keras-text-to-image

用 Keras 把文字变成图像，入门跨模态生成

keras-text-to-image 是一个基于 Keras 的早期文本生成图像项目，利用 GAN（生成对抗网络）和 Word2Vec 以及循环神经网络（RNN）将文本描述转换为对应的图像。它解决了从自然语言到视觉内容映射的问题，核心能力包括：通过 Word2Vec 将文本编码为向量，结合 DCGAN 架构生成图像，并尝试用 RNN 处理序列文本信息。项目代码结构清晰，适合学习文本到图像生成的基本流程和 GAN 在跨模态生成中的应用。由于是早期项目，功能较为基础，但为后续研究提供了参考实现。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 64

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chen0040

所属国家

官网地址

GitHubhttps://github.com/chen0040/keras-text-to-image

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型dcgan,generative-adversarial-network,keras,text-to-image

GitHub 星标★ 64

30天Star增速

HF 下载量

上线时间2018-02-13 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4

使用教程

核心亮点

完整实现了 Word2Vec + DCGAN + RNN 的文本到图像生成流程，适合学习
基于 Keras，代码简洁易读，便于二次开发和实验
提供了从文本编码到图像生成的端到端示例，降低入门门槛

不足之处

生成图像分辨率低，质量有限，难以实用
仅支持简单文本描述，复杂语义理解能力弱
文档/社区待观察

适用场景

学术研究：学习文本到图像生成的基础方法
教学演示：在课程中展示 GAN 和 Word2Vec 结合
原型验证：快速验证文本生成图像的可行性

替代项目

AttnGAN、StackGAN、DF-GAN

项目介绍

keras-text-to-image 是图像领域的开源项目，由 chen0040 开发，2018 年首次发布。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 64。

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，可自行部署使用。

它主要面向的使用场景是：学术研究：学习文本到图像生成的基础方法。同类可对比的替代方案包括 AttnGAN、StackGAN、DF-GAN。

上一篇：Comfy_HunyuanImage3

下一篇：text_to_image_gen