Project Icon

CogView

中文文字生成逼真图像,支持英文和中文输入

CogView是一个基于4B参数预训练的转换器,用于生成通用领域的文本到图像。最新版本CogView2显著提升了生成速度,并扩展支持英文输入。用户可以通过Github和Wudao平台体验并下载预训练模型。项目还包含超分辨率和图像到文本转换功能,并提供详细的设置和运行指南。该项目获得NeurIPS 2021认可,并推荐使用PB-relax和Sandwich-LN技术稳定训练大型转化器。

HunyuanDiT - 实现多分辨率扩散和细粒度中英文理解
GithubHunyuanDiT中英双语多轮对话开源开源项目文本生成图像
HunyuanDiT是一个多分辨率扩散变换器模型,具有细粒度的中英文理解能力。该模型采用优化的变换器结构、文本编码器和位置编码,通过迭代数据流程提升性能。HunyuanDiT支持多轮多模态对话,可根据上下文生成和优化图像。经专业评估,该模型在中文到图像生成方面达到开源模型的先进水平。
insaneRealistic_v1 - Stable Diffusion驱动的超写实人像生成模型
CivitaiGithubHuggingfaceStable Diffusion人工智能绘画开源项目文本转图像模型真实感渲染
insaneRealistic_v1是一个基于Stable Diffusion的文本到图像模型,专门用于生成超高真实度的人像。此模型能创建细节丰富的人物图像,精确呈现面部特征、肤质、发型和表情等细节。适用于需要高质量、逼真人像的各种应用场景,如艺术创作、虚拟角色设计等。作为开源项目,insaneRealistic_v1为开发者和研究者提供了探索高度写实人像生成技术的平台。在Civitai平台上发布后,该模型在数字艺术创作、游戏开发和虚拟现实等领域展现出广泛的应用前景,为用户提供了一个强大而灵活的人像创作工具。
SkyPaint-AI-Diffusion - 支持中文和英文文本输入的现代艺术图像生成工具
GithubSkyCLIPSkyPaint图像编码器开源项目扩散模型文本生成图像
SkyPaint由奇点智源开发,支持中文和英文文本输入,生成现代艺术风格的高质量图像。基于OpenAI-CLIP优化,支持多种提示词输入。用户可以在线体验SkyPaint,模型兼容stable_diffusion_1.x及相关微调版本。SkyCLIP通过多语种BERT进行训练,显著降低算力需求,提升模型性能。项目持续优化,旨在为开源社区提供便捷的复现和微调解决方案,适用于多语言图文检索和生成任务。
stable-diffusion-v1-5 - 先进的文本到图像AI生成模型
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 v1-5是一种基于潜在扩散的文本到图像生成模型。它在LAION-5B数据集上经过595k步训练,可生成512x512分辨率的高质量图像。该模型适用于艺术创作、设计和研究,但存在人脸和文字渲染的局限性。模型通过Diffusers库提供,但不应用于生成有害内容。Stable Diffusion v1-5代表了AI图像生成技术的重要进展。
stable-diffusion-v1-5 - 文本到图像生成的多平台兼容潜在扩散模型
AI绘图GithubHuggingfaceStable Diffusion开源项目文本到图像模型生成对抗网络生成艺术
Stable Diffusion v1-5 是一个使用潜在扩散技术的文本到图像生成模型,可生成高逼真度的图像。该模型经过多次优化与微调,兼容Diffusers库及多种用户界面,强调安全性并配备NSFW检查器,适用于研究、艺术创作及设计领域。此模型针对不同GPU环境设计,具有高效的生成性能。
text-to-video-synthesis-colab - 多模型文本到视频合成工具集成
AI模型ColabGithubHugging Face开源项目文本生成视频
该开源项目集成了Longscope、Zeroscope和Potat1等多个文本到视频合成模型。用户可在Colab环境中,通过输入文本生成短视频。项目支持多种分辨率和风格选择,并包含视频增强功能。这一工具集适用于多种创意和内容制作场景,为AI视频创作提供了便利。
text-generation-webui - 功能丰富的大型语言模型Web界面
AI对话GithubText generation web UI大语言模型开源项目自然语言处理
text-generation-webui是一个基于Gradio的Web界面,用于运行和管理大型语言模型。它提供多种界面模式,支持多个模型后端,可快速切换模型,具有丰富的扩展功能,并支持LoRA微调。该项目集成了Transformers库,支持4-bit和8-bit精度加载,还提供兼容OpenAI的API服务器。这是一个致力于成为文本生成领域领先开源解决方案的项目。
kandinsky-2-1 - 基于CLIP和扩散技术的高级文本到图像生成模型
GithubHuggingfaceKandinsky 2.1人工智能图像处理开源项目文本生成图像机器学习模型
Kandinsky 2.1是一个结合CLIP和潜在扩散技术的文本条件扩散模型。该模型采用CLIP作为文本和图像编码器,并利用扩散图像先验在CLIP模态的潜在空间间建立映射,从而提升视觉效果并拓展图像混合与文本引导图像操作的可能性。Kandinsky 2.1支持文本到图像生成、文本引导的图像到图像转换以及图像插值等功能,在COCO_30k数据集的零样本测试中获得8.21的FID评分。
pixart-900m-1024-ft-v0.6 - 使用稳定扩散技术的创新图像生成模型
AI绘图GithubHuggingfacecyberpunk风格stable-diffusion图像合成开源项目未来城市模型
此开源项目利用稳定扩散技术,专注于文本生成图像的应用,确保高质量的图像输出。以ptx0/pixart-900m-1024-ft-large为基础,通过simpletuner调试,适合描绘多种艺术场景,如外星市场、奇幻森林、赛博朋克城市等。用户可借助自定义文本提示,生成详尽且清晰的图像,支持去除模糊、裁剪及不美观的元素。适合创意者、设计师,激发艺术创意与设计灵感。
gill - 使用多模态语言模型的图像生成方法
CC3MGILLGithub图像生成多模态语言模型开源项目训练
GILL模型可处理交互的图像和文本输入以生成文本、检索图像及生成新图像。本文详细介绍了GILL模型的代码、预训练权重、环境设置、预训检查点和视觉嵌入的安装步骤。此外,还包括推理、训练及评估的指南,及启动Gradio演示的操作步骤。更多详情请参阅相关研究论文及项目页面。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号