标签
SenseNova 6.8 的 Code2Video 展示了一系列通过代码生成的动画示例，包括重复几何阵列、字母字形以及科学图表场景，突出其在重复物体、文本标签和空间关系渲染上的能力。
MOSS-Image Turbo LoRA（4 步）v2.0 已在 Hugging Face 上发布，现已原生支持 Euler 采样器，可在任意标准 LoRA 加载器中使用默认 flow-matching 采样器运行，无需 CFG 或自定义管线文件，即可实现快速、高保真的中英双语文字渲染。
Vik Paruchuri 调查了为什么视觉语言模型有时会输出像 罪 这样的中日韩（CJK）字符而不是英文单词 "vain"，探讨了 VLM 中的文字系统混淆问题，并介绍了如何修复这一问题。
TextVerifier 提出了一种针对中文文本渲染缺陷的逐字符验证方法，利用表意文字描述序列（IDS）替代单字符符号作为文本塔输入，并在首个逐字符基准 TextRenderBench-ZH 上取得 0.844 的 F1 分数，显著优于 OCR 置信度（0.526）、通用 VLM（0.329）和 TextPecker（0.590）。该方法还可作为 Flow-GRPO 后训练的逐字符奖励，进一步降低渲染错误，兼具检测与纠错能力。
InfoVis 是一个统一的 9B 幻灯片生成与编辑模型，在超过 1300 万条预训练记录和新提出的 VisSlideBench 基准上取得开源最佳表现，在文本渲染、指令遵循、视觉定位、设计和编辑等 11 项指标上领先所有开源模型，总分 7.94 接近 Nano-Banana-2 的 7.99，模型、代码、数据和基准均将开源。
UltraText Bench 是一个双语（英文/中文）基准，包含 24 个场景类别、432 条提示词，用于评估图像生成模型中密集视觉文字的渲染能力。该基准由 Q-Judge 视觉语言模型从文字保真度、清晰度、空间质量和场景质量四个维度进行评分，并揭示了 Z-Image-Turbo 与 Z-Image-Base 等不同模型变体之间明显的权衡关系。
深入探讨如何修复缅甸文中的虚线圆圈（“豆腐块”）渲染问题，这是 Google Noto 字体项目为实现全面 Unicode 覆盖所开展的工作的一部分。
VTR-Bench 提出了一个用于评估视频生成模型视觉文本渲染能力的系统性基准，涵盖五大场景类别共 300 条提示词、一套与人工评价对齐的自动化评估流水线，以及一个关键帧引导的智能体框架（Keyframe-Guided Agentic Framework）。在 11 个最先进模型上的实验表明，场景文本渲染普遍面临困难，表现最好的模型词错误率（WER）为 0.250。
SenseNova-U1.5-8B-MoT 是一款用于增强视觉创作的原生统一多模态模型，在图像生成质量、文本渲染和精确控制方面有所改进。
Higgsfield 推出了 Layers，这是一款图像编辑器，可将任何图像分解为文本、主体和背景的可编辑图层，无需重新生成整个图像即可独立编辑，并原生支持 4K。
Grok announces Imagine Image 2.0, a next-generation image model with precision editing, crisp text rendering, improved factuality, and real-world usefulness.
SenseNova 发布了 U1.5 Lite 模型的预览版，基准测试显示其在图像生成和编辑方面有所提升，支持原生 4K 输出，中文和英文文本渲染得到改进，但已知的弱点仍然存在。
一位开发者调查了为什么脚注回链字形在RSS阅读器中渲染为表情符号，探索了用于控制文本与表情符号呈现的Unicode变体选择器（U+FE0E和U+FE0F），并讨论了变体选择器在网页内容中面临的更广泛挑战。
一款 TrueType 字体，利用 OpenType 规则从括号内的文本直接内联渲染二维码，无需单独生成图片。
本文探讨了终端模拟器中文本渲染的各种根本性问题，包括字符定义歧义、Unicode处理问题、有缺陷的二维网格假设以及光标不同步，凸显了支持复杂脚本和字体的困难。
来自谷歌未发布的Gemini Omni模型的泄露视频显示，该模型在黑板上渲染文字的效果令人印象深刻，但在其他提示中仍存在一致性问题。该模型似乎是Veo的扩展，预计将在Google I/O大会上正式发布。
OpenAI 在 GPT-4o 中引入原生图像生成功能，具有改进的文本渲染、精确的物体处理（10-20 个对象）和通过对话优化的上下文感知生成能力。该模型擅长生成实用的、具有交流价值的图像，具有准确的符号渲染和与上传图像的集成功能。
四大主流图像生成器（NanoBanana 2.1、ChatGPT Image 2.5、Flux 3、Seedream 5.0 Pro）在同一套提示词下横评营销素材、定向编辑与信息图表等场景：营销类 NanoBanana 与 ChatGPT 打平，复杂文字与信息图则由 ChatGPT Image 2.5 领先。
ChatGPT Image 2.5 在复杂图像生成任务中表现最佳，新增了模板和草图转图像等功能，但在修改复杂文本时仍存在挑战。