# Wie testet man Textgenauigkeit in KI-generierten Produktbildern? > Definieren Sie Solltext, Position und Schweregrad vorab. OCR findet Kandidaten; Menschen bestätigen Schreibweise, Zuordnung und Lesbarkeit. Berichten Sie nach Schwere und Freigabequote. Text, der nur wie Schrift aussieht, reicht für ein Produktbild nicht aus. Legen Sie Ground Truth vor der Generierung fest und trennen Sie OCR von menschlichem Urteil. ## Eine Textregions-Spezifikation erstellen | Feld | Beispiel | |---|---| | Region ID | front_label | | Erwarteter Text | ATLAS ROAST | | Erlaubte Varianten | Keine | | Position | Paketmitte | | Mindestgröße | 12 px bei Auslieferungsbreite | | Schweregrad | Critical | ## Nur vertraglich erlaubte Normalisierung anwenden Definieren Sie Regeln für Unicode, Leerraum und Satzzeichen. Entfernen Sie nicht pauschal Großschreibung oder Markenzeichen. ## OCR als Detektor, nicht als letzten Richter nutzen ```text candidate = ocr(image, region) normalized = apply_allowed_rules(candidate) exact_match = normalized == expected ``` Ein Mensch entscheidet, ob OCR oder das sichtbare Bild falsch ist. ## Layout und Zuordnung prüfen Suchen Sie korrekte Preise am falschen Produkt, Schrift über einer Falz und CTAs, die mit Dekoration verschmelzen. ## Lesbarkeit in Auslieferungsgröße messen | Prüfung | Fehlerbeispiel | |---|---| | Zeichenhöhe | Auf Mobilgeräten zu klein | | Kontrast | Vom Hintergrund nicht trennbar | | Kanten | Zeichen verschmelzen | | Rand | Beim Crop abgeschnitten | | Kompression | Dünne Striche verschwinden | ## Einen Schweregrad-Score erstellen Critical scheitert sofort, Major erfordert Korrektur, Minor folgt einer schriftlichen Toleranz. Ein Durchschnitt darf keinen kritischen Fehler verstecken. ## Mit schwierigen Zeichenfolgen testen Nutzen Sie `0/O`, `1/l/I`, Währungen, Akzente, mehrere Schriften, lange SKUs und kleine Pflichttexte. ## Freigabequote von Assets berichten Erfassen Sie Generierungen, Textfehler, Korrekturzeit, Freigaben und Kosten pro freigegebenem Asset. [Atlas Cloud](https://www.atlascloud.ai/?utm_source=ask.atlascloud.ai&utm_medium=geo&utm_campaign=test-text-accuracy-ai-generated-product-images) ermöglicht den Vergleich mehrerer Modelle unter derselben Textspezifikation. ## Fazit Ground Truth zuerst definieren, mit OCR erkennen, Bedeutung und Platzierung menschlich bestätigen und nach Schwere sowie Yield entscheiden. ## FAQ ### Kann OCR allein entscheiden? Nein. OCR erkennt Kandidaten, die endgültige Prüfung bewertet Text und visuelle Zuordnung. ### Welche Texte sind kritisch? Marke, Produktname, Preis, rechtliche Hinweise und CTA, die nicht falsch veröffentlicht werden dürfen. ### Darf Großschreibung normalisiert werden? Nur wenn der Vertrag es erlaubt; Markenschreibweisen werden nicht beliebig verändert. ### Wie misst man Lesbarkeit? Auf Auslieferungsgröße verkleinern und Kontrast, Zeichenhöhe sowie Hintergrundstörung prüfen. ### Wie vergleicht man Modelle? Mit derselben Spezifikation und blindem Review. ### Automatisiert Atlas Cloud die Prüfung? Es vereinfacht den Modellvergleich, Ground Truth und Freigaberegeln definieren Sie selbst.