Liquid

用语言模型统一生成图像与文本，一步到位

Liquid 是一个基于大型语言模型的可扩展统一多模态生成框架，已被 IJCV 接收。它旨在解决传统扩散模型在图像生成中步骤多、速度慢，且难以与语言模型统一的问题。Liquid 将图像生成视为一种自回归的下一 token 预测任务，通过将视觉信息离散化为 token 序列，并利用语言模型的强大序列建模能力，实现了文本到图像、图像到文本等多种模态的统一生成。其核心能力包括：支持高分辨率图像生成、灵活的文本条件控制、以及多模态联合建模。项目提供完整的训练和推理代码，基于 PyTorch 实现，适合研究多模态生成和自回归模型的开发者使用。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 640

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FoundationVision

所属国家

官网地址https://foundationvision.github.io/Liquid

GitHubhttps://github.com/FoundationVision/Liquid

定价模式free

价格说明开源项目，MIT许可证，代码和模型权重免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型autoregressive-models,generative,generative-ai,image-gen,large-language-models,llms,multimodal-large-language-models,text-to-image,text-to-image-generation

GitHub 星标★ 640

30天Star增速

HF 下载量

上线时间2024-12-12 00:00:00

最近更新2026-08-20 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3

使用教程

核心亮点

创新地将自回归语言模型用于图像生成，摆脱扩散模型的多步采样，提升效率
统一多模态生成框架，同时支持文本到图像和图像到文本，架构简洁
论文被 IJCV 接收，学术认可度高，代码结构清晰，便于二次开发

不足之处

项目处于早期阶段，预训练模型权重可能未完全开放，复现成本高
文档和社区支持待观察，示例和教程较少

适用场景

学术研究：探索自回归模型在视觉生成中的潜力
多模态应用开发：需要统一图像与文本生成能力的场景
高效图像生成：对生成速度有要求的实时或近实时应用

替代项目

VAR、LlamaGen、DALL-E 2

项目介绍

Liquid 是开源模型领域的开源项目，由 FoundationVision 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 640。

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 2026-08-20。MIT许可证，代码和模型权重免费，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：学术研究：探索自回归模型在视觉生成中的潜力。同类可对比的替代方案包括 VAR、LlamaGen、DALL-E 2。

上一篇：muse-maskgit-pytorch

下一篇：Awesome-LLMs-meet-Multimodal-Generation