你的母语，不该被 AI 写错

如果你的母语是阿拉伯语、日语、中文、英语、西班牙语、葡萄牙语或德语，我们想请你帮个忙。AI 生图模型现在用这些语言写字，可是真正读得懂这些语言、又在核对结果的人很少。我们把每张图、每个判断都公开在一个开放数据集里，需要母语者告诉我们哪些是对的。

一个批次大约 30 张图，10 分钟左右做完。你的答案会署上你选的名字进入数据集。想加入，写信到 [email protected]，告诉我们你的母语是哪一种。

AI 会写错什么

AI 正在替全世界写字：海报、招牌、贺卡、课件，甚至阿拉伯书法。可生图模型真正下功夫练过的只有少数几种文字。在我们对五个生图模型的实测里，英语、德语、西班牙语、葡萄牙语和中文的短词，每个模型的准确率都在 90% 以上。

到了阿拉伯文，差距就拉开了。每家 57 到 59 张首次出图里，GPT Image 写对 53 个，Nano Banana 55 个，Grok Imagine 42 个，Seedream 54 个里写对 34 个，Qwen-Image 59 个里只写对 8 个。日文差距小一些，但五家里仍有三家在 59 个词里错了 7 到 14 个。

这些错都很小：一个点放错位置，两个字母连错，一个假名多了浊点（ばくはつ 变成 ばくばつ）。乍一看，图里的字像模像样。一个点就能把一个阿拉伯语单词变成另一个词，只有读得懂阿拉伯文的人才看得出来。

为什么非得母语者来看

我们测试里的每张图，先由 AI 评审读一遍，阿拉伯文、中文、日文都放大看。然后由人复核最容易判错的那些，阿拉伯文的图全部复核。复核的是我们自己的人，而这些语言大多不是我们的母语。

2026 年 11 月，一位阿拉伯语母语者在 AR-001 批次里审完了我们测试里全部 291 张阿拉伯文首次出图。审核者能看到每个模型被要求写的词，但看不到模型名，也看不到我们之前的判定。和我们自己的判断相比（以我们复核的人为准，人没看过的用 AI 的判断）：

其中 41 张是 AI 评审和我们意见不一致的图，我们当时没下结论，也没计入准确率表，母语者判定了其中 34 张。我们双方一致的图里，母语者有把握的 243 张中推翻了 5 张。审核者有把握的那些，现在就是最终判定。

下面两张图能说明为什么。两个模型拿到的是同一条 Aztec 字体提示词，要写的都是 شمس（太阳）。第一张我们判对，第二张我们判错，母语者的判断正好反过来。

风格越夸张，越难判断。这张 Grok Imagine 画的 pichação 墙面涂鸦 ليل（夜），我们两轮核对都判错，母语者认为写对了。

读不好阿拉伯文的 AI，和不以阿拉伯语为母语的人，犯的是同一类错：看的是形状，不是字。母语者看的是字。名单上的其他语言也一样。

你的审核会带来什么

我们一种文字一种文字地测，每张图、每个判断都公开在 GitHub 上的 AIFont 文字渲染数据集里，同时存档在 Zenodo，许可 CC BY 4.0。每条记录都分别保留每位审核者的判断，谁都可以自己掂量。准确率表从数据集重算。

这种错，模型厂商自己往往看不出来。一份公开的记录，写清哪个模型把哪个词写错了，并且由读得懂这门语言的人核对过，做模型的人看得见、绕不开、改得了。

你的每一个判断，都是在替说同一种语言的人发声。它会按你选的方式署名：实名、笔名或匿名。

一个批次怎么审

• 一个批次一种语言，约 30 张图，10 分钟左右。 AR-001 里，审核者平均每张用 11 秒。
• 每张图你都能看到模型被要求写的词。 回答三件事：有没有写对；没写对的话错在哪、图里实际写的是什么；图里的字是不是一个真实存在的词。
• 模型名和之前的判定都隐藏， 你的判断不受影响。
• 作答时每张自动存草稿。 签名提交整个批次后才算数。
• 同一个批次可以请几位审核者分别看， 方便互相印证。

阿拉伯语、日语、中文、英语、西班牙语、葡萄牙语、德语的批次现在都已开放，阿拉伯语待审的图最多。谁都可以在 aifont.ai/native-review 查看。

怎么加入

写信到 [email protected]，告诉我们你的母语是哪一种。我们给你开这个语种的审核账号，你就可以领取这个语种下任意开放的批次。我们希望你以贡献的方式参与；如果需要为花的时间拿报酬，同一封信里说一声，我们再谈。

审核者目前是邀请制。数据集里写着「母语者」，就得名副其实，所以每位审核者都由我们手动添加。

不想开账号，也可以纠正单张图：在数据集仓库提一个 issue，写上记录 id 和图里实际写的是什么。

如果你认识读得懂这些语言的人，把这一页转给对方。每种语言哪怕只有一位审核者，也已经能改变结果。