一句話結論
Google 說它的生圖模型能「把準確的多語言文字直接畫進圖裡」。我拿繁體中文考了四題：前三題全對，連「灣、業、導、關、鍵、變、數」這種繁簡最容易混的字都沒錯；第四題文字一多、字級一小，就出現壞字。所以答案是——做封面主標可以換掉繞路了，做資訊圖還不行。另外我測出一件文件沒講的事：它幫你蓋的「AI 生成」憑證，你只要重存一次檔就會消失。
先講為什麼這件事對我不是新聞，是切身的痛。
我每週要出兩篇文章，每篇都要一張封面，而封面一定要有標題文字——沒有字的封面在動態牆上滑過去，讀者根本不知道你在講什麼。
問題是，AI 生圖一直寫不好中文。你叫它畫個「導」字，它給你一坨看起來像字、但沒有一個字典查得到的東西。
所以我的流程一直是繞路走的：先叫 AI 生一張「完全沒有文字」的底圖，再用程式把中文標題疊上去。兩道工，多一個腳本，字級和排版還得自己算。
然後我讀到 Google for Startups 這份技術指南，第 5 頁寫著一句話，直接打在我的痛點上。
Google 到底說了什麼
這份文件叫《Generative media》，是 Google for Startups 出的新創技術指南，35 頁，2026 年 7 月出版。第 5 頁介紹 Gemini Image（就是大家俗稱的 Nano Banana）時，原文是這樣寫的：
「Gemini Image 的一個關鍵強項，在於它能把準確的多語言文字直接渲染在圖片之中，克服了 AI 生圖長久以來的一道門檻。」
先講清楚這份文件的立場：它是 Google 自己出的行銷文件，通篇在推 Google Cloud，不是第三方中立評測。所以裡面的每個宣稱，我都當成「待驗證的主張」，不是結論。這也正是我決定自己動手測的原因。
而且你注意到了嗎——它寫的是「多語言（multilingual）」。整份 35 頁的文件，一個字都沒提繁體中文。
對台灣人來說這差很多。很多 AI 模型的「中文」預設是簡體，丟給你一個「导」、一個「关」，你放上封面就出事了。
所以我自己測。
我怎麼測的
方法很簡單，但我把條件講明白，你才知道這個結論能推到多遠：
- 模型：Gemini 3 Pro Image（Nano Banana Pro），走 Gemini API
- 測試日：2026 年 8 月 2 日
- 題目：四題，由易到難，全部用我真實會用到的封面需求出題，不是實驗室字串
- 判準：不是「有沒有出現字」，而是「能不能直接拿去用」——字形正確、沒有缺筆、沒有簡繁混用
- 每題只生一次，不重抽、不挑圖。挑圖會讓結論失真
下面每一張都是模型直接吐出來的原圖，我沒有修圖、沒有疊字。
第一題：短主標（7 字）→ 過
題目是「不是越貴越聰明」，這是我之前一篇文章的真實主標。
老實說我看到這張的時候愣了一下。這個品質可以直接上線。
第二題：主標＋中英數混排 → 過
難度加一級：十個字的主標，加一行中文、英文、數字混排的副標。混排通常是 AI 的地雷區——中英切換的地方最容易糊掉。
第三題：專挑繁簡最容易混的字 → 過
這題是我故意刁難的。我挑了一整排繁簡差異最大的字塞進去：體、灣、企、業、導、關、鍵、變、數。這些字只要模型偏向簡體訓練資料，就會露餡。
到這裡我心裡已經在想「那我那套疊字腳本可以退休了」。
然後第四題把我打醒。
第四題：多標籤資訊圖 → 崩了
這題模擬的是另一種真實需求：做一張圖解。左右兩欄對照，每欄一個標題、一行說明——文字區塊變多，每塊字級變小。
乍看之下你可能覺得這張也過了。我一開始也是。
但右邊那行「你交辦它自己做」的第三個字，放大之後就藏不住了。
這就是關鍵。它不是把字寫成另一個字，是把字「畫壞」了。
而這種壞法特別陰險——縮到封面尺寸，你會覺得「還好吧」；但只要有一個懂中文的人放大看，或是你把它投到會議室的投影幕上，就會被抓出來。
所以，到底能不能用？
把四題整理成一張表，這就是我的實測結論：
| 用途 | 文字條件 | 實測結果 |
|---|---|---|
| 封面主標 | 1–2 行、10 字內、字級大 | 可以直接用 |
| 主標＋副標 | 含中英數混排 | 可以用 |
| 難字標題 | 繁簡易混字、20 字上下 | 可以用，但要逐字驗 |
| 資訊圖／圖解 | 多個文字區塊、字級小 | 會出壞字，先別用 |
規律很清楚：字級越大、字數越少、區塊越單純，成功率越高。反過來，一張圖裡塞越多獨立的小字塊，翻車機率越高。
但我還是沒有把舊流程砍掉，原因不是品質
這是我認為整篇最值得你花時間看的一段。
就算它四題全過，我也不會全面換掉「AI 生底圖＋程式疊字」那套。原因是可控性：
| AI 直接把字畫進圖 | 程式疊字（我現在的做法） | |
|---|---|---|
| 字形 | 模型當下決定，每次都不一樣 | 指定字型檔，永遠一樣 |
| 要改字 | 整張重生，插畫也跟著變 | 改一行參數，底圖不動 |
| 會不會出錯字 | 會，而且要人眼抓 | 不會，字是複製貼上的 |
| 品牌一致性 | 靠運氣 | 寫死在規範裡 |
你看出差別了嗎？AI 畫字是「每次重新賭一次」，程式疊字是「一次設定、次次一樣」。
對「一篇文章配一張圖」的人，賭一次沒關係，反正你會看。但對要出 100 張、而且每張都要長得像同一個品牌的人，不可控就是災難。
所以我的做法變成這樣，也建議你這樣切：
- 單張、要快、要好看 → 直接讓 AI 把字畫進去。這篇文章的封面就是這樣做的，一次過，沒有疊任何字
- 要量產、要品牌一致、要能改 → 留著程式疊字
- 圖解、資訊圖、簡報內頁 → 現階段別交給 AI 畫字
意外發現：它幫你蓋的「AI 生成」憑證，重存一次就沒了
測到一半我順手做了另一件事，結果這個發現可能比主題本身更實用。
這份文件第 29 頁講「信任治理」，說 Google 的生成內容會嵌入 SynthID（看不見的數位浮水印）和 C2PA（加密的來源憑證），讓人能驗證這張圖是 AI 生的。
我把剛剛生出來的圖抓去掃，這部分是真的——檔案裡確實藏著一份 C2PA 簽章，簽發者是 Google LLC，還帶了 Google 的時戳，並且把內容類型標記成國際新聞媒體聯盟（IPTC）的標準代碼 trainedAlgorithmicMedia，白話講就是「這是 AI 生成的」。
然後我做了一件每個人都會做的事：用繪圖程式打開，存檔。
實測結果
- 原始 API 產出 → 有 C2PA 憑證
- 重新存成 JPG（等於疊完字存檔）→ 憑證消失
- 轉存成 PNG → 憑證消失
- 只是裁切一下再存 → 憑證消失
這不是 Google 的 bug，這是 C2PA 的本質——它是掛在檔案的中繼資料上，不是刻在畫面像素裡。任何一個不支援 C2PA 的工具重存一次，就把它洗掉了。
文件其實有暗示這件事，第 29 頁那句「請把你的應用架構設計成能保留這些中繼資料」——當時我讀過去沒有感覺，測完才知道那句話是在講什麼。
對你的意義：
- 如果你以為「反正 Google 有蓋章，別人驗得出來」，那個章在你後製第一步就掉了
- 反過來，別人給你一張沒有憑證的圖，不能因此斷定它是人畫的——可能只是重存過
- SynthID 是另一回事。它是藏在像素裡的浮水印，設計上就是要撐過編輯。我這次沒有辦法驗證它有沒有留下來，因為檢測需要 Google 自己的工具。所以我不對 SynthID 下任何結論
那個「AI 出事我賠你」的條款，看清楚前提
同一頁還有一段，是我在企業課堂上最常被問到的問題的官方答案。學員的原話通常是：「AI 生的東西拿去商用，被告怎麼辦？」
文件寫 Google Cloud 提供「雙軌的生成式 AI 賠償」，同時涵蓋訓練資料和生成產出。聽起來很讚。
但這句話有半截，很多人轉述的時候會漏掉。原文的完整條件是：
「……涵蓋生成產出（前提是使用者遵循負責任 AI 實踐，且未蓄意侵害智慧財產權）。」
但我沒有停在這裡。這種涉及法律責任的說法，我習慣去翻合約原文，而不是看簡報。
所以我去查了 Google Cloud 的 Service Specific Terms。原文比這份行銷文件緊得多。關鍵那句是這樣寫的：
"Google's indemnification obligations under the Agreement also apply to allegations that an unmodified Generated Output from a Generative AI Indemnified Service … infringes a third party's Intellectual Property Rights."
看到那個字了嗎——unmodified，未經修改的產出。
把條款拆開，實際上有三道門檻：
| 門檻 | 條款怎麼寫 |
|---|---|
| 只保「沒改過」的產出 | 白紙黑字寫 unmodified Generated Output |
| 只保付費的列名服務 | 須是清單上列名的服務，且「不是免費提供給客戶」的使用 |
| 五項排除 | 含「明知或應知可能侵權」「收到侵權通知後仍使用」「商標相關主張」，以及下面這一條 |
第三道裡有一項，剛好接回這篇文章前面那個發現。條款排除的情況包括客戶「無視、停用、修改或繞過來源標註、過濾器、指示，或 Google 提供用來協助負責任地產製與使用產出的其他工具」。
而 Google 自己在那份文件第 29 頁講的 SynthID 與 C2PA 內容憑證，正是這類工具。
所以把兩件事擺在一起看，會得到一個很不舒服的結論：
你為了加標題而疊的那一刀，同時做了兩件事：把來源憑證洗掉，也讓這張圖不再是「未經修改的產出」。換句話說，最需要法律保障的商用情境（改過、加了字、放進提案裡的圖），恰好是保障最薄的地方。
我不是律師，這篇也不是法律意見，實際適用一定要看貴公司簽的那份合約。但這件事的通則我很有把握：
當 AI 廠商說「有法律保障」的時候，該去翻的是合約條款，不是那份簡報。甲方吃虧通常不是吃在條款寫了什麼，是吃在只看了對自己有利的那半句。
如果你是這三種人，我的建議
如果你只是想做圖、發文：可以開始讓 AI 直接把中文標題畫進圖裡了，省一道工。但養成一個習慣——發出去之前，把圖放大到 100% 逐字看過一遍。三十秒的事，能擋掉一次丟臉。
如果你要量產、要品牌一致：別急著換。先算清楚你要的是「快」還是「穩」。要穩，程式疊字目前還是贏的；真要換，也是先換單張場景，量產線最後才動。
如果你是主管或行銷主管：請把這兩件事寫進你們的規範——第一，AI 生成的圖，對外發布前要有人做中文字校對，這件事不能只靠工具；第二，如果你們有標示 AI 生成內容的需求，別以為存個檔憑證就會自己跟著跑，那個章洗得掉。
回到那句老話
我上課常說：你是機長，AI 是機組人員。
這次實測給這句話補了一個很具體的註腳。
機組人員的能力真的變強了——一年前 AI 連「導」字都寫不出來，現在它能一次寫對二十一個繁體字。這是真的進步，值得高興。
但強，不等於你可以不看儀表。第四題那個壞掉的「辦」字，模型自己不會告訴你它畫壞了。它交出來的時候，一樣自信。
所以機長的工作沒有變少，只是換了位置——從「自己動手做」變成「知道該檢查哪一格」。
常見問題 FAQ
Q：所以 Nano Banana 到底能不能寫繁體中文？
就我這四題的實測：短標題可以，而且品質好到能直接上線；文字一多、字級一小就會出壞字。但請注意這是四題、單一模型、單日的測試，不是大規模統計。你自己的題目跑出來可能不一樣，發布前務必自己看過。
Q：我要怎麼檢查它有沒有寫錯字？
把圖放大到 100%，逐字看。特別盯筆畫多的字（辦、變、關、鍵、體、廳）和字級最小的那一行——我這次的壞字就出現在最小的那行。
Q：那我還需要用程式疊字嗎？
看你的量。單張、求快，直接讓 AI 畫；要量產又要品牌一致，程式疊字目前還是比較穩，因為字型和位置是你說了算，不是模型當下決定。
Q：怎麼知道一張圖是不是 AI 生的？
C2PA 憑證可以當線索，但只能單向使用——有憑證，幾乎可以確定是 AI 生的；沒憑證，不代表不是，因為重新存檔就會洗掉（我實測過）。SynthID 浮水印是另一套機制，需要 Google 的檢測工具，我這次沒有驗證。
Q：用 AI 生的圖拿去商用會有版權問題嗎？
Google Cloud 有提供生成產出的賠償條款，但有前提（須遵循負責任 AI 實踐、未蓄意侵權），而且那是 Google Cloud 的商用條款，不涵蓋你用免費版 App 隨手生的圖。實際狀況請看你簽的合約，或問你們的法務——我不是律師。
資料來源
以下資料均於 2026 年 8 月 2 日查證：
- Google for Startups《Generative media》技術指南（35 頁，2026 年 7 月出版）：第 5 頁 Gemini Image 多語言圖內文字、14 張參考圖；第 9 頁 Gemini Audio 轉錄與說話者分離；第 18 頁 Markdown 持久脈絡（GEMINI.md／AGENTS.md／SKILL.md）；第 29 頁 SynthID、C2PA、生成產出賠償；第 31 頁 brand arcade 藍圖
- 本文四題實測：Gemini 3 Pro Image（Nano Banana Pro），2026/8/2，每題單次生成不重抽，原圖如文中所示
- C2PA 憑證測試：對實測產出的圖檔掃描來源憑證，再分別以重新存檔、轉檔、裁切三種方式後製後複驗
- Google Cloud Service Specific Terms（cloud.google.com/terms/service-terms）：Additional Google Indemnification Obligations 一節的
unmodified Generated Output原文、五項排除條款、以及「須為列名且非免費提供之服務」的定義。本文的賠償條款內容以此合約原文為準，不採用行銷文件的轉述 - IPTC 數位來源類型代碼
trainedAlgorithmicMedia（C2PA manifest 中實際出現的標記值）
查證說明（誠實揭露）：①這份文件是 Google 自己出版的行銷／技術推廣文件，不是第三方中立評測，本文引用其宣稱時一律標明出處，並且對關鍵宣稱自行實測。②文件全篇未提及繁體中文，只寫「多語言」；本文的繁中結論來自我自己的四題測試，樣本小，不足以推論到所有題型與所有模型版本。③第四題的壞字判定是人工目視比對（與 Noto Sans CJK TC 字型排版對照），不是自動化字形檢測。④賠償條款：這份行銷文件的說法（「遵循負責任 AI 實踐、未蓄意侵權」）比實際合約寬鬆。我另外查了 Google Cloud 的 Service Specific Terms 原文，確認條款寫的是 unmodified Generated Output（未經修改的產出）、限「列名且非免費提供」之服務，並列有五項排除。本文以合約原文為準，並保留這個落差本身作為材料。⚠️ 我不是律師，實際適用範圍請以貴公司簽署的合約為準，本文非法律意見。⑤SynthID 我沒有驗證，因為檢測需要 Google 的專用工具；本文對 SynthID 不下任何結論，文中的憑證消失實測針對的是 C2PA 中繼資料。⑥文中所有測試圖皆為模型原始輸出，未修圖、未疊字；對照圖中的「辦」字放大來自第四題原圖裁切。
工具進步得很快，但「該檢查哪一格」不會自己學會
想自己先搞懂：我的電子報每週一篇，把這類趨勢實測完再翻成能用的判斷 → startupforyou.substack.com
如果你是主管：AI 生成內容要不要標示、誰負責校對、什麼能對外發——這些現在多半沒人管。我的企業內訓有一個模組專門帶團隊把這條線畫出來，課堂上就產出貴公司自己的版本。想聊聊寫信到 ai@autolab.cloud，或看看 AI 顧問教練團。
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式：ai@autolab.cloud