Сначала проверьте дорожку: возможно, стирать нечего
Моя позиция: часто нейросеть для удаления текста не нужна. Сначала смотрят, как субтитры попали в файл. Если это отдельная дорожка SRT внутри контейнера, текст лежит рядом с картинкой и в кадр не вписан. Дорожку выключают в плеере или удаляют при экспорте, и качество изображения от этого не меняется. Сравнение инструментов на aiwebcool говорит то же самое: стирать имеет смысл только вшитый текст, впечатанный в кадры.
Вшитые субтитры, надписи, плашки с ценой и водяные знаки приходится вырезать из самих пикселей, и вот здесь появляются нейросети. Ниже три пути и разговор про следы, которые остаются после стирания.
Мягкие субтитры и вшитый текст: разница в одну дорожку
Мягкие субтитры это отдельная дорожка в контейнере: SRT, ASS, иногда встроенная в MP4 или MKV. Плеер читает её поверх картинки, в самом видео букв нет. Ошибка новичка в том, что он ищет нейросеть там, где хватает одной галочки в экспорте.
С вшитым текстом так не выйдет. Буквы лежат в тех же пикселях, что лицо за ними, а убрать надпись означает закрасить участок и дорисовать то, чего в исходнике уже нет. Модель придумывает фон по соседним кадрам, отсюда все ограничения ниже: чем проще и статичнее фон, тем меньше выдумки.
video-subtitle-remover: как убрать надпись с видео нейросетью локально
Базовый вариант это открытый проект video-subtitle-remover на GitHub. Он убирает вшитые субтитры и текстовые водяные знаки с видео и с картинок, работает локально, сторонние API не нужны, файл возвращается в исходном разрешении.
Для студии важны два последних пункта. Исходники заказчика остаются на своей машине, наружу не уходит ни один кадр. Разрешение не пересчитывается второй раз, поэтому картинку не мылит лишний апскейл. Скорость зависит от железа, зато очередь задач можно оставить на ночь.
Форк VideoSubtitleRemover: OCR, маска и три модели
Форк VideoSubtitleRemover добавляет то, чего не хватает в базовой версии. Текст ищет OCR, фон дорисовывают модели STTN, LaMa или ProPainter, область можно задать вручную, пакетная обработка и ускорение на GPU на месте.
Выбор модели в отчёте deepforgehub за 2026 год описан так: ProPainter лучше всех восстанавливает сложный движущийся фон во времени, но требует много видеопамяти. STTN быстрее на живой съёмке. На практике это значит, что для говорящей головы на однотонном фоне хватает STTN, а для текста поверх листвы, воды или толпы стоит брать ProPainter и ждать.
Wan 3.0: убрать текст с видео ИИ по промпту со словом remove
Генеративный путь выглядит иначе. Wan 3.0 в режиме редактирования видео удаляет элементы из кадра и сам заполняет фон по промпту, где есть слово remove. Исходник берётся до 30 секунд, а при duration = -1 модель сохраняет длительность и пропорции клипа.
Этот способ выручает там, где обычная маска мажет: фон сложный, камера едет, за текстом мелькают лица. Модель синтезирует новый фон целиком, и иногда он выходит правдоподобнее штопаного. Минус в том, что она перерисовывает кадр и может поменять фактуру, свет или мелкую деталь одежды. Двадцать секунд черновика такой проход переживут, а рекламный кадр с логотипом на кофте уже нет.
Что выходит на практике: пятна там, где движется человек
Общее правило такое. Текст на однотонном или статичном фоне стирается чисто, шва не видно даже на паузе. На лицах, руках и быстром движении остаются пятна и «желе»: участок теряет фактуру кожи, мимика плывёт. Чем больше область, тем заметнее след.
Вторая привычка: маску делают маленькой. Легче пройти инструментом дважды по узкой полосе букв, чем один раз закрасить полкадра и потом искать, куда делся подбородок. Проверять результат нужно на паузе и в масштабе 100 процентов, иначе брак уйдёт в публикацию.
Кому нужен ИИ, чтобы убрать текст с видео, и когда проще пересобрать
Мой порядок такой. Сначала смотрю, есть ли дорожка с субтитрами, и выключаю её. Потом проверяю, живы ли исходники проекта: если монтаж сохранён, чистый экспорт без надписей займёт минуту и не оставит следов. Только если на руках один плоский файл, включается удаление.
Дальше идёт техника. Маску рисую по буквам, прогоняю два инструмента на коротком куске и сравниваю стоп-кадры. Для старых субтитров перед переводом часто хватает video-subtitle-remover, а плашку с устаревшей ценой проще закрыть новой графикой, чем стирать.
Объём задаёт схему. Один ролик в месяц спокойно живёт на ручной работе, а серия вертикальных выпусков требует шаблона: одинаковый шрифт, одинаковое место титров, предсказуемая пересборка. Наши видео нейросетями строятся по той же логике, а ведение YouTube-канала начинается с чистого архива без чужих надписей. Тонкости склейки и титров разобраны в материале про редактирование видео нейросетью.
Где кончается инструмент и начинаются права
Стирать чужие водяные знаки и выдавать ролик за свой нельзя, это нарушение прав автора. Технически инструмент для этого годится, юридически нет. Свои ролики другое дело: убрать старые субтитры перед переводом, снять плашку с ценой, которая уже неактуальна, почистить надпись с черновика.
И последнее. Если исходник свой и проект жив, пересборка без текста дешевле любой чистки кадра: минута работы против часа подбора масок. Нейросеть выручает, когда другого пути нет, и это её главная роль в монтаже.
