Ideogram 4

定义或身份

Ideogram 4 是由 Ideogram 发布的文生图模型，并已被 ComfyUI 原生支持。本文语境下，它首先是“模型”本身，而不是某个现成工作流、节点封装，或单纯的提示词模板。

文中明确将其描述为一款“从零开始训练的 9.3B 参数文生图像模型”。其定位重点不是泛泛的图像生成，而是面向需要较强文字渲染、海报生成、版式设计与清晰文本内容输出的场景。

角色职责

Ideogram 4 在实际使用中的核心职责，是把提示词转换成包含可读文本、可控布局与明确色彩方案的图像输出。

相较只擅长生成普通视觉画面的模型，文中强调它的差异化价值在于：即使不依赖闭源模型，也能完成“准确海报、版式设计和清晰文字内容”的生成任务。这意味着它特别适合用于：

• 海报设计
• 版式排版类图像
• 包含明确标题、标签、口号、说明文字的图片
• 对元素位置、颜色和文案内容有较强约束的图像生成任务

关键信息

模型来源与规模

• 发布方：Ideogram
• 模型类型：文生图模型
• 训练方式描述：从零开始训练
• 参数规模：9.3B
• 集成情况：ComfyUI 已提供原生支持

这里“原生支持”说明 ComfyUI 已可直接接入该模型进行生成，但不应反向理解为该模型属于 ComfyUI 自研模型；文中仍明确其发布者是 Ideogram。

提示词方式

Ideogram 4 同时支持两种驱动方式：

• 自然语言提示词
• JSON 结构化提示词

文中明确指出，普通文本提示词可以直接生成图像；但如果改用 JSON 格式提示词，则可以获得“全方位精准控制”。因此，它不是只能吃结构化输入的模型，而是兼容自然语言与结构化描述两套使用路径。

结构化提示词的核心价值

文中给出的关键前提是：该模型“完全基于 JSON 结构提示词训练”。因此，它对结构化描述的响应不是附加功能，而是模型设计中的核心能力之一。

在这种设计下，JSON 提示词能实现一些普通自然语言提示词难以稳定做到的控制项，尤其集中在颜色、布局和文本元素三个方面。

细节与边界

三项结构化精确控制能力

1. 调色板控制

文中给出明确数值边界：

• 每张图像最多支持 16 种十六进制颜色
• 每个元素最多支持 5 种颜色

这里的颜色表达方式是十六进制颜色值，而不是模糊的“红一点、蓝一点”这类自然语言描述。也就是说，Ideogram 4 支持在结构化提示词中直接指定较明确的配色方案。

2. 元素布局控制

该模型支持通过标准化坐标控制元素位置。文中写明其采用 0-1000 的标准化坐标体系，可在 JSON 结构中精确指定元素布局。

给出的模板里，边界框 bbox 使用的是四元数组，顺序为：

• y_min
• x_min
• y_max
• x_max

这意味着结构化提示词不只是描述“左上角放标题、右下角放按钮”这种粗粒度意图，而是可以把对象或文本元素放进一个明确坐标框内，以满足版式设计、海报排版等对位置精度更敏感的任务。

3. 文本元素内容与样式控制

文中强调，可直接指定“类型为文本的元素”，并在结构中填入：

• 要渲染的具体文字内容
• 文本的边界框位置
• 文本元素的描述信息
• 文本元素自身的颜色方案

这说明 Ideogram 4 的文本控制不是仅靠提示词暗示“写上一句 slogan”，而是可以把某段文本作为独立元素显式输入，并附带独立样式描述。这也是它适合海报、封面、宣传图与排版图的重要原因。

JSON 提示词结构要点

文中给出的结构模板可概括为以下层次：

• high_level_description：高层整体描述
• style_description：整体风格描述
• style_description.aesthetics：审美风格
• style_description.lighting：光照
• style_description.photo：摄影相关特征
• style_description.medium：媒介形式
• style_description.color_palette：整体颜色列表，使用十六进制值
• compositional_deconstruction.background：背景描述
• compositional_deconstruction.elements：元素列表

元素列表中至少区分两类元素：

• type: obj：对象元素
• type: text：文本元素

其中对象元素和文本元素都可以带 bbox、desc 与 color_palette；文本元素额外包含 text 字段，用于明确写入需要渲染的文字内容。

使用技巧

文中给出一个很具体的提示原则：在描述中写出越多关联信息，生成结果就越贴合预期。尤其建议补充以下内容：

• 位置
• 颜色
• 元素专属样式

原因是该模型经过海量详细场景训练，对具体指令的响应效果更好。换句话说，Ideogram 4 并不特别鼓励只写高度抽象、非常短的提示词；在需要可控输出时，长提示词与结构化描述通常更有效。

安全过滤机制

Ideogram 4 内置了专属安全过滤功能，而且这一过滤能力是集成在模型本身中的，不是 ComfyUI 额外附带的过滤工具。

文中对边界说得很明确：

• 如果生成被拦截
• 或返回空白结果
• 或出现拒绝生成

这些情况都应理解为模型自身安全过滤被触发，而不是 ComfyUI 的额外设置造成。

更重要的是，这套过滤逻辑“已固化在 Ideogram 发布的模型权重中”，因此：

• 无法在 ComfyUI 侧调整
• 无法关闭
• 无法覆盖

这也是一个重要边界：即便 ComfyUI 原生支持该模型，也不拥有对模型内置安全策略的控制权。

文中建议，如果遭遇意外拦截，可尝试：

• 重新表述提示词
• 调整问题元素
• 使用 JSON 格式提示词
• 使用更长、更具体的提示词

原文认为这些做法有助于减少误触发过滤的情况，并特别指出这类拦截“不属于 ComfyUI 的程序漏洞”。

快速上手信息

文中给出的接入步骤包括：

1. 将 ComfyUI 更新到 0.24.0 最新版本
2. 下载对应工作流文件
3. 按工作流说明下载模型并放入正确目录
4. 使用自然语言提示词，或按 JSON 格式编写提示词后运行工作流

从这组步骤也能看出，该模型既可走普通文生图用法，也可走结构化精控用法；两者不是互斥关系。