vqgan-clip-app 是图像领域的开源项目，由 tnwei 开发，2021 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 100。
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 2026-04-08。MIT许可证，本地部署，完全免费。
它主要面向的使用场景是：艺术家快速生成灵感草图。同类可对比的替代方案包括 Disco Diffusion、ru-dalle、Deep Daze。
vqgan-clip-app
本地输入文字，即刻生成艺术图像
vqgan-clip-app 是一个基于 Python 的本地图像生成工具，利用 VQGAN-CLIP 或 CLIP 引导扩散模型，将文本描述转化为图像。它解决了用户在本地环境中运行文本到图像生成的需求，无需依赖云端服务。核心能力包括：通过 Streamlit 提供直观的 Web 界面，支持用户输入文本提示词，调整生成参数，并实时预览生成结果。项目整合了 VQGAN 和 CLIP 模型，能够根据文本语义生成具有艺术感的图像，同时支持 CLIP 引导扩散模式，提供多样化的生成风格。作为早期项目，它展示了生成艺术领域的探索，适合对生成模型感兴趣的研究者和爱好者快速上手实验。
开源
free
图像生成
GitHub 星标
★ 100
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tnwei
所属国家
定价模式free
价格说明开源项目，MIT许可证，本地部署，完全免费。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型clip,deep-learning,generative-art,guided-diffusion,image-generation,streamlit,text2image,vqgan-clip
GitHub 星标★ 100
30天Star增速
HF 下载量
上线时间2021-07-27 00:00:00
最近更新2026-04-08 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
- 基于 Streamlit 构建，界面友好，无需编程即可操作
- 同时支持 VQGAN-CLIP 和 CLIP 引导扩散两种生成模式
- 完全本地运行，保护隐私且无需网络依赖
不足之处
- 生成速度较慢，依赖本地 GPU 性能
- 文档/社区待观察
适用场景
- 艺术家快速生成灵感草图
- 研究者实验文本到图像生成算法
- 教育场景演示生成模型原理
替代项目
Disco Diffusion、ru-dalle、Deep Daze
项目介绍
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
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···