style-transfer

上传图片，一键融合艺术风格，生成惊艳新图

这是一个基于 Stable Diffusion 和 Diffusers 库实现的图像风格迁移工具，核心功能是将一张图片的艺术风格应用到另一张内容图片上，生成风格化后的新图像。项目采用 image2image 和 img2img 技术路线，并集成了 ControlNet 和 IP-Adapter 等先进组件，以提升风格迁移的准确性和可控性。它解决的是传统风格迁移算法（如神经风格迁移）效果生硬、风格保真度低的问题，让用户能够更灵活地控制风格强度、内容结构保留程度等参数。项目代码结构清晰，适合作为学习 Stable Diffusion 生态中风格迁移实现的参考，也方便开发者在此基础上进行二次开发和定制。

开源 unknown 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 56

维护状态低维护

是否开源是

定价模式 unknown

项目数据

分类图像生成

开发团队philz1337x

所属国家

官网地址https://ClarityAI.cc

GitHubhttps://github.com/philz1337x/style-transfer

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型ai,ai-art,controlnet,diffusers,image2image,img2img,ip-adapter,stable-diffusion,style-transfer

GitHub 星标★ 56

30天Star增速

HF 下载量

上线时间2024-03-20 00:00:00

最近更新2026-07-01 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2

使用教程

核心亮点

集成 ControlNet 和 IP-Adapter，风格迁移的细节保真度和结构控制力更强
基于 Diffusers 库，代码简洁，易于理解和二次开发
支持多种风格迁移场景，从绘画风格到照片风格均可处理

不足之处

项目处于早期阶段，文档和示例不够完善，上手需要一定基础
依赖 Stable Diffusion 模型，对硬件资源要求较高，运行速度较慢

适用场景

艺术家快速生成不同绘画风格的概念草图
设计师将品牌视觉风格应用到产品效果图
个人用户将照片转换为油画、水彩等艺术风格

替代项目

Neural Style Transfer (TensorFlow Hub)、Fast Neural Style (PyTorch)、stable-diffusion-webui (AUTOMATIC1111)

项目介绍

style-transfer 是图像领域的开源项目，由 philz1337x 开发，2024 年首次发布。

它收录于图像分类，该分类目前共有 839 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 2026-07-01。从国内网络环境看，可直接访问。

它主要面向的使用场景是：艺术家快速生成不同绘画风格的概念草图。同类可对比的替代方案包括 Neural Style Transfer (TensorFlow Hub)、Fast Neural Style (PyTorch)、stable-diffus…。

上一篇：spellcaster

下一篇：stable-toolkit