GALIP

更快更小的文生图模型，大规模训练不妥协

GALIP 是一个面向大规模训练的文本生成图像模型，旨在解决现有扩散模型训练成本高、推理速度慢的问题。它通过引入可学习的适配器（adapter）和高效的生成架构，在保持图像质量的同时，显著减少模型参数量和计算开销。GALIP 支持从文本描述直接生成高分辨率图像，并能在多个数据集上高效扩展训练。其核心能力包括：更快的推理速度、更小的模型体积，以及在大规模数据上的稳定训练。项目提供了 PyTorch 实现，适合研究者和开发者用于探索高效的文本到图像生成方案。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 250
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tobran
所属国家
官网地址
GitHubhttps://github.com/tobran/GALIP
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型pytorch,text-to-image
GitHub 星标★ 250
30天Star增速
HF 下载量
上线时间2022-11-24 00:00:00
最近更新2026-06-15 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

  • 参数量更小，推理速度更快，适合资源受限场景
  • 针对大规模训练优化，能有效利用数据扩展性能
  • CVPR 2023 论文背书，方法有学术验证

不足之处

  • 文档/社区待观察
  • 星标数较少，生态和示例可能不完善

适用场景

  • 学术研究：探索高效文生图架构
  • 工业部署：在有限算力下实现文本生成图像
  • 大规模数据训练：降低训练成本，提升迭代效率

替代项目

Stable Diffusion、DALL-E 2、Imagen

项目介绍

GALIP 是图像领域的开源项目，由 tobran 开发，2022 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 250。

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 2026-06-15。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：探索高效文生图架构。同类可对比的替代方案包括 Stable Diffusion、DALL-E 2、Imagen。

上一篇：ConceptLab

下一篇：CFGpp

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
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···

★ 134493 2026-08-09