AI 模特图上的尺码表和标签文字能信吗？生成内容核验清单

买家收到衣服，发现图里写着”M 码胸围 92”，实物水洗标却是另一个数字。这不是美工写错了，而是 AI 生成图时自己”造”了一行看起来像真的的文字。

AI 生成模特图、换装图时，凡是有”应该写点什么”的位置，都可能被模型填上编造的内容：领口内侧的洗标、侧缝的尺码贴、吊牌上的品牌名和规格。它们在缩略图里只是细节，放大后却可能和实物完全对不上。尺码和成分这类文字一旦错了，直接影响的是退换货和投诉，不只是图片好不好看。

所以这类图不能只验收版型和光影，文字信息要单独过一遍核验。

第一类：尺码和尺寸数字

尺码表、尺码贴、图中标注的胸围衣长数字，是风险最高的一类。买家会拿图里的数字做购买决策，数字错了就是误导。

核验方法只有一条：和实物或确认过的尺码表逐项比对。图里出现任何尺寸数字，都要能在实物或规格文档里找到一模一样的出处。找不到出处的数字，哪怕看起来合理，也不能留。

第二类：洗标和成分说明

洗标上的”100% 棉""聚酯纤维”这类成分文字，涉及的不只是买家预期，还有商品合规。AI 生成的洗标内容是从画面氛围里”猜”出来的，和这件衣服的真实成分没有必然关系。

核验时同样逐项对照实物水洗标。成分、产地、洗涤图标，任何一项对不上都算不合格。注意洗涤图标也是信息，三角形、叉、温度数字同样会被编造，不要只核对文字部分。

第三类：吊牌和品牌标识

吊牌上的品牌名、系列名、价格签，问题方向略有不同：它们不一定误导尺码，但可能造成品牌信息错乱——图里出现一个并不存在的品牌名，或者把系列名写错一个字。

如果图里本来不该有吊牌（比如平铺图生成了上身效果，模型顺手”配”了一个吊牌），首选不是核对其内容，而是直接按下面的处置策略处理掉。

第一步：先把所有文字位置找出来

不要从整张图逐像素找字。生成图里的文字集中在固定位置：领口内侧、侧缝内侧、下摆内侧、袖口、胸前印花区、吊牌位。先把这些位置逐个放大看一遍，列出”有文字语义”的清单，再决定每一项怎么处理。

这个思路和背景假文字的排查顺序相通，但对象不同。背景里的招牌、书脊假文字已有专门的识别和处理方法；本篇讲的是贴在商品本体上的标签文字，它直接影响商品信息真实性，核验标准更严。

第二步：放大比对，不猜字

清单里每一项文字，放大到能看清笔画的程度，和实物或确认文案逐项对照。对不上的、看不清的、实物里根本不存在的，都标记下来。

有一条纪律：不要凭感觉给模糊字符”猜字”。看着像”M”就当成 M，看着像”棉”就当成棉，猜错后再按猜测去改写，等于把模型的错误加工成你的错误。看不清就按不合格处理。

第三步：按三类处置策略收口

文字内容与实物一致：保留。这类情况在实拍图上常见，在纯生成图上少见，遇到时确认出处再留。

文字错误或无法确认出处：用局部重绘替换。图叮的局部重绘是对指定区域做无痕的局部替换——把错误标签区域替换成确认过的正确内容，或者替换成不带文字的素面效果。只处理标记出的区域，不要整图重跑，避免把已经验收合格的部分重新引入变数。

文字区域无法稳定核验：从构图上避开。比如重新生成时选择不出现洗标、吊牌的角度，或裁掉无法确认的文字区域。目标是画面里不存在无法负责的信息，而不是把每个字都修到正确。

和”保护真实标签”是两道工序

有团队看过另一篇讲服装吊牌、水洗标别被 AI 修掉的文章，会问：到底标签是该留还是该处理？两篇文章说的是两道工序。那篇针对实拍图：真实标签是售后证据，修图时要保护，不能修没。本篇针对生成图：模型编造的文字不是证据，是风险，要核验后决定保留、替换还是避开。先分清手里的图是实拍还是生成，再套用对应的清单。

交付前过一遍清单

按五行核对：图中所有尺寸数字均能在实物或规格文档找到出处；洗标成分、产地、洗涤图标与实物水洗标逐项一致；吊牌品牌名与系列名和确认文案一致；无法确认出处的文字已替换或避开；放大图通过后，把图缩到商品卡片实际尺寸再确认一次，小图上不会被误读出错误信息。

如果这批图本来就是用 AI 做上身效果——图叮的服装换装是把一张服装平铺图生成模特穿衣效果——建议在生成环节就把文字核验排进流程：生成后先按上面的位置清单找字，合格再进入排版和上架。批量出图时，文字核验要逐张做，前一张通过不能替后一张背书。

想试用这套上身效果生成能力，可以从服装换装开始，生成后照这份清单过一遍文字，再交付上架。