每个字母只分到两个格子,你让它怎么拼对?AI 把横幅字母画成 BAMMA:算笔像素账就懂它为啥拼不对
一位做图生视频小工具的开发者拆解:模型根本不是在「打字」,而是在压缩潜空间里涂出像字母的像素,每个字母只分到两三个格子。
大白话网上那个「I applied to Bama as a joke」到「I'M BAMA BOUND」的梗图,第二张现在很多人用 AI 图生视频来做,结果横幅上的字经常变成 BAMMA、BAWA、BOUNO。这位开发者解释:扩散模型没有字体表也没有拼写检查,它只是在潜空间里生成「看起来像这个词」的纹理。而潜空间是压缩过的,8 倍下采样时,一个 16 像素宽的字母只剩 2 个格子,根本分不清 O 和 D。再加上布在飘、在折、还被手挡住,字就更糊了。他还写了个小脚本,帮你算自己的视频里每个字母能分到多少像素和格子。
对你意味着做 AI 视频、给品牌或活动做横幅素材的人最容易踩这个坑;想少返工,就把字做大、词变少、对比拉高、分辨率提上去。
作者自述为自家工具 bamabound.app 的开发者,属建设者视角而非中立评测;模型内部结构描述为潜空间扩散的通用设计
打开巨象雷达,看今天全部 AI 动态