先放大还是先扩图?一次包装小字顺序实测

Nov 13, 2026

2026年11月13日,我们用同一张合成包装图发出8次生成请求,账本共扣96积分,后退回20,净消耗76。两种顺序都未能可靠保住中文小字。 先扩图、最后选择放大工具“4K”档,两张终图实际为2304×1296;先放大时中间图为4096×4096,但最后扩图后终图回到1280×720。有一张中间图未能通过正常产品链路交付,需要人工恢复。

因此,这次真正能回答的是:最后一步能否交出你需要的像素与正确文字。对这个合成包装,请保留核准标签,每步都核对下载文件。错误的字更锐利,仍然是错误的字。

测了什么

输入是一张程序绘制的1024×1024虚构 LUMA TEA 茶包装,不是客户照片或真实商品案例。同一源图采用两种顺序,各重复两次:

链路 第一步 第二步 重复编号
A 横版扩图 选择放大工具标为“4K”的档位 A1、A2
B 选择放大工具标为“4K”的档位 横版扩图 B1、B2

扩图请求为1344×768,界面比例名为“16:9”;请求宽高本身并非严格16:9。本次实际取得的所有扩图文件均为 1280×720。本文报告文件实测像素,不把预设名或本地配置当作输出保证。

可以打开AI扩图或打开图片放大,查看当前选项及各自积分。打开页面不会提交生成;请核价后主动执行每一步。

原图与固定文字

原始PNG的SHA-256为 d906048d1f4885c6d652f851f5348e8b4788a28358b838390a048a3a931bc088。下方无损WebP预览属于另一次编码。源图在实验前用文字和几何图形绘制;封面同样是说明插画,不是模型结果。

两条处理链路开始前的虚构LUMA TEA包装原图
1024×1024原创输入示意图,不是工具输出。查看无损源图预览。
标签行 实验前固定文字 NFC码点数
英文配料 INGREDIENTS: GREEN TEA 22
中文配料 配料:绿茶 5
英文重量 NET WT 50 g 11
中文重量 净含量 50 克 8
批号 LOT LT-2601 11

大字为“LUMA TEA”“晨露茶”“GREEN TEA”,不计入五行小字评分。源图标签框预先固定为 (288, 610, 696, 850),右边和下边不含。由于构图和比例变化,各输出需重新人工定位对应标签区域;不是沿用相同像素坐标,也不是精确配准。

实际尺寸、交付与扣费

重复 中间图像素 终图像素 退款前扣费 完整链路观察耗时
A1:扩图→放大 1280×720 2304×1296 4+20=24积分 80.413秒
A2:扩图→放大 1280×720 2304×1296 4+20=24积分 90.897秒
B1:放大→扩图 4096×4096 1280×720 20+4=24积分 108.720秒
B2:放大→扩图,含恢复中间图 4096×4096 1280×720 20+4=24积分 819.906秒,含恢复等待

链路耗时从第一步生成请求发出,到首次观察第二步完成;包含两步之间的正常上传、排队和轮询,不含第一步之前上传及最后下载。它不是纯模型推理时间。B2包含人工介入,不能用于正常速度比较;每组两次也不足以估计典型延迟。

只读对账确认8个任务各有一笔扣费,共扣96积分,第八次请求后余额一度为0。北京时间20:49复核时,B2第一步已被系统标记失败,20积分已退回原赠送记录。净消耗76积分,余额20,没有追加生成。积分不是现金价格。八次即为本次上限,没有额外生成来替换交付失败。

正常产品交付是7/8步,不是8/8。 B2第一步虽产生审核通过的图片,却未完成正常产品交付。操作人员找回同一任务的PNG,提供去元数据WebP,再走下一步正常上传。找回的PNG经有损WebP编码后移除元数据,移除前后的WebP解码像素一致。同样的编码流程能逐字节复现B1正常交付的WebP。B2原交付文件已删除,无法直接比对字节。因此,公开的B2中间图属于恢复派生文件,不是未改动的产品下载原件。四条两步链路中,三条无需此次恢复即可完成,B2不能算完整自助成功。

小字实际发生了什么

独立核验员先转写四张终图,再读取原图文字真值。文件编号会透露链路,因此不称双盲。首位核验员将四张终图的三行英文均转写为与真值一致,但A1批号存在实质读者分歧:他读作2601,另一位读者初读为2801,其中类似6的字形也容易被看成8。两种观察都保留,不把任一读法说成唯一正确。两行中文存在疑难或变化字形,没有一张终图证明五行文字都被精确保留。

A1、A2的中文重量行均被读作“净食量 50 克”,源图的“含”变成读图时的“食”;配料末字不能可靠辨认。B1、B2出现不同的中文疑难字形,以及块状、粘连的笔画。这不证明哪个顺序更能保住中文:原生终图尺寸不同、样本为合成图,且B2经过恢复。

核验采用Unicode NFC,保留大小写、全半角、空格和标点差异。能完整转写的行使用Levenshtein编辑距离,插入、删除和替换各计1;五行真值共57个码点。疑难字或空格保留不确定性,不报告单一总准确率。它属于视觉转写检查,不是OCR基准或消费者可读性实验。

A1有分歧的批号,按这两种已记录读法对应编辑距离0–1、分母11;这个范围不能消除字形疑难。A1、A2中文重量行在核验员单空格转写约定下为编辑距离1、分母8。其中文配料行及B1/B2的两行中文因字形或空格未定,无法可靠定量。本文不把这些观察压成57字符总分。

怎样看对照图

全图等显示对照将原图和四张终图放在相同观察框中。标签等显示对照使用人工定位的对应区域及明确记录的确定性缩放;另有标签原生像素拼图,裁切像素不插值。但响应式网页仍可能缩放整张拼图,请下载拼图或各张原始文件核对像素,不把网页内嵌图当作100%显示证明。

等显示便于观察,不会把实验变成同分辨率模型对照:文件像素数和包装大小并不相同,裁切或缩放也无法恢复丢失的字。B链路最后没有补第三步放大。

全图等显示:原图与四张终图
全图等显示:原图与四张终图. 确定性派生对照,不是新增生成;B2使用恢复中间图。 查看完整尺寸对照图.
标签等显示:对应区域人工定位后按固定规则缩放
标签等显示:对应区域人工定位后按固定规则缩放. 确定性派生对照,不是新增生成;B2使用恢复中间图。 查看完整尺寸对照图.
标签原生像素拼图:裁切像素不插值,请下载核对
标签原生像素拼图:裁切像素不插值,请下载核对. 确定性派生对照,不是新增生成;B2使用恢复中间图。 查看完整尺寸对照图.

各次中间图与终图

下方七份文件保留正常产品下载原字节;B2-step1为前述恢复、去元数据派生文件。它们与缩放后的对照拼图分开。

重复 中间图 终图
A1 1280×720, 原始下载 2304×1296, 原始下载
A2 1280×720, 原始下载 2304×1296, 原始下载
B1 4096×4096, 原始下载 1280×720, 原始下载
B2 4096×4096, 恢复派生图 1280×720, 原始下载

处理条件与限制

  • 每一步使用正常上传和内容审核,上传服务会将图片转换为quality 85的有损WebP。无损源图预览不代表PNG原始字节原样进入模型;这次检查包含上传处理在内的托管流程。
  • 两工具均未传seed。扩图没有用户种子选项,普通放大界面也未展示API的seed设置。服务端记录了任务种子,但不保证确定性复现。A1与A2的扩图中间文件字节完全相同,任务及扣费各自独立;两张终图字节不同。
  • 放大任务字段标记为seedvr2,扩图任务字段是比例名;数据库字段和公开页面不能证明具体checkpoint或完整运行工作流版本。本文不是模型对模型的基准评测。
  • 同一个“4K”档对不同输入形状得到不同实际像素;本次横版终图并非4096像素宽。以下载文件为准,不能只看档位名称。
  • 一个源图、每组两次、一次人工恢复,不能证明普遍可靠性、商用标签合格或通用最佳顺序。本次没有衡量转化、销量或生产规模收益。

对这个案例可作的选择

如果需要更大的横版文件,本次最后放大比最后扩图得到更多像素;但这不证明小字精确保留,“4K”选项在这里也未交出4096像素宽的横图。必须准确的标签应保留核准原稿,或用普通编辑器叠加核对后的文字,不直接接受生成的字形。

在线工具与本地修复、分块扩散方法的区别,可读Z-Image Turbo放大指南(英文)。保留中间文件,逐步核对实际像素与费用,对必须准确的文字拒绝变形结果。以上只适用于这张合成包装和本次任务。

Z-Image Team