DeTikZify

上传图表或草图，秒变可编译的TikZ矢量代码。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 93 🐛 待处理 17 👀 关注 12

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1828

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可自由使用和部署，无付费版本。

项目预览

项目数据

分类开源模型

开发团队potamides

官网地址https://nllg-detikzify.hf.space

GitHubhttps://github.com/potamides/DeTikZify

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可自由使用和部署，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型draw,graph,huggingface,inverse-graphics,latex,llama,llm,multimodal,sketch,tikz,transformers,vectorization,visualization

GitHub 星标★ 1828

上线时间2023-11-27 00:00:00

代码更新2026-09-17

仓库体积241 KB

本站数据更新2026-11-09

维护状态维护中

收录时间2026-08-09

浏览次数14

项目介绍

DeTikZify是一个将科学图表和手绘草图自动转换为TikZ代码的开源AI模型。它解决了科研人员在撰写LaTeX文档时，需要手动编写复杂TikZ代码来绘制矢量图表的痛点。该模型基于视觉-语言架构，能够理解图像中的几何结构、坐标轴、标注和数学符号，并生成对应的、可编译的TikZ程序，从而输出高质量的矢量图形。其核心能力包括：对科学图表（如折线图、散点图、流程图）的精准识别、对草图模糊性的合理推断、以及生成语法正确且风格接近人工编写的TikZ代码。项目提供了预训练模型、推理脚本和微调工具，支持用户自定义扩展。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1828

技术标签

graph huggingface latex llama llm

使用教程

难度：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

Python 环境（需能用 pip 安装包）
完整安装 TeX Live 2023（用于编译 TikZ）
安装 ghostscript
安装 poppler
若需运行 examples，需 git 并克隆仓库

安装与启动步骤

1安装系统依赖

通过系统包管理器安装完整版 TeX Live 2023、ghostscript 与 poppler，这是编译渲染 TikZ 的必需外部依赖，缺一不可。
2pip 安装 DeTikZify

直接用 pip 从 GitHub 安装。若只用 v2/v2.5 模型可去掉 [legacy]，仅在需要 v1 模型时保留该 extra。
```
pip install 'detikzify[legacy] @ git+https://github.com/potamides/DeTikZify'
```
3克隆并可编辑安装

想跑仓库自带 examples 时，改为此方式克隆并以可编辑模式安装 examples 依赖，便于修改代码。
```
git clone https://github.com/potamides/DeTikZify
pip install -e DeTikZify[examples]
```
4启动 Web UI

命令行直接启动交互式网页界面，加 --light 参数使用轻量模式，更多选项可加 --help 查看。
```
python -m detikzify.webui --light
```

5编程接口推理

用 load 载入模型并用 DetikzifyPipeline 推理，simulate 会跑 MCTS 并逐个产出带评分的 TikZ 程序。

python -c "from detikzify.model import load
from detikzify.infer import DetikzifyPipeline
pipeline = DetikzifyPipeline(*load(model_name_or_path='nllg/detikzify-v2.5-8b', device_map='auto', torch_dtype='bfloat16'))
for score, fig in pipeline.simulate(image='https://w.wiki/A7Cc', timeout=600):
    print(score)"

关键配置

配置项	必填	说明	示例
`model_name_or_path`	是	指定要加载的模型权重，默认最新为 v2.5-8b	`nllg/detikzify-v2.5-8b`
`device_map`	否	模型推理设备分配方式	`auto`
`torch_dtype`	否	推理使用的数值精度，降低显存占用	`bfloat16`
`image`	是	输入的图表示例，可为图片 URL 或本地路径	`https://w.wiki/A7Cc`
`timeout`	否	MCTS 推理的时间上限，单位秒	`600`