aigc 第 2 页
本站收录 140 个带「aigc」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 3 页）
APTAPT 是一个开源的 AI 生产力工具，旨在通过本地化部署和隐私保护提升用户效率。它内置了 ChatGPT、DeepSeek、Phi、Qwen 等模型的本地专属★ 772
awesome-text-to-video这是一个关于文本生成视频（Text-to-Video）领域的精选资源列表，本质上是一份技术综述。项目系统梳理了该方向的研究论文、开源模型、数据集和工具，覆盖从早★ 745
claude-skill-social-post这是一个Claude Code技能（Skill），由开发者Hao（駱君昊）创建，旨在帮助用户自动生成并发布社交媒体内容。它通过分析用户过往的Facebook帖子★ 738
PaddleMIXPaddleMIX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★ 721
ChronoEditChronoEdit 是一个面向图像编辑与世界模拟的时间推理框架，由 ICLR 2026 论文提出。它解决的是现有图像编辑模型缺乏对时间动态理解的问题，即无法根★ 708
SkyChat-Chinese-Chatbot-GPT3SkyChat 是一个基于中文 GPT-3 API 的聊天机器人项目，旨在提供类似 ChatGPT 的中文对话体验。它通过调用 GPT-3 模型，实现了人机聊天★ 687
SolidUISolidUI 是一个基于 AIGC 的图形生成框架，用户只需输入一句自然语言描述，即可自动生成对应的 2D 或 3D 可视化图表。它解决了传统数据可视化开发中★ 678
Awesome-CVPR2026-CVPR2025-ICCV2025-CVPR2024-ECCV2026-ECCV2024-AIGC这是一个汇集CVPR、ICCV、ECCV等顶级计算机视觉会议中AIGC相关论文与代码的精选列表。项目旨在解决研究者难以系统追踪前沿AIGC成果的问题，按会议年份★ 674
HunyuanImage-2.1HunyuanImage-2.1 是腾讯开源的扩散模型，专注于高分辨率（2K）文本到图像生成。它采用高效的扩散Transformer架构，解决传统扩散模型在高分★ 674
SkyPaint-AI-DiffusionSkyPaint-AI-Diffusion 是一个基于 Stable Diffusion 优化的中文 AI 绘画模型，旨在解决中文用户使用文本生成图像时提示词理★ 644
MIGCMIGC是一个由CVPR 2024 Highlight和TPAMI 2024论文支持的图像生成项目，专注于多实例生成与编辑。它解决了现有文本到图像模型在生成多个★ 608
CycleGAN-VC2CycleGAN-VC2 是一个基于 CycleGAN 的语音转换（Voice Conversion）开源项目，旨在实现无需平行语料的音色转换。它解决了传统语音★ 571
VideoTunaVideoTuna 是一个专注于视频生成模型微调的开源工具，旨在让开发者能够轻松地针对特定风格、主题或场景对现有的文本到视频（T2V）扩散模型进行定制化训练。它★ 555
Awesome-LLMs-meet-Multimodal-Generation这是一个精选论文列表，聚焦于基于大语言模型（LLM）的多模态生成领域，涵盖图像、视频、3D和音频四大模态。项目系统梳理了LLM与多模态生成结合的前沿研究，包括多★ 551
FreeInitFreeInit 是一个针对视频扩散模型的训练后优化方法，由南洋理工大学等机构在 ECCV 2024 提出。它解决视频扩散模型在生成时因初始噪声与视频低频结构不★ 544
ReVersionReVersion 是 SIGGRAPH Asia 2024 的官方实现，专注于从少量图像中反转（invert）物体间的关系，并用于图像生成。它解决了文本到图像★ 502
VibeVoiceFusionVibeVoiceFusion 是一个基于微软 VibeVoice（自回归+扩散架构）的全栈多说话人语音合成 Web 系统。它主要解决自建 TTS 系统时面临的★ 495
GoAmzAIGoAmzAI 是一个基于 Golang 和 Vue3 构建的私有化 AIGC 平台，旨在为个人、团队和企业提供一站式 AI 服务。它集成了 AI 对话、绘画、★ 483
OmniShowOmniShow 是字节跳动推出的统一视频生成模型，专注于人-物交互（HOI）视频生成，论文发表于 ICML 2026。它基于扩散模型（DiT/MMDiT）架构★ 474
shuixian-promptsshuixian-prompts 是一个面向中文用户的 AI 绘画提示词开源库，收录了 5000 多条中文提示词，覆盖 ChatGPT、Grok、Gemini、★ 448
Collaborative-DiffusionCollaborative Diffusion 是一个面向多模态条件引导的扩散模型框架，核心解决现有扩散模型难以同时利用多种异构条件（如文本、草图、语义图、参考★ 444
Text2VideoText2Video 是一个基于 ICASSP 2022 论文的开源项目，实现文本驱动的说话人视频合成。它通过音素字典将输入文本转换为语音，并驱动人物头像生成与★ 438
dive-into-spring-ai《动手学SpringAI》是一个面向Java开发者的Spring AI实战教程项目，旨在解决Spring AI生态学习资源碎片化、缺乏系统性实践指引的问题。项目★ 427
reconstruction-alignmentReconstruction Alignment 是 ICLR 2026 论文的官方实现，旨在通过自监督学习提升统一多模态模型（如文本到图像、图像编辑、图像理解★ 419
LLMGALLMGA是一个基于多模态大语言模型的图像生成助手，源自ECCV 2024 Oral论文。它旨在解决用户难以精确控制图像生成和编辑的问题，通过将大语言模型的推理★ 395
World-SimulatorWorld-Simulator 是一个围绕“模拟真实世界”主题的学术资源聚合项目，收录了 IEEE TPAMI 2026 论文《Simulating the R★ 394
Director3DDirector3D 是一个基于文本生成真实世界相机轨迹和 3D 场景的开源项目，来自 NeurIPS 2024 论文。它解决的是从单一文本描述直接合成动态 3★ 382
DanceOPDDanceOPD 是一个基于策略内生成场蒸馏（On-Policy Generative Field Distillation）的图像生成与编辑工具。它解决的是传★ 374
img-promptimg-prompt 是一个极简的 AI 图像提示词编辑器，内置 5000+ 提示词模板，支持 18 种语言，帮助用户用母语快速生成适用于 Midjourney★ 368
Awesome-3D-AIGC这是一个聚焦3D AIGC（人工智能生成内容）领域的精选资源列表，收录了相关论文和开源项目。它系统梳理了3D生成技术的最新进展，涵盖NeRF、3D高斯泼溅、神经★ 352
MeshXLMeshXL 是一个基于神经坐标场（Neural Coordinate Field）的3D网格生成基础模型，由 NeurIPS 2024 论文提出。它解决了传统★ 342
sd-webui-gosd-webui-go 是一个基于 Go 语言的 stable-diffusion-webui SDK，旨在让开发者通过面向对象的方式直接调用 stable-d★ 335
Book-of-MLM《多模态大模型：新一代人工智能技术范式》一书的官方配套教学资源库，由中国人民大学高瓴人工智能学院长聘副教授卢志武团队维护。项目旨在为读者和研究者提供系统性的多模★ 330
MoneyPrinterAICreateMoneyPrinterAICreate 是一个基于 MoneyPrinterTurbo 的 AI 视频生成工具，专注于解决从文案到动态视频的自动化创作问题。它★ 329
LLMInternSkillLLMInternSkill 是一个面向大模型方向求职者的开源工具箱，以 Codex Skill 形式提供简历优化、职位匹配、证据审查、面试模拟和项目挖掘五大核★ 327
Awesome-Interactive-World-Model这是一个关于交互式世界模型的论文与资源精选列表，旨在系统梳理该领域的前沿研究。项目按核心研究挑战（如3D、扩散模型、流式视频、数据集等）对论文进行分类，帮助研究★ 322
Video-T1Video-T1 是首个面向视频生成的测试时扩展（Test-Time Scaling）方法，由南洋理工大学等机构在 ICCV 2025 提出。它解决的是视频生成★ 319
BayLingBayLing（百聆）是一个基于LLaMA的中英双语大语言模型，通过语言对齐增强技术，在英语和中文的生成、指令跟随及多轮交互上表现优异，官方称在多项测试中达到C★ 317
stable-diffusion-multi-user这是一个基于 Django 的 Stable Diffusion 多用户服务端实现，旨在解决单机部署 SD 时多用户并发请求的资源调度问题。它通过多 GPU 负★ 314
Consistent4DConsistent4D 是一个面向动态物体 360° 无死角生成的 3D 重建与生成项目，由 ICLR 2024 论文官方实现。它解决的是从单目视频中生成时空★ 284
LAMPLAMP 是一个基于扩散模型的少样本视频生成框架，发表于 CVPR 2024。它旨在解决视频生成中数据稀缺和运动模式学习困难的问题，通过从少量参考视频中学习可迁★ 283
Awesome-AvatarsAwesome-Avatars 是一个聚焦于人类虚拟形象（Avatar）前沿技术的精选列表，涵盖生成、重建与编辑三大方向。项目系统梳理了基于 NeRF、3DGS★ 277
VideoGen-EvalVideoGen-Eval 是一个基于智能体的视频生成评估系统，旨在解决视频生成模型评测标准缺失、评估维度单一的问题。它提供了一套完整的评估框架，支持文本到视频★ 272
MoneyPrinterTurboEasyMoneyPrinterTurboEasy 是一个基于 AI 大模型的一键短视频生成工具，旨在解决短视频创作门槛高、耗时费力的问题。用户只需输入一句话主题，工具★ 267
Integrated-Design-Diffusion-ModelIDDM（Integrated Design Diffusion Model）是一个基于 PyTorch 的扩散模型集成实现，面向图像生成任务，支持潜在扩散模型★ 267
Animate3DAnimate3D是NeurIPS 2024收录的开源项目，旨在将任意静态3D模型动画化。它利用多视角视频扩散模型，从单张或少量视角的3D模型渲染图中生成连贯的★ 258
WorldLensWorldLens 是一个面向自动驾驶世界模型的全面评测框架，由 CVPR 2026 Oral 论文提出。它旨在解决当前驾驶世界模型评估标准单一、缺乏真实世界关★ 256
OpenS2V-NexusOpenS2V-Nexus 是 NeurIPS 2025 D&B 收录的百万级主体到视频生成（Subject-to-Video）基准与数据集项目。它解决当前视频★ 232
LN3DiffLN3Diff 是一个基于扩散模型的文本生成3D物体网格的开源项目，发表于 ECCV 2024。它解决了从文本描述直接生成高质量3D网格的难题，传统方法通常需要★ 229
ChronoMagic-BenchChronoMagic-Bench 是一个用于评估文生视频模型在时间延展与形态变化能力的基准测试集，由 NeurIPS 2024 D&B Spotlight 收★ 214