输入一句话，用 CLIP 引导 BigGAN 生成图像
big-sleep 是一个基于命令行的文本生成图像工具，由 OpenAI 的 CLIP 模型和 BigGAN 生成对抗网络结合实现。它解决的核心问题是：在没有配对文本-图像数据集的情况下，如何利用预训练模型实现文本到图像的生成。其原理是通过 CLIP 计算文本与生成图像的语义相似度，并以此作为损失函数来迭代优化 BigGAN 的输入潜向量，从而生成与文本描述匹配的图像。该工具提供了简洁的 CLI 接口，用户只需输入一句文本描述，即可生成对应的图像。它支持自定义迭代步数、图像尺寸等参数，并能在普通 GPU 上运行。作为早期探索性项目，它展示了 CLIP 在引导生成模型方面的巨大潜力，为后续的文本-图像生成研究提供了重要参考。
1确认 GPU 环境
README 说明该项目面向拥有 GPU 的用户，请在具备可用 GPU 的机器上操作，否则无法按预期运行。
2安装 big-sleep
使用 pip 从 PyPI 安装 big-sleep 包，README 给出的唯一安装命令就是这一条。
pip install big-sleep3切换到输出目录
README 说明图片会保存到执行命令时所在的目录，所以先 cd 到你希望存放图片的文件夹。
cd /your/path4用文字生成图像
用 dream 命令加一段英文描述即可生成图像，命令会直接在当前目录输出结果。
dream "a pyramid made of ice"5查看生成结果
列出当前目录内容，确认图像文件已经生成在命令执行的目录中。
lsdream 命令执行完成后，在调用该命令的目录下能找到生成的图像文件。
Q：没有 GPU 可以运行吗？
A：README 明确说这个仓库是给拥有 GPU 的人使用的，并未给出 CPU 运行方式，因此不建议在无 GPU 环境下尝试。
Q：生成的图片保存在哪里？
A：README 说明图片会保存到执行 dream 命令时所在的目录，即你在哪个文件夹运行命令，图片就出现在哪里。
Q：必须把提示词写成英文吗？
A：README 中的全部示例（如 a pyramid made of ice）都是英文文本，没有提到中文提示词的支持情况。
Q：有没有图形界面或在线版本？
A：该项目本身只有终端一行命令的用法；README 另外提供了官方与用户制作的 Colab notebook 链接，可在浏览器中运行。
DALL-E、Stable Diffusion、DeepDaze
big-sleep 是图像领域的开源项目，由 lucidrains 开发，2021 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（2,573）位列前 30%，在图像分类的 839 个项目里位列前 8%。
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 2026-08-23。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：快速生成概念草图或灵感图。同类可对比的替代方案包括 DALL-E、Stable Diffusion、DeepDaze。
上一篇：VQGAN-CLIP
下一篇：carefree-creator
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···