修改图片中的文字：中英文改字指令与九项约束

把「改字」当成一件独立的事

图已经在手的时候，文字往往是最先需要动的一处：包装上的型号印错了、海报上的日期过时了、详情页里的规格换了一档。这类需求都有一个共同点 —— 画面里除了那几个字符，别的地方你都不想动。

改字和重新生成的区别正在这里。重新生成会连同画面一起重排，光影、构图与主体的细节都在被重新决定；改字把改动范围锁在文字所占的那一小块区域里，周围像素只承担「保持不变」的义务。

判断一次操作算不算改字，看一个地方就够了：改动是否只落在文字的笔画与字框上。如果连文字底下的色块、贴纸边缘或容器轮廓都跟着变了，说明这一轮的改动范围已经溢出，实际发生的是局部重绘。

本页处理的正是「图已经在手，把里面的字改掉」这件事。生成阶段如何一次把字写对，是另一条线上的问题；局部编辑的完整框架与五类场景，见精准编辑完全指南。

三类改字任务：替换、增删、重修

表面看都是「改字」，实际难度差了不止一档。动手之前先分清属于哪一类，能省掉大量反复。

第一类是替换，字数不变，只换字符。新字符和原字符占的宽度一致，字框、行宽与基线都不必重新分配。这一类的指令也最短 —— 把新字符写清楚，再把「其余不变」交代到位就够了。

第二类是增删，字数变了。字框还是原来那么大，多出来的字往哪里放、少掉的字腾出的空白谁来承担，都要重新分配。字号、字距与行宽会被同时牵动，任务的性质已经接近在原有区域内重排，而不是换一个字符。

第三类是重修，字符本身就是错的。笔画粘连、少一横多一点，要改的其实是同一个字。这一类受像素预算限制 —— 字在画面里占多少像素，决定了每一笔能分到多少细节，与改的是哪个字符无关。

分清类别之后，成功判据也跟着分开：前两类看新字的内容对不对、外框有没有位移；第三类要看笔画是否均匀，与前两类不是同一套标准。

中英文的差异：指令为什么不能照抄

汉字和拉丁字母在画面里的排布规律不一样，改字时能保住什么、必须声明什么，也就跟着不一样。

汉字是方块等宽结构。一个字占多大位置由字号决定，与它是哪个字基本无关。所以替换同字数的汉字时，字框左边界、基线与行高几乎不需要重新计算，位置最容易原样保住。要留心的是字形本身：笔画数与结构差异极大，同一个字框里要装下一画还是二十画，信息量完全不同。

拉丁字母不是等宽的。字母宽窄不一，一行里各字符占的位置能差出好几倍。替换一个单词之后，整行的字符总量变了，右边界会跟着移动，后面的内容要么被挤压、要么被推开。所以英文改字除了字符本身，还要交代字形族（衬线或无衬线）、大小写与字重 —— 这三项在拉丁字母上的视觉辨识度远高于汉字。

中英混排时，两种字形的行高与基线并不一致。只改其中一种语言的那一段，必须额外声明另一段不动，否则模型在重新对齐基线时，可能把两边一起挪动。

汉字在字号与字形上的分布规律，另有一页拆成了几个变量来说明，见GPT Image 2.5 中文支持与渲染边界；可直接取用的句式模板在GPT Image 2.5 提示词库里按用途分了组。

九项约束清单：哪些必须写，哪些可以省

改字指令的长短不必均匀，但每一项约束的地位并不相同。下表按「漏了会不会出问题」的程度排列，越靠前越不能省。

排在前几项缺了就是结构性错误，排在后面的属于「写清楚更省事」，漏掉未必立刻出问题，但返工概率会上升。

用好这张表的方式不是逐条堆进一句话，而是先写新字符，再写必写项，最后一句交代保持不变的部分。一次只提一件事这条原则在这里同样成立，九项塞进一条指令，模型很可能顾此失彼。分段组织指令的方式，与GPT Image 2.5 怎么用里的写法是同一套。

四条可直接复制的改字指令

下面四条按任务类型分，句式可以直接拿去用，把括号里的内容换掉即可。每条后面标了替换位与不要动的部分 —— 后者决定了新字能不能落在原位。

改字时该用哪个模型：需要反复比对同一处时，先出一版方向再定稿更省时间。两者的费率结构相同，定位差异见Flare vs Sunburst 详细对比。

改完之后怎么核对，核对不过关怎么办

改字的结果不能只看「像不像」，要按固定顺序核对，顺序换不得。

第一步，读内容。把新字符逐个读一遍，核对的对象是文字本身，与画面观感无关。这一步不通过，后面两步做得再好都没有意义。

第二步，比外框。把改动前后的两张图叠在一起看，核对新字的外接框与原来是否重合 —— 左边界在不在同一列、基线与行高有没有被整体推动。位置偏移往往不是笔画问题，而是字框被重新分配过。

第三步，看笔画。放大到原始像素，核对新字的起笔收笔、笔画连接处与同图其它文字的粗细是否一致。笔画异常通常与字号绑定，这一步发现问题，解法不在指令里，而在把字放大。

三步里任何一步不过关，下一个要判断的不是指令该怎么写，而是这次改动还要不要继续。反复改同一处、结果只是从一个问题换到另一个问题，说明指令与模型的对应关系没有建立起来，那属于另一份清单，成因分类见精准编辑翻车 7 类原因与规避方法。

下面这几类需求，不管指令写得多仔细都很难得到可以交稿的结果，换成工作量更小的做法会更划算。

1. 字数跨度太大。把一行短语改成整段说明，等于在原有区域内重排一整块版式，字框早已不是原来的容器。
2. 目标字被遮挡，或压在半透明元素下。共用的过渡带里没有明确边界，改动谁都会牵动另一方。
3. 手写体、极细体与艺术字。字形规律不固定，模型学到的分布本身就比标准字体粗，替换后很容易与邻居不搭。
4. 笔画密集的生僻字与繁体字。同一字号下要还原的信息量更大，出错位置也更分散。
5. 文字缩到实际投放尺寸后已经看不清。像素预算是硬约束，改指令改变不了它。

遇到这几种情况，可选的替代路径有两条：把整块文字区连同底衬一起重画，或者让模型只负责画面、文字交给排版工具叠加。后者对印刷类物料的收益最明显 —— 文字不会因为任何一次重新生成而改变。图像模型自身的能力边界，另有一页做了完整梳理，见GPT Image 2.5 局限清单。

本页的定位，以及改字之后的下一步

本页只解决一件事：图形已经生成好之后，怎么改动其中的文字。它是站内操作说明的一条分支，写的是可复用的判断顺序与指令形状，不替代任何官方文档。

改字的范围与写法到此讲完。改动本身的支出由哪几段构成，见GPT Image 2.5 价格详解；月度订阅与积分包怎么搭配，见定价页；其它高频疑问在GPT Image 2.5 常见问题里可以逐条查。站点的定位与联系渠道写在关于本站，数据的存放与处理方式写在隐私政策。

常见问题