6GB 显卡生成诗词海报：单张约 4 分钟，16 张里 8 张文字未过

1. 研究问题与主要结论

本研究考察的问题是：在显存容量为 6 GB 的笔记本 GPU 上，图像模型能否按提示词的要求把诗句、场景和人物画进同一张图；若能，限制它的是画面质量还是文字的准确率。

实验用四组诗词（中文两组、英文两组），每组各写两种提示词，每种跑两个 seed，共 16 张正式结果，全部计分。图片文本逐字核对，人物、场景与共同布局另行判定。

主要结论：画面稳定，文字不稳。 16 张里文字完全正确的有 8 张，占一半。场景与人物两项各自 16/16 全部通过；文字是唯一大量失分的一项。

代价是时间与内存。在本机上，从启动新进程到保存并核验原图，单张平均 229.5 秒（n = 3，样本标准差 5.64 秒），其中工作流本身平均 206.7 秒。

上表的分母是 16 张正式结果。两张提交前失败的运行（QP-001、QP-R001）按预登记 规则排除在模型与文字分母之外，不计入通过率，也不计为模型失败。 通过要求题名、署名、正文与标点全部正确；三者缺一即判未通过。

2. 测试环境与实验设计

实验设计为 2×2×2：四组诗词 × 两组提示词写法 × 两个 seed，共 16 张。四组诗词分别是：

A 组给齐要写的文字和场景；B 组在此之上追加行次、字号、文字区域，并禁止额外落款。两组用的是同一套场景描述，差别只在文字与排版那一段。

3. 变量：两组提示词写法

两组提示词的差别可以概括为一句话：A 说"写什么"，B 还说"怎么排"。

B 组在原描述之后增加了三段要求：文字区域限定在画面上方约三分之一的浅色留白区；每一行文字指定行次、字体大小与居中方式；并明确禁止印章、落款、英文或任何额外文字。 A 组的对应部分只有一句"把以下诗题、作者和诗句排在画面上方的浅色区域，清楚可读"。

4. 结果：湖畔水仙的英文漏字

湖畔水仙是本期唯一一组两种提示词写法都没能通过文字的题目。

画面本身没有问题：人物、花丛、湖水和树都在，人物位置、姿势与光线都符合描述。逐字核对时，英文诗句 Fluttering and dancing in the breeze. 被写成了 Flutering——少了一个 t。

5. 结果：中文《江雪》的署名末字

中文江雪这一组给的是同一首《江雪》，A、B 两组用同一 seed 42。两张的文字判定不同：A 的作者署名末字无法确认，B 的"柳宗元"清楚可辨。

逐字核对先看题名和署名，再看每一句诗。同 seed 的两张对照只能说明这一对样例的差别， 不足以支撑"某种写法更好"的结论 —— 16 张结果都计入第 8 节的总表。

6. 结果：月下举杯的文字与布局

月下举杯这一组 B 组的文字全部通过，但共同布局未通过：末句落在较深的夜空，没有完全处在提示词要求的、画面上方浅色文字区之内。六块文字本身仍可辨认，因此没有判作文字错误。

这是本期"文字正确"与"排版正确"分离最清楚的一例：文字这一项过关，不代表它在画面上的位置也符合要求。

7. 结果：中文《江雪》与英文《江雪》

英文江雪是把同一首《江雪》自主英译后重测的一组，除文字内容外与中文江雪同构图。 B 组 seed 42 这一张四项全部通过：题名、署名、两句诗的大小写、标点与空格都核对过，文字落在上方浅色天空，船、人物与江面落在中下部。

8. 全部 16 张正式结果

四组诗词，每组两种提示词写法、两个 seed，共 16 张，全部计分。

文字通过率 A 组 2/8、B 组 6/8；场景与人物两组都是 8/8；共同布局 A 组 6/8、B 组 7/8。

B 组的文字通过率更高，但两组改的是一整套描述（行次、字号、区域、禁止落款一起改）， 不能只归因于其中任何一项，也不能因此保证次次正确 —— 湖畔水仙两种写法都没过。 另外两次运行只计性能，不计入本表。

9. 代价：单张耗时与系统内存

本机上从启动新进程到保存并核验原图，三次观测：222.97 秒、232.99 秒、232.49 秒，平均 229.5 秒，样本标准差 5.64 秒；工作流本身平均 206.7 秒。

内存方面，三次采样中 GPU 与 WSL 按 0.5 秒、Windows 整机按 1 秒采样，峰值区间为：

本机是 6 GB 显卡加 64 GB 系统内存。模型以 INT8 生成权重，CLIP、文本缓存与 VAE 放在 CPU 上，靠系统内存加载。能跑通是有这份内存代价的。

三种口径不能相加：显存、WSL 运行环境与 Windows 整机测的是不同边界上的同一批活动。 采样间隔可能漏掉短峰值。新进程计时含前端准备，工作流计时含提交与 history 轮询， 都不是纯 GPU 耗时。n = 3 只够说明量级，不称稳定性能。

10. 实际工作流与生成过程

生成用的是原生 ComfyUI，不经任何封装或云端服务。工作流本身很短：提示词进文字编码，然后采样，最后解码保存。

11. 测量方法与口径说明

文字通过要求题名、署名、正文与标点全部正确，逐字核对；错一个字即判未通过。 场景、人物与共同布局是另外三项判据，各自独立判定，互不折算。

正式结果的判定记录保存在实验目录的 reviews/ 下，每张一个 JSON，其中 text_success、scene、portrait、layout_shared 为布尔值。本期 16 张的通过数直接由这些记录计数得出，不从画面目测回填。

计时口径分两种：新进程计时从启动新进程开始，含前端准备，到保存并核验原图结束； 工作流计时只覆盖提交与 history 轮询。两者不可混用。内存采样为周期性采样，可能漏掉短峰值，因此区间只能作为量级参考。

本次实验有两张运行在提交前失败（QP-001 界面失败、QP-R001 传输失败）， 均按预登记规则排除在模型与文字分母之外，不计入通过率。它们的替代运行 是 QP-R002（见第 3 节），正式结果表里的 A 组 seed 42 用的是替代运行的结果。

12. 结论

在 6 GB 显存的笔记本 GPU 上，Qwen-Image 2.1 能按提示词把诗句、场景和人物画进同一张图，画面一类判据没有出现过失败：场景 16/16、人物 16/16。限制它的是文字。

16 张里文字完全正确的有 8 张。把行次、字号、文字区域和禁止落款一起写清楚之后， B 组把文字通过率从 2/8 提到 6/8，但改的是一整套描述，无法归因到单一项，也不保证次次有效 —— 湖畔水仙两种写法都没能写对 Fluttering。

文字正确与排版正确是两件事。月下举杯 B 组的文字全部通过，末句却落进了较深的夜空，共同布局判未通过。要拿到一张能用的图，出图之后仍然需要逐字核对。

代价方面，本机单张约 4 分钟，另外占用 13.73–13.81 GiB 的 WSL 运行环境内存。若用于日常尝试，这个时间可以接受；若要批量出图，时间与内存都需要先算一遍。

13. 附录：完整实际提示词

本节收录本期四组诗词实际提交的完整提示词原文，未删句、未换引号，保留原始换行。屏幕软换行不改变输入字符。

13.1 月下举杯 · B / seed 42（对应 QP-002）

一张方形电影感诗词海报。深蓝月夜，一位成年男子身穿浅米色古代长袍，三分之二侧脸清楚可见，站在江南庭院石栏旁，右手举起白瓷酒杯，抬头望向明亮满月。中下部是近景人物、石栏和水面月光，远处有朦胧屋檐；柔和月光与暖色灯光照出衣料与表情。上方保留浅色雾光区域用于诗句。画面只有一位人物，不是历史人物肖像复原。上方约三分之一是浅色留白的文字区，下方是人物与场景。画面只出现下面六行文字，逐字照写。引号只是文字边界，不画引号、行号或指令。第1行：诗题，较大宋体，居中写"水调歌头"。第2行：作者，较小宋体，居中写"苏轼"。第3行：诗句，清晰宋体，与其他诗句同字号，居中写"明月几时有？"。第4行：诗句，清晰宋体，与其他诗句同字号，居中写"把酒问青天。"。第5行：诗句，清晰宋体，与其他诗句同字号，居中写"不知天上宫阙，"。第6行：诗句，清晰宋体，与其他诗句同字号，居中写"今夕是何年。"。六行从上到下依次排列，每个文字块独占一行，行间留空。不改标点，不加印章、落款、英文或其他文字；文字不压住人物的脸。

13.2 中文江雪 · B / seed 42（对应 QP-005）

一张方形电影感诗词海报。寂静的雪山寒江，一位戴竹笠、披粗麻蓑衣的老年男子独坐木船垂钓，侧脸和握住钓竿的手清楚可见。木船与人物在中下部近景，后方是覆雪山峰、冷灰色江水和薄雾，没有飞鸟、其他人或脚印。柔和冷色天光映在雪与水面，人物保持可辨认，不缩成远处黑点。上方是浅色雾天空，留给诗句。画面只有一位人物。上方约三分之一是浅色留白的文字区，下方是人物与场景。画面只出现下面六行文字，逐字照写。引号只是文字边界，不画引号、行号或指令。第1行：诗题，较大宋体，居中写"江雪"。第2行：作者，较小宋体，居中写"柳宗元"。第3行：诗句，清晰宋体，与其他诗句同字号，居中写"千山鸟飞绝，"。第4行：诗句，清晰宋体，与其他诗句同字号，居中写"万径人踪灭。"。第5行：诗句，清晰宋体，与其他诗句同字号，居中写"孤舟蓑笠翁，"。第6行：诗句，清晰宋体，与其他诗句同字号，居中写"独钓寒江雪。"。六行从上到下依次排列，每个文字块独占一行，行间留空。不改标点，不加印章、落款、英文或其他文字；文字不压住人物的脸。

13.3 中文江雪 · A / seed 42（对应 QP-006）

一张方形电影感诗词海报。寂静的雪山寒江，一位戴竹笠、披粗麻蓑衣的老年男子独坐木船垂钓，侧脸和握住钓竿的手清楚可见。木船与人物在中下部近景，后方是覆雪山峰、冷灰色江水和薄雾，没有飞鸟、其他人或脚印。柔和冷色天光映在雪与水面，人物保持可辨认，不缩成远处黑点。上方是浅色雾天空，留给诗句。画面只有一位人物。把以下诗题、作者和诗句排在画面上方的浅色区域，清楚可读：江雪柳宗元千山鸟飞绝，万径人踪灭。孤舟蓑笠翁，独钓寒江雪。

13.4 英文江雪 · B / seed 42（对应 QP-010）

A square cinematic poetry poster shows a silent snowy mountain river. One elderly man in a straw cape and bamboo conical hat sits alone in a wooden fishing boat, his profile and hand holding the fishing rod clearly visible. The boat and man occupy the middle and lower foreground, with snow-covered peaks, cold grey water and mist behind them. There are no birds, other people or footprints. Soft cool daylight reflects from snow and water; the fisherman remains a visible person rather than a distant dot. Pale misty sky across the top leaves room for the verse. The pale upper third holds the text; the person and scenery occupy the lower two thirds. Only the following text appears, copied character for character. Quotes mark text boundaries and are not printed. Line 1: centered large serif title reads "Snow River". Line 2: centered smaller serif author reads "Liu Zongyuan". Line 3: centered legible serif verse, same size as the other verse lines reads "No birds fly over a thousand hills;". Line 4: centered legible serif verse, same size as the other verse lines reads "No tracks cross ten thousand paths.". Line 5: centered legible serif verse, same size as the other verse lines reads "Lone boat, old man in straw cape and hat". Line 6: centered legible serif verse, same size as the other verse lines reads "Fishes alone on the cold, snowy river.". Keep each text block on its own line in the stated order, with clear spacing. Preserve capitalization, spaces and punctuation. Add no seals, signatures, Chinese, captions or other words. Keep text clear of the person's face.

13.5 湖畔水仙 · B / seed 42（对应 QP-013）

A square cinematic poetry poster shows a bright spring lakeside. One adult traveller with shoulder-length brown hair and a light linen coat walks among yellow daffodils beside the lake, beneath fresh green trees. The person is prominent in the lower right, looking at the flowers with a relaxed expression; the coat and flowers move gently in the breeze. Warm soft sunlight lights the face and petals, with blue water and hills in the distance. The pale upper sky leaves room for the verse. There is only one person; this is an imagined poetic scene, not a portrait of the author. The pale upper third holds the text; the person and scenery occupy the lower two thirds. Only the following text appears, copied character for character. Quotes mark text boundaries and are not printed. Line 1: centered large serif title reads "Daffodils". Line 2: centered smaller serif author reads "William Wordsworth". Line 3: centered legible serif verse, same size as the other verse lines reads "Beside the lake, beneath the trees,". Line 4: centered legible serif verse, same size as the other verse lines reads "Fluttering and dancing in the breeze.". Keep each text block on its own line in the stated order, with clear spacing. Preserve capitalization, spaces and punctuation. Add no seals, signatures, Chinese, captions or other words. Keep text clear of the person's face.