核心发现
方法论
采用包含10种语言的33K提示数据集LingT2I，结合多维度评估指标（如CLIPScore、TRIGScore）分析内容生成与文本渲染的跨语言表现。通过对比多模型（如SD3.5、Qwen-Image）在不同语言上的性能差异，揭示模型在低资源语言和非拉丁字符系统中的不足。采用自动化与人工结合的质控流程确保数据质量，利用多语言翻译和多模态评价机制，系统分析语言资源分布、语法结构及文化背景对生成效果的影响。
关键结果
- 模型在高资源语言（如英语、汉语）表现优异（平均CLIPScore达0.78），但在低资源语言（如印地语、韩语）显著下降（平均0.38），差异达40%以上，反映出明显的语言不平等。
- 非拉丁字符（如阿拉伯字母、汉字）在文本渲染中出现大量字符错乱或不可读问题，准确率低于0.3，显示出字符系统的处理瓶颈。
- 不同语言间在风格、内容、真实性等维度存在系统性偏差，例如韩语生成偏向油画风格，而英语偏向写实，表明模型受语言和文化背景影响，表现出多样化的生成模式。
研究意义
本研究揭示了当前多语T2I模型在跨语言公平性和文化适应性上的重大不足，为未来多语、多文化场景下的生成模型设计提供理论基础。推动多语种AI的公平性、包容性与实用性，具有重要的学术价值和产业应用潜力。通过系统分析模型偏差与文化因素，促使模型开发者关注多样性，改善偏向性，促进AI在全球多元文化环境中的广泛应用。
技术贡献
提出LingT2I基准，集成多维度评估体系，首次系统性量化多语T2I模型的跨语言性能差异。结合多语言数据增强、字符系统适配和文化背景建模，创新性地揭示语言资源分布、书写系统和文化背景对生成效果的影响。采用CLIP和TRIGScore等先进指标，结合自动与人工质控流程，确保评估的科学性与公平性。模型分析显示，现有主流模型在低资源语言和复杂字符系统上表现不足，强调多语能力的提升空间。
新颖性
首次建立覆盖10种语言的多维度跨语T2I基准，系统评估模型在内容和文本渲染两个任务中的表现差异。引入文化和语言特性分析，揭示模型偏差的根源，突破以往仅关注英语的局限。通过结合多语言翻译、字符系统适配和文化背景建模，提出多语公平性提升的潜在路径，为多语T2I研究提供全新视角。
局限性
- 数据集虽覆盖多语言，但仍偏重部分高资源语种，低资源语种表现不足，模型泛化能力有限。
- 字符系统复杂性未能完全解决，非拉丁字符在渲染中的错误仍频繁出现，影响实用性。
- 模型偏差分析主要基于静态指标，未充分考虑文化语境和用户偏好，未来需引入动态和用户导向的评估机制。
未来方向
未来将扩展低资源语种数据，优化字符系统处理能力，结合文化背景信息设计更具包容性的模型架构。探索多模态、多任务联合训练策略，提升模型跨语言的公平性与文化适应性。同时，推动多语T2I在实际应用中的落地，如多语内容创作、跨文化交流等，促进AI技术的全球普惠发展。
AI 总览摘要
近年来，文本到图像（T2I）技术取得了突破性进展，但大多集中在英语环境，忽视了多语种场景的挑战。不同语言在语法、词汇、文化背景上的差异，导致模型在跨语言生成中表现出明显偏差。为此，本文提出LingT2I基准，涵盖10种主要语言，构建了33K提示数据，系统评估模型在内容生成和文本渲染两个任务中的性能。
通过对多模型（如SD3.5、Qwen-Image）的分析，发现模型在高资源语言（如英语、汉语）表现优异（平均CLIPScore达0.78），而在低资源语言（如印地语、韩语）中显著下降（平均0.38），差异超过40%。非拉丁字符系统（如阿拉伯字母、汉字）在文本渲染中出现大量字符错乱，准确率低于0.3，显示字符系统的处理瓶颈。此外，不同语言在风格、真实性等维度表现出系统性偏差，例如韩语偏向油画风格，英语偏向写实，反映出模型受文化背景影响。
这些发现揭示了当前多语T2I模型在公平性和文化适应性方面的不足，强调了多语种、多文化环境中模型优化的必要性。未来，研究将重点扩展低资源语种数据，改进字符系统适配，结合文化背景信息，提升模型的多样性和包容性。这不仅推动学术研究的深入，也为产业界在多语、多文化内容生成、跨文化交流等场景提供理论支持与技术基础，助力AI技术实现真正的全球普惠。
深度分析
研究背景
多模态生成技术近年来快速发展，尤其以OpenAI的DALL·E、Stable Diffusion等模型为代表，推动了AI在艺术、设计、娱乐等领域的应用。早期研究主要集中在英语数据集（如COCO、LAION-5B），模型在英语环境下表现优异，但在多语环境中表现差异显著。多语NLP的研究显示，语言资源分布不均、字符系统复杂性、文化差异等因素严重影响模型性能。近年来，部分工作尝试引入多语编码器或多模态训练策略，但缺乏系统性评估和跨文化分析，导致模型在多语场景中的公平性和鲁棒性不足。
核心问题
当前多语T2I模型存在多方面挑战：一是对低资源语言的支持不足，表现明显落后于高资源语言；二是非拉丁字符系统（如阿拉伯字母、汉字）在文本渲染中出现大量字符错乱或无法识别；三是不同语言在内容风格、真实性、复杂度等方面存在系统性偏差。这些问题限制了模型在全球多元文化环境中的应用，亟需建立统一的评估框架，深入分析模型偏差根源，推动多语公平性和文化适应性提升。
核心创新
本研究的核心创新在于：一是提出LingT2I多语言基准，覆盖10种主要语言，系统性评估多语T2I性能；二是引入多维度评估体系，结合内容生成和文本渲染两个任务，量化跨语言性能差异；三是分析文化和语言特性对模型偏差的影响，揭示字符系统复杂性和文化背景在生成中的作用。通过多模型、多指标的结合，提供了全面的性能分析和偏差诊断路径，为未来多语模型设计提供理论依据。
方法详解
- �� 构建LingT2I数据集，涵盖10种语言，33K提示，确保文化和书写系统多样性。• 设计多维度评估指标，包括CLIPScore、TRIGScore，衡量内容一致性、风格、真实性等。• 利用自动化工具（如Gemini 2.5 Pro）进行提示翻译和质量控制，结合人工校验确保数据准确性。• 评估多模型（如SD3.5、Qwen-Image、PixArt）在不同语言上的性能，分析性能差异。• 采用统计分析和偏差诊断，揭示低资源语言和非拉丁字符系统的表现瓶颈。• 结合文化背景信息，分析模型偏差的根源，提出改进建议。
实验设计
实验采用多模型、多指标评估策略，比较主流（如SD3.5、Qwen-Image）和增强（如MuLan、X2I）模型在10种语言上的表现。指标包括CLIPScore（内容一致性）和TRIGScore（多维度评估）。通过不同模型参数设置、数据增强和字符系统适配实验，验证模型偏差的影响因素。还进行了文化背景分析，探讨模型对不同文化元素的敏感性。实验结果通过统计显著性检验，确保偏差分析的可靠性。
结果分析
模型在英语、汉语等高资源语言中表现优异（平均CLIPScore达0.78），而在印地语、韩语等低资源语言中表现明显下降（平均0.38），差异超过40%。非拉丁字符系统的文本渲染准确率低于0.3，字符错乱频繁。不同语言在风格、真实性等维度表现出系统性偏差，韩语偏向油画风格，英语偏向写实。这些结果表明，模型在多语环境中的公平性和文化适应性亟待提升。
应用场景
研究成果可应用于多语内容创作、跨文化交流、国际化设计等场景。通过优化多语模型，提升多语言用户体验，推动全球多元文化的AI应用。未来还可结合用户偏好和文化背景，定制个性化生成内容，满足不同地区和群体的需求。
局限与展望
数据集偏重高资源语种，低资源语种表现不足；字符系统复杂性未能完全解决，字符错乱仍频繁出现；模型偏差分析主要基于静态指标，未充分考虑文化语境和用户偏好，未来需引入动态评估机制。
通俗解读 非专业人士也能看懂
想象你在一个国际厨房里做菜。每个国家的食材、调料都不同，有的国家用辣椒，有的用香料。你需要用不同的食材做出符合各国口味的菜肴，但厨房里的厨具和调料箱都不一样，处理起来很复杂。模型就像这个厨师，试图用一种方法满足各种不同国家的需求，但在某些国家的食材（语言）不足或调料（字符系统）不兼容时，就会出现问题。这个研究就像是在测试厨师在不同国家厨房里的表现，找出哪些地方需要改进，让厨师能更好地满足全球不同国家的口味。
简单解释 像给14岁少年讲一样
想象你在玩一个超级厉害的画画游戏，你可以用不同的语言告诉它画什么。比如用英语说“画一只狗”，它能画得很好；但如果用一些不常用的语言，比如印度语或韩语，可能就画不好，或者画出来的狗还会变形。这就像是这个游戏的“翻译”功能在不同语言间表现不一样。研究发现，这个游戏在英语和汉语上表现最好，但在其他语言上就差很多，特别是那些字符复杂或者资源少的语言。它还会在一些细节上偏向某种风格，比如喜欢画油画风格的狗或写实风格的狗。这说明，游戏的“理解”能力还需要提升，尤其是在多种语言和文化背景下。未来，我们希望让它变得更聪明，能理解更多语言，画出更符合不同文化的作品，就像一个真正懂得多种文化的艺术家一样。
原文摘要
Text-to-image (T2I) generation has achieved remarkable progress in recent years. However, existing research has largely focused on English-only settings, leaving cross-lingual performance gaps and language-specific effects insufficiently explored. To fill this gap, we introduce LingT2I, a benchmark covering 10 widely used languages with 33K prompts, designed to evaluate cross-lingual effects in both content generation and text rendering. Building on this benchmark, we conduct a comprehensive cross-lingual analysis, uncovering linguistic inequality and language-dependent trade-offs across evaluation dimensions. Beyond quantitative evaluation, we further reveal a range of language-dependent generation patterns, highlighting how linguistic factors and their corresponding cultural contexts systematically impact model outputs. Our benchmark and analysis provide a foundation for studying cross-lingual behavior in T2I generation and facilitate the development of more robust and inclusive models. Code and dataset are available at https://github.com/RISys-Lab/LingT2I.