本研究提出了T2VTextBench，这是首个评估视频生成模型中文本准确性和时间一致性的人类评估基准。测试结果显示，大多数模型在生成清晰一致的文本方面面临显著挑战，为未来改善视频合成中的文本处理提供了研究方向。

本研究提出了POSTA框架，解决了自动海报设计在文本准确性、用户定制和美学吸引力方面的不足。该框架结合扩散模型和多模态大语言模型，能够生成视觉吸引且内容清晰的海报。实验结果表明，POSTA在文本准确性和美学质量上优于现有模型，具备良好的可控性和设计多样性。

本研究提出Type-R方法，解决文本到图像模型在图中文字呈现中的拼写错误，优化文本准确性与图像质量的平衡。