基础模型:

• deepseek-ai/DeepSeek-R1-Distill-Qwen-14B 数据集:
• X-ART/LeX-R1-60K 库名称: transformers 许可证: mit 管道标签: 文本到图像 标签:
• 艺术
• 文本渲染

🎨 LeX-Enhancer: 提示增强器

LeX-Enhancer 是一个轻量级的提示增强模型，基于 DeepSeek-R1 蒸馏而来。
我们收集了 60,856 对标题 —— 即经过 DeepSeek-R1 增强前后的对比 —— 并使用 LoRA 微调了 DeepSeek-R1-Distilled-Qwen-14B 模型，以重现高质量、视觉丰富的提示输出。

这使得高效、大规模的提示增强生成成为可能，非常适合高保真的文本到图像生成。

✍️ 示例：从简单标题到增强标题

🧾 输入（简单标题）：
一张感谢卡，上面写着“VERY”用黑色，“MUCH”用黄色。

🧾 输出（增强标题）：
图片展示了一张长方形的感谢卡，背景为柔和的暖色调渐变，从奶油米色到淡淡的粉红色，带有轻微的纹理效果，增加了层次感而不喧宾夺主。卡片顶部中央，“VERY”一词以粗体大写黑色字母呈现，采用简洁的无衬线字体，略微弯曲以顺应构图的自然流动。正下方，“MUCH”一词以鲜艳的明黄色呈现，字体风格同样粗犷但稍大，与“VERY”的下边缘对齐，形成平衡的层次感。两段文字均带有淡淡的投影，增强了在柔和光照背景下的可读性。卡片边缘清晰，边框为背景色调的浅色，整体布局对称，展现出精致现代的美感。柔和的环境光在卡片角落投下模糊的阴影，暗示下方有轻微纹理的表面，同时没有多余的装饰元素，确保焦点集中在文字上。色彩搭配和谐，既温暖又中性，确保文字成为视觉焦点，同时保持宁静亲切的氛围。

🚀 使用方式（Python 代码）

import torch, os
from transformers import AutoTokenizer, AutoModelForCausalLM, TextStreamer

# 系统指令，用于推理和回答
SYSTEM_TEMPLATE = (
    "用户与助手之间的对话。用户提出问题，助手解决问题。 "
    "助手先在脑海中思考推理过程，然后向用户提供答案。 "
    "推理过程和答案分别包含在 <think> </think> 和 <answer> </answer> 标签中，即 "
    "<think> 推理过程在这里 </think> <answer> 答案在这里 </answer>。"
)

model_path = 'X-ART/LeX-Enhancer'

# 你的简单标题放在这里
simple_caption = "一张感谢卡，上面写着“VERY”用黑色，“MUCH”用黄色。"

def create_chat_template(user_prompt):
    return [
        {"role": "system", "content": SYSTEM_TEMPLATE},
        {"role": "user", "content": user_prompt},
        {"role": "assistant", "content": "<think>"}
    ]

def create_direct_template(user_prompt):
    return user_prompt + "<think>"

def create_user_prompt(simple_caption):
    return (
        "以下是一个带有文字的图像的简单标题。请根据这个简单标题推断出图像的详细描述。 "
        "注意：1. 描述应仅包含视觉元素，不应包含任何延伸意义。 "
        "2. 视觉元素应尽可能丰富，例如图像中的主要对象、它们的属性、对象之间的空间关系、光影效果、色彩风格、图像中的文字及其样式等。 "
        "3. 输出描述应为单个段落，不应结构化。 "
        "4. 描述应避免某些情况，例如纯白或纯黑背景、模糊的文字、过度渲染的文字或过于刺眼的视觉风格。 "
        "5. 详细标题应易于人类阅读且流畅。 "
        "6. 避免使用模糊表达，如“可能是”或“或许是”；生成的标题必须采用确定的叙述语气。 "
        "7. 不要使用否定句式，如“图像中没有任何东西”等；整个标题应直接描述图像内容。 "
        "8. 整个输出应限制在200字以内。"
        f"简单标题: {simple_caption}"
    )

# 加载模型和分词器
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto", torch_dtype=torch.bfloat16)

# 准备输入提示
messages = create_direct_template(create_user_prompt(simple_caption))
input_ids = tokenizer.encode(messages, return_tensors="pt").to(model.device)

# 流式输出
streamer = TextStreamer(tokenizer, skip_special_tokens=True, clean_up_tokenization_spaces=True)
output = model.generate(
    input_ids,
    max_length=2048,
    num_return_sequences=1,
    do_sample=True,
    temperature=0.6,
    repetition_penalty=1.1,
    streamer=streamer
)

print("*" * 80)
# 输出将通过 TextStreamer 流式传输

GitHub 仓库: https://github.com/zhaoshitian/LeX-Art

@article{zhao2025lexart,
    title={LeX-Art: 通过可扩展的高质量数据合成重新思考文本生成},
    author={赵诗田 and 吴启龙 and 李昕悦 and 张博 and 李明 and 秦琦 and 刘东阳 and 张开鹏 and 李宏升 and 乔宇 and 高鹏 and 付斌 and 李真},
    journal={arXiv 预印本 arXiv:2503.21749},
    year={2025}
}