PaddleMIX

飞桨多模态全家桶，一站式搞定图文理解与生成

PaddleMIX是百度飞桨生态下的多模态大模型套件，旨在统一支持主流多模态任务，包括图文理解、视觉问答、图像生成等。它集成了端到端的大规模多模态预训练模型和扩散模型工具箱，覆盖CLIP、ControlNet、DeepSeek-VL、InternVL2、LLaVA、MiniCPM-V等前沿模型，并提供ppdiffusers等工具链。项目解决多模态模型训练、微调和推理的碎片化问题，通过高性能且灵活的API降低开发门槛，支持从研究到落地的全流程。其核心能力包括模型库丰富、与飞桨框架深度集成、支持分布式训练和推理优化，适合需要中文生态和国产框架支持的多模态应用开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 723

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PaddlePaddle

所属国家

官网地址

GitHubhttps://github.com/PaddlePaddle/PaddleMIX

定价模式free

价格说明开源项目，Apache-2.0许可，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型aigc,clip,controlnet,deepseek-vl,dit,eva-clip,got-ocr20,image-to-text,internvl2,llava,minicpm-v,multimodal,ppdiffusers,qwen2-vl,sd-xl,sora,stable-diffusion,stablevideodiffusion,text-to-image,text-to-video

GitHub 星标★ 723

30天Star增速

HF 下载量

上线时间2023-07-05 00:00:00

最近更新2026-09-04 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

背靠飞桨生态，与PaddlePaddle深度集成，中文文档和社区支持较好
模型覆盖广，从CLIP到Diffusion，支持图文理解与生成两大方向
提供ppdiffusers等工具，简化扩散模型训练与推理流程

不足之处

项目早期，星标仅724，社区活跃度和生态成熟度待观察
依赖飞桨框架，迁移至PyTorch生态需额外成本

适用场景

基于飞桨的多模态模型研究和快速原型验证
企业级图文理解应用，如视觉问答、图像描述
扩散模型定制化生成，如ControlNet可控图像生成

替代项目

Hugging Face Transformers、OpenMMLab、Diffusers

项目介绍

PaddleMIX 是开发框架领域的开源项目，由 PaddlePaddle 开发，2023 年首次发布。

它收录于开发框架分类，该分类目前共有 803 个项目，GitHub 星标数为 723。

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 2026-09-04。Apache-2.0许可，可免费使用和部署。

它主要面向的使用场景是：基于飞桨的多模态模型研究和快速原型验证。同类可对比的替代方案包括 Hugging Face Transformers、OpenMMLab、Diffusers。

上一篇：refiners

下一篇：Google-Colab_Notebooks