为什么 Nano Banana 生成的中文经常不清晰？
核心原因通常不是你提示词写得不够细，而是模型训练导致的能力偏差：
- Nano Banana 的训练数据中 英文/拉丁字符占比更大
- 中文字体的笔画密度高、结构复杂，尤其在小字号、细线条、图形叠加背景的情况下，对模型的像素级渲染要求更高
- 结果就是：布局很对，中文却容易出现
- 笔画粘连、断裂
- 偏旁部首错位
- 字体'像手写但不清晰'
- 甚至生成'伪中文'
所以，与其反复改提示词'让中文更清晰'，不如承认模型强项： Nano Banana 负责'图'，Seedream 负责'字'。
解决思路：Nano Banana + Seedream 4.5 的两段式工作流
这个方案的关键点是'分工'：
第一步（Nano Banana） ：生成你想要的架构图/海报版式/内容结构 优先追求：布局清晰、模块合理、图形美观、风格正确
第二步（Seedream 4.5） ：保持图形不变，仅对文字做'重绘/重排/重新渲染' 优先追求：中文字体清晰、笔画正确、对齐不乱、风格一致
最终效果通常是： 画面依旧是 Nano Banana 的高级感，但中文达到了可交付水平。
实战：先用 Nano Banana 生成架构图（中文会糊）
先用 Nano Banana Pro，输入如下提示词生成'简洁架构图'：
算法体系建设的总体架构描述如下： ''' 一、核心目标与总体思路 核心目标：构建一个覆盖数据、特征、模型、部署、运维全生命周期的标准化算法生产体系，实现车联网数据驱动下的模型'工业化'生产与'规模化'价值输出。总体思路：以 MLOps 理念为框架，以车辆网联数据为基石，以具体业务场景（如状态感知、意图识别）为牵引，通过流程规范化、工具平台化、协作标准化，打通从数据到价值的端到端链路，确保算法项目可管理、可重复、可追溯、可迭代。本规划将重点阐述以算力平台为承载的算法工程体系核心模块、内部流程及其与业务域的映射关系。 ''' 请根据以上描述使用 nano banana pro 画一副简洁架构图。生成的简洁架构图要求如下：- 不需要 Mermaid 图，需要生成一张简洁的架构图片，让领导一看就明白。- 图片当中的语言文字使用中文。- 不要出现 nano banana pro 的 logo。
这一步通常能得到：
- 架构分层合理
- 模块之间关系明确
- 图形语言统一
但你会发现：图上的中文文字扭曲、不清晰，甚至有错字/缺笔画。
别急，这正是我们要进入下一步的时机。
部署 Personal LLM API，并配置 Seedream 4.5
接下来我们用 Personal LLM API 项目来接入 Seedream 4.5。Personal LLM API 经对 Seedream 做了适配，包括自动读取输入图片的宽高比、分辨率等信息，减少手动配置成本。
- 部署 Personal LLM API
- 在模型配置中添加/启用 Seedream 4.5 视觉模型
用 Cherry Studio 配置已部署的 LLM 接口
然后用 Cherry Studio 作为本地客户端，配置你刚部署好的接口：
- 新增自定义模型服务
- 填写 base_url / api_key（按你项目实际配置）
- 在模型列表中添加
Seedream 4.5模型。
这样你就拥有了一个非常顺手的'图片文字重渲染工作台'：
把图拖进去 + 一句话提示词 → 等几十秒 → 出清晰版本。
关键一步：用 Seedream 4.5 对'中文文字重新渲染'
现在把 Nano Banana 生成的那张中文糊掉的架构图上传给 Seedream 4.5，Cherry Studio 选择模型，并使用以下提示词：
请把图片上的文字重新渲染，样式颜色要一致，文字也要一致，其他的不需要改动。生成的图片要 4k 分辨率，宽高比是智能适应原图的宽高比。
这句提示词的'有效点'在于：
- 只改文字：避免模型重绘导致版式跑掉
- 样式颜色一致：保持原图观感统一
- 文字也要一致：强调不要改字、不总结、不替换
- 4K + 自适应比例：直接拿去汇报/插文档，清晰度足够。
由于 Personal LLM API 做了适配，这一步通常不需要你再手动写'原图尺寸是多少'，它会自动处理宽高比和分辨率策略。
等待几十秒后，你会得到一张'几乎一模一样，但中文清晰了'的新图。如果稍微有点瑕疵可重复生成 1 到 2 次即可。
效果对比：字清晰、无错位、图形保持不变
对比 Nano Banana 的原图 vs Seedream 重渲染后的图，常见提升非常明显：
- 中文笔画完整，不再粘连
- 字体边缘锐利，不再糊成块
- 对齐更稳定，错位显著减少
- 背景、连线、色块、布局基本保持
也就是说： Nano Banana 给你'高级的架构图'，Seedream 4.5 给你'能交付的中文'。 以下是对比图：
这个技巧能用在哪些场景？
- 架构图 / 流程图 / 时序图（非 Mermaid）
- PPT 封面、海报型页面（中文标题清晰）
- 产品功能结构图、业务闭环图
- 活动宣传图、课程海报、Banner
- 任何'图很漂亮，但字不行'的 AI 生成图
一句话： 先生成，再重渲染文字，是目前中文图片交付的一条高性价比路径。
很多人卡在'生成一张能用的图'这一步，其实并不是模型不行，而是没有采用组合式工作流。
当你掌握了：
- nano banana： 负责构图、审美、结构理解
- Seedream 4.5： 负责中文像素级渲染
你就能把 AI 出图从'玩具'变成'生产工具'，真正做到可交付、可复用、可规模化。
本文涉及的开源项目 Personal LLM API，欢迎 star 共建：
