chữ dài, chữ nhỏ và từ khác thường, và ít hơn với một cụm từ ngắn đặt trong dấu ngoặc kép.
Công cụ tạo ảnh AI nào viết chữ tốt nhất?
Không có câu trả lời cố định, vì các mô hình thay đổi thường xuyên và mỗi phiên bản mới có thể hoạt động khác đi. Nhìn chung, các công cụ gần đây xử lý chữ ngắn, cỡ lớn tốt hơn các công cụ cũ. Phép thử hữu ích nhất là chính prompt của bạn: tạo cùng một cụm từ ngắn trong các công cụ bạn dùng được, rồi kiểm tra chính tả từng chữ cái trước khi chọn một công cụ.
Tôi có sửa được chữ sai chính tả trong ảnh AI mà không cần tạo lại không?
Được. Bạn có thể chọn vùng và mô tả cách sửa ngay trong công cụ tạo ảnh, gõ lại chữ bằng tay trong một trình chỉnh sửa như Photoshop hoặc Photopea, hoặc dùng công cụ thay chữ nhận diện các chữ để bạn gõ cách viết đúng. Dù dùng cách nào, hãy so sánh kết quả với bản gốc để phát hiện các thay đổi gần chữ.
Vì sao công cụ tìm font không nhận diện được chữ trong ảnh AI của tôi?
Các công cụ tạo ảnh AI thường vẽ chữ từ những mẫu chúng đã học, chứ không từ một tệp font đã cài. Các chữ cái có thể pha trộn đặc điểm của nhiều kiểu chữ, hoặc đổi hình dạng từ chữ này sang chữ khác. Công cụ nhận diện font vẫn có thể gợi ý các font tương tự, điều này hữu ích nếu bạn định gõ lại chữ, nhưng một bản khớp chính xác thường không tồn tại.