把文字从图片上删除，原理是非常简单的，就是先 OCR，找到文字的坐标，然后再生成一个 mask，把文字罩住就可以，今天看到一个开源项目，叫做 GitHub – iuliaturc/detextify: Remove text from AI-generated images ，他的做法是用 Stable Diffusion 这样的模型去生成图，然后用这个图去罩住那块文字。
效果
问题
对中文的图片支持不好，要调用第三方 OCR 来处理中文，最多能删除 5 个 textbox(字块)。
想法
基于这种思路，把各个 AI 的能力整合到一起，就可以实现一些复杂的能力，如可以实现图片到图片的翻译。