textboost

一张图微调文本编码器,让 Stable Diffusion 学会你的专属主体

TextBoost 是一个面向文本到图像模型的个性化微调工具,核心解决单张参考图即可实现主体定制化生成的问题。传统方法如 DreamBooth 需要多张图像并微调整个 UNet,计算成本高且易过拟合;TextBoost 仅微调文本编码器,通过优化文本嵌入空间来绑定特定主体概念,无需修改扩散模型主体结构。项目基于 PyTorch 和 Stable Diffusion,提供 Jupyter Notebook 形式的完整实验流程,支持用户用一张照片训练模型,在推理时通过自然语言描述场景,生成包含该主体的新图像。其核心能力包括:单样本学习、低资源训练(仅更新文本编码器参数)、与现有 ControlNet 等插件兼容,适合快速原型验证和学术研究。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 56
维护状态 低维护
是否开源
定价模式 free

项目数据

分类图像生成
开发团队nahyeonkaty
所属国家
定价模式free
价格说明开源项目,MIT许可证,提供在线演示页面,可免费使用。
访问状态
是否开源
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型ai,deep-learning,diffusion,image-generation,pytorch,stable-diffusion,text2image,torch,txt2img
GitHub 星标★ 56
30天Star增速
HF 下载量
上线时间2024-09-12 00:00:00
最近更新2026-07-11 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

  • 仅微调文本编码器,训练参数量小,显存占用低,单张消费级 GPU 可跑
  • 单张参考图即可完成个性化,无需收集多视角素材,数据成本极低
  • 与主流扩散模型生态兼容,可无缝配合 LoRA、ControlNet 等扩展工具

不足之处

  • 项目处于早期阶段,文档和示例代码较少,上手门槛偏高
  • 单张图约束下对复杂主体(如多物体、复杂姿态)的泛化能力待验证

适用场景

  • 个人用户用一张宠物照片生成不同场景的创意图像
  • 设计师快速为特定产品生成风格化宣传图
  • 学术研究探索文本编码器在扩散模型个性化中的潜力

替代项目

DreamBooth、Textual Inversion、Custom Diffusion

项目介绍

textboost 是图像领域的开源项目,由 nahyeonkaty 开发,2024 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 56。

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 2026-07-11。MIT许可证,提供在线演示页面,可免费使用。从国内网络环境看,可直接访问。

它主要面向的使用场景是:个人用户用一张宠物照片生成不同场景的创意图像。同类可对比的替代方案包括 DreamBooth、Textual Inversion、Custom Diffusion。

上一篇:DyPE

下一篇:karbonized

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

★ 13967 2026-08-09
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···

★ 70 2026-08-09
DeTikZify 开源

上传图表或草图,秒变可编译的TikZ矢量代码。

Synthesizing Graphics Programs for Scientific Figures and Sketches with TikZ.

★ 1820 2026-08-09