PixText: локально исправить текст на картинке — новые открытые веса
На странице · 3 разделов
22 октября авторы PixText выложили код и два набора весов для исправления отдельных надписей на изображении без перерисовки всей картинки. Это вариант для тех, у кого есть компьютер с видеокартой NVIDIA и опыт установки Python-пакетов; простой настольной программы пока нет, а работу с русским текстом авторы не подтвердили.
Если на созданной картинке опечатка в надписи, обычно приходится переделывать её целиком или вручную восстанавливать фон. PixText предлагает другой путь: указать прямоугольник с ошибкой и правильный текст, после чего модель меняет выбранную область, используя остальное изображение как контекст. 22 октября 2026 года авторы открыли код и два набора весов — данные модели, необходимые для локального запуска. Это новость о доступности технологии, а не готовый домашний фоторедактор. s1 s2
Что можно скачать сейчас
В репозитории авторов на Hugging Face лежат два полных пакета: PixText-MeanFlow и PixText-Teacher. Первый по умолчанию делает четыре шага генерации, второй — 25; четыре шага не означают гарантированно одинаковое качество или скорость на любом компьютере. В каждом пакете есть файл весов, настройки и шрифты. Проверка списка файлов через API и манифеста пакета подтвердила наличие обоих файлов весов; это не проверка их работы редакцией. s1 s3
Для понятного примера: есть изображение с испорченным английским слоганом, и нужно исправить три его фрагмента, оставив логотип. Авторы приложили исходную картинку и результаты для обеих версий модели. Это примеры самих разработчиков, не независимый тест Modelium. Модель принимает изображение, координаты участков и текст замены; она не ищет опечатки сама. s1 s2
Кому это подходит, а кому — пока нет
Разработчики требуют Python 3.11 или новее, видеокарту с CUDA и сборку PyTorch для этой видеокарты. CUDA — технология запуска вычислений на поддерживаемых видеокартах NVIDIA. Также нужны компоненты для работы со шрифтами. Графического приложения для обычной установки в релизе нет: сценарий авторов запускается из кода или командной строки. Подтверждённого минимального объёма оперативной или видеопамяти в инструкции нет; размер файлов весов не заменяет такое требование. На Mac и на компьютере без CUDA документированный путь не указан. s2 s4
Показаны китайский пример и исправление английской надписи. Отдельного подтверждения для русского текста нет: при выборе шрифта программа проверяет, есть ли в нём все нужные символы, и сообщает об ошибке при отсутствии. Не обещайте исправление кириллицы без своей проверки. При пересечении изменяемых участков порядок важен: поздний результат может перезаписать ранний. Авторы заявляют сохранение пикселей вне изменяемых областей; редакция не воспроизводила это на своих изображениях. s1 s2
Что с правами и оценками
Код и веса опубликованы под Apache 2.0 в отдельных официальных репозиториях. Входящие в модельные пакеты шрифты имеют собственные условия: Go Noto — SIL OFL 1.1, для Alibaba PuHuiTi авторы отсылают к условиям Alibaba. Поэтому пометка Apache 2.0 для модели не означает, что эти шрифты можно перераспространять на тех же условиях; перед включением их в свой продукт читайте отдельные правила. s1 s2 s5
Авторы представили исследование и собственный набор TextRefinementBench с 960 изображениями и 2357 участками текста. Их результаты относятся к этому тесту, а не к любой русской фотографии или видеокарте. Независимого измерения качества и скорости Modelium не проводил. s6 s7
Что делать дальше: если у вас уже есть среда Python с CUDA, начните с официального примера на исходной английской картинке и проверьте полученное изображение вручную. Если нужен простой редактор с кнопками или гарантированное исправление русского текста, этот выпуск пока не закрывает такую задачу. s2
Источники
- ATH-MaaS: PixText, закреплённая карточка и модельные пакеты — HF API createdAt 22 октября 06:41 UTC; pinned README, LICENSE, manifest, обе модели.. Получено 22.10.2026.
- ATH-MaaS/PixText: код и инструкция, commit efd7e011 — Официальный Release-коммит 22 октября 06:36 UTC, README, Apache LICENSE, pyproject, примеры.. Получено 22.10.2026.
- PixText: модельный манифест MeanFlow и конфигурация — Четыре и 25 шагов, идентификаторы и контрольные суммы обеих моделей; присутствие весов сверено через HF API siblings.. Получено 22.10.2026.
- PixText: зависимости программы — Python >=3.11, torch 2.8, torchvision 0.23; CUDA-требование также в README.. Получено 22.10.2026.
- PixText-MeanFlow: условия комплектных шрифтов — Alibaba PuHuiTi и Go Noto под отдельными условиями.. Получено 22.10.2026.
- ATH-MaaS: TextRefinementBench, карточка датасета — 960 изображений, 2357 регионов; language zh.. Получено 22.10.2026.
- Авторы PixText: Efficient Scene-Text Refinement via Pixel-Space Grouped Image Generation — Препринт представлен 13 октября; это не дата открытого выпуска весов.. Получено 22.10.2026.