T2F 是图像领域的开源项目，由 akanimax 开发，2018 年首次发布。
它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 545。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-02。MIT许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：学术研究：探索文本到图像生成方法。同类可对比的替代方案包括 StackGAN、AttnGAN、T2Net。
T2F
输入文字描述，秒出逼真人脸图像
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。
开源
free
图像生成
GitHub 星标
★ 545
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类图像生成
开发团队akanimax
所属国家
定价模式free
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
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★ 545
30天Star增速
HF 下载量
上线时间2018-06-22 00:00:00
最近更新2026-09-02 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
核心亮点
- 直接文本生成人脸，无需参考图或属性标签
- 采用渐进式GAN，支持高分辨率细节生成
- 代码结构清晰，适合学习GAN和文本到图像基础
不足之处
- 文档/社区待观察
- 未提供预训练模型，复现成本高
适用场景
- 学术研究：探索文本到图像生成方法
- 创意设计：快速生成概念人脸原型
- 教学演示：理解GAN和渐进式生成原理
替代项目
StackGAN、AttnGAN、T2Net
项目介绍
下一篇：parti-pytorch
同类项目推荐
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
ComfyUI
开源
像搭积木一样连节点，生图流程自己搭
The most powerful and modular diffusion model GUI, api and backend with a graph/node···