Lumina-T2X

Lumina-T2X项目：多模态文本转换的流式扩散模型

Lumina-T2X 大型扩散变换器文本转换多模态生成高分辨率图像生成 Github 开源项目

Lumina-T2X利用基于流的扩散变换器，实现文本向多种模态、分辨率和持续时间的转换，包括图像、音频和视频。其功能还包括高分辨率生成、多轮对话、深度图和分割图估计等。项目提供多语言提示和表情符号支持，适用于多种智能生成需求。访问项目页面了解更多详情和使用案例。

tango - 利用扩散模型和大语言模型实现先进的文本到音频生成

GithubTango人工智能开源项目文本转音频生成潜在扩散模型音频生成

Tango是一个创新的文本到音频生成模型,结合了潜在扩散模型和大语言模型技术。该模型使用冻结的Flan-T5作为文本编码器,训练UNet扩散模型生成音频。尽管训练数据集较小,Tango的性能仍可媲美最先进模型。Tango 2版本通过在Audio-alpaca数据集上的DPO对齐训练进一步提升了生成质量。项目开源了模型代码和预训练权重,为音频生成研究提供了有价值的资源。

CogVideoX-2b - 轻量级开源视频生成模型支持低显存推理

CogVideoXGithubHuggingface人工智能开源项目扩散模型文本到视频模型视频生成

CogVideoX-2B是一个基于扩散模型的开源视频生成工具。该模型可将文本描述转化为6秒长、720x480分辨率、8帧/秒的视频。其最低仅需4GB显存即可运行，通过INT8量化还可进一步降低资源消耗。作为入门级选择，CogVideoX-2B在性能和资源使用间取得平衡，适合进行二次开发。模型目前支持英文输入，并提供多种优化方案以提升推理速度和降低显存占用。

t2i-adapter-depth-midas-sdxl-1.0 - Stable Diffusion与MiDaS深度估计的协作创新

GithubHuggingfaceT2I Adapter图像生成开源项目模型模型训练深度感知稳定扩散

T2I Adapter通过MiDaS深度估计增强StableDiffusionXL的文本到图像转换功能，此项目由腾讯ARC与Hugging Face合作开发。适用于注重图像深度的艺术生成应用，T2I-Adapter-SDXL支持高达2.6亿参数，专为追求图像精细控制的开发者与艺术创作者设计。

mlx-FLUX.1-schnell - 高效文本到图像生成工具提升创意效率

AI绘图DiffusionKitFLUXGithubHuggingfacetext-to-image图像生成开源项目模型

项目在DiffusionKit MLX中提供文本到图像生成能力，适用于创意设计师及内容创作者。通过简单的命令行操作即可生成高细节图像，渲染出逼真的视觉效果。基于Apache 2.0许可证，确保广泛应用和可扩展性。

Text-to-Image - 开源SDXL文本生成图像模型支持自定义训练及API调用

GithubHuggingfaceLoRASDXL图像生成开源项目文生图模型稳定扩散

该项目为基于stable-diffusion-xl-base-1.0的LoRA微调模型，通过madebyollin/sdxl-vae-fp16-fix进行VAE训练优化。项目提供Hugging Face API接口，开发者可使用Python实现文本到图像的转换功能。模型采用Safetensors格式发布，方便开发者进行集成部署和二次开发

Text2Tex - 文本驱动的3D网格高质量纹理生成方法

3D网格GithubText2Tex开源项目扩散模型文本驱动纹理合成

Text2Tex是一种新型3D网格纹理生成方法，利用文本提示和扩散模型创建高质量纹理。该技术融合局部修复和深度感知图像扩散模型，从多角度逐步合成高分辨率局部纹理。通过动态分割渲染视图和自动生成视图序列，Text2Tex有效避免了不一致和拉伸问题，同时优化了纹理更新过程。实验结果显示，在文本驱动纹理生成领域，Text2Tex的性能明显优于现有技术。

stable-diffusion-2-1 - 高分辨率AI文本生成图像模型，支持多样化创作

GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像机器学习模型深度学习

Stable Diffusion v2-1是Stability AI开发的文本到图像生成AI模型。基于潜在扩散技术，它能将文本描述转化为最高768x768分辨率的高质量图像。该模型提供多个专用变体，包括深度感知和图像修复等。主要应用于艺术创作、设计和研究领域，但存在一些局限性，如无法生成可读文本。Stable Diffusion v2-1仅供研究用途，不应用于生成有害或违法内容。

T2M-GPT - 基于Pytorch的从文本描述到人类动作生成的AI技术

GithubT2M-GPT三维模型人体运动生成开源项目深度学习视觉结果

T2M-GPT, 领先的AI技术, 通过解析文本生成精准的人类动作，已在2023年IEEE/CVF会议展示认可。包含易用的安装、快速指南及训练评估资料，支持多种3D动作数据集。

stable-diffusion-2 - 高分辨率文本到图像生成模型

AI绘图GithubHuggingfaceStable Diffusion开源项目文本生成图像机器学习模型深度学习

Stable Diffusion v2是一款基于潜在扩散模型的文本到图像生成工具，支持768x768高分辨率输出。该模型采用OpenCLIP-ViT/H文本编码器，在LAION-5B数据集上训练而成。它提供多个预训练检查点，包括基础模型、深度条件模型和放大模型，适用于艺术创作、设计和研究等领域。Stable Diffusion v2在图像生成质量和多样性方面有显著提升，为AI图像创作提供了新的可能。

PixArt-XL-2-1024-MS - 快速训练的高性能文本到图像AI模型

AI模型GithubHuggingfacePixart-α图像生成开源项目文本生成图像模型深度学习

PixArt-XL-2-1024-MS是一个基于Transformer的文本到图像生成模型,采用纯Transformer块进行潜在扩散。该模型可直接生成1024px图像,训练效率高,仅用Stable Diffusion v1.5约10%的训练时间即达到可比性能。模型适用于艺术创作、教育工具开发等领域的研究,为探索高效文生图技术提供了新思路。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com