aphantasia

用 CLIP 加频谱变换，把文字变成图像和视频。

aphantasia 是一个基于 CLIP 模型的文本生成图像与视频的开源工具。它利用 CLIP 的语义理解能力，结合 FFT（快速傅里叶变换）、DWT（离散小波变换）以及 RGB 像素空间操作，将文本描述直接转化为视觉内容。该项目解决了传统文本到图像生成模型需要大量训练数据和复杂架构的问题，提供了一种轻量级、可解释的生成路径。其核心能力包括：从文本生成静态图像、生成动态视频序列，并支持对生成过程的精细控制。通过频谱域和空间域的混合操作，它能够捕捉文本中的关键语义特征，并映射到视觉模式上。项目采用 Python 编写，依赖 CLIP 模型，适合研究者、开发者以及创意工作者快速实验文本驱动的视觉生成。尽管项目仍处于早期阶段，但其独特的实现思路为文本到视觉生成领域提供了新的可能性。