当前位置:首页 > 文章列表 > 文章 > 常见问题 > 名片标准尺寸是多少厘米?

名片标准尺寸是多少厘米?

2026-04-06 14:49:13 0浏览 收藏
你是否曾因名片印刷后出现白边、文字被裁切或色彩失真而懊恼?其实问题很可能出在设计尺寸与印刷规范的细节偏差上——中国标准名片成品尺寸是90mm×54mm,但真正决定印刷成败的是含2mm出血的设计尺寸(94mm×58mm),加上3mm文字安全距离、300PPI分辨率、CMYK色彩模式及字体转曲等硬性要求。无论你选用常规横版、极简窄版、个性方版还是圆角款式,只要精准把控这些参数,就能确保每一张名片都清晰、精准、专业地呈现品牌质感。

名片尺寸标准是多少厘米 名片设计尺寸

如果您正在为印刷制作准备名片设计文件,但不确定应采用何种物理尺寸与制版规范,则可能是由于未区分成品尺寸与含出血的设计尺寸。以下是符合主流印刷工艺要求的名片尺寸标准与设计参数:

一、中国标准名片成品尺寸

中国大陆最广泛采用的名片成品裁切尺寸为90毫米 × 54毫米,该尺寸适配标准名片夹、钱包及自动分发设备,是印刷厂默认合版加工的基础规格。其长宽比接近黄金分割(约1.67:1),视觉稳定且便于握持。

1、确认最终交付的印刷成品边界必须严格控制在90mm×54mm范围内。

2、该尺寸不包含任何额外留白或裁切余量,仅指裁切完成后的可见区域。

3、若使用竖版排布,对应成品尺寸为54毫米 × 90毫米,方向互换但面积与比例一致。

二、印刷设计所需含出血尺寸

为防止裁切偏差导致白边或内容缺失,所有印刷文件必须在成品尺寸基础上向外扩展出血区域。国内通用出血标准为每边2毫米,因此实际设计画布尺寸需相应放大。

1、横版名片设计尺寸应设为94毫米 × 58毫米(90+2×2,54+2×2)。

2、竖版名片设计尺寸应设为58毫米 × 94毫米(54+2×2,90+2×2)。

3、方版90×90mm名片的设计尺寸则应为94毫米 × 94毫米。

三、其他常见成品尺寸及适用场景

除主流90×54mm外,部分行业或品牌策略会选用差异化尺寸以强化识别度,这些尺寸同样需按2mm出血规则推算设计尺寸。

1、窄版名片成品尺寸为90毫米 × 45毫米,设计尺寸应为94mm×49mm,适用于强调简洁感的科技或极简风格品牌。

2、方形名片常见成品尺寸包括90毫米 × 90毫米与95毫米 × 95毫米,前者设计尺寸为94×94mm,后者为99×99mm。

3、圆角横版名片成品常为85毫米 × 54毫米,设计尺寸应为89mm×58mm,并需在四角明确标注圆角半径(通常R=3mm)。

四、文字与图像安全距离规范

为避免裁切时误切关键信息,所有可读文字及核心图形元素必须与成品裁切线保持最小安全距离,此距离独立于出血设置,属于排版强制约束。

1、正文、姓名、职位等文字内容边缘距裁切线不得小于3毫米。

2、重要图标、LOGO、二维码等图形主体也须满足相同3mm内缩要求。

3、若使用底纹或满版色块,应延伸至出血线外,确保裁切后边缘无露白。

五、分辨率与色彩模式硬性要求

印刷输出对数字文件的基础参数有不可妥协的技术门槛,不符合将直接导致拒收或重做。

1、位图类素材(如照片、纹理)分辨率必须为300像素/英寸(PPI),低于此值将出现明显锯齿或模糊。

2、全部颜色定义必须基于CMYK色彩模式,禁止使用RGB或Pantone专色直出(除非已提供准确的CMYK模拟值)。

3、所有中英文字体须转为曲线或描外框,防止因字库缺失造成字符替换或错位。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

MuleRun行程规划攻略详解MuleRun行程规划攻略详解
上一篇
MuleRun行程规划攻略详解
三轴稳定器平衡调整方法详解
下一篇
三轴稳定器平衡调整方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    414次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    494次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    502次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    449次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    279次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码