T2F

输入文字描述，秒出逼真人脸图像

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 95 🐛 待处理 18 👀 关注 31

GitHub ↗

GitHub 星标 ★ 543

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，需自行部署使用。

项目预览

项目数据

分类图像生成

开发团队akanimax

GitHubhttps://github.com/akanimax/T2F

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，需自行部署使用。

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MIT

主要语言Python

技术栈/模型adversarial-machine-learning,gan,generative-adversarial-network,progressively-growing-gan,text-to-image

GitHub 星标★ 543

上线时间2018-06-22 00:00:00

代码更新2022-05-14

仓库体积509.6 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

T2F是一个基于深度学习的文本到人脸生成项目，旨在根据自然语言描述直接生成对应的人脸图像。它利用生成对抗网络（GAN）和渐进式增长技术，将文本编码与图像生成结合，解决传统人脸生成依赖参考图像或属性标签的局限。核心能力包括：通过文本描述（如“年轻女性，金色长发”）生成逼真的人脸，支持渐进式分辨率提升以增强细节，并集成了对抗训练机制以提高生成质量。项目代码结构清晰，适合研究文本到图像生成、GAN训练及人脸合成。作为早期项目，其技术路线对后续文本引导生成研究有参考价值，但当前功能相对基础，未提供预训练模型或完整训练流程。

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 ★ 543

技术标签

gan generative-adversarial-network text-to-image

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 45 分钟部署方式：本地GPU 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

PyTorch（旧版本）
人脸数据集

安装与启动步骤

1拉仓库看结构

早期 GAN 项目，目录结构与现在的扩散模型项目差别很大。
```
git clone https://github.com/akanimax/T2F.git
```
2按 requirements 装依赖

老项目依赖旧版框架，建议单开虚拟环境。
```
pip install -r requirements.txt
```
3备人脸数据

它按固定分辨率的人脸对齐数据训练，先按说明准备。
4跑训练

先小轮次看损失与生成图是否在收敛。
5当资料读

想复现现代效果的话，优先看更新的方案。