image-generation
本站收录 607 个带「image-generation」标签的 AI 开源项目（按 GitHub 星标从高到低，此处展示前 50 个）
stable-diffusion-webui最流行的 Stable Diffusion Web UI，通过浏览器界面运行 SD 模型，支持文生图、图生图、超分辨率、蒙版重绘等丰富功能与庞大的扩展生态，是 ★ 165,151
unsloth本地运行与训练文本、扩散模型的 UI 工具，支持 Kimi、Gemma、Qwen3.6、DeepSeek-V4、FLUX 等最新模型，让个人开发者也能轻松微调与★ 77,026
OpenMontage全球首个开源的智能体视频制作系统，提供 12 条生产流水线、100 余种工具以及 700 多个智能体技能与制作知识文件。可将 AI 编程助手转化为完整的视频生产★ 61,862
LocalAI开源的本地 AI 推理引擎，无需 GPU 即可在任何硬件上运行 LLM、视觉、语音、图像与视频等多种模型，兼容 OpenAI API 接口，是构建私有化 AI ★ 49,323
khoj可自托管的 AI 第二大脑，支持联网搜索与本地文档问答，能构建自定义智能体、定时自动化任务并进行深度研究。可将 GPT、Claude、Gemini、Llama、★ 37,537
diffusersHugging Face 官方出品的扩散模型工具库，基于 PyTorch，提供图像、视频、音频生成领域最先进的扩散模型，接口统一、开箱即用，是研究与生产环境中最★ 34,633
Pixelle-Video主打全自动化的 AI 短视频引擎，输入创意即可自动完成脚本、画面与剪辑，大幅降低短视频制作门槛，帮助个人创作者与团队批量、高效地产出高质量短视频内容。★ 28,519
InvokeAI面向 Stable Diffusion 模型的领先创意引擎，服务专业设计师、艺术家与爱好者，提供业界一流的 WebUI 与最新的 AI 视觉生成技术，让从灵感到★ 28,313
guizang-ppt-skillAI 智能体技能：一键生成精美 HTML 幻灯片，支持杂志风编辑版式与瑞士风格设计、图像提示词、社交媒体封面，并内置 WebGL/低功耗演示运行环境。★ 27,096
pytorch-CycleGAN-and-pix2pixPyTorch 实现的经典图像到图像转换框架，包含 pix2pix 与 CycleGAN 两大模型，支持风格迁移、图像修复、超分辨率等任务，是学习与复现 GAN★ 25,254
Toonflow-app开源的一站式 AI 短剧创作工具，可将小说、剧本快速转化为动画短剧，集成 AI 编剧、智能分镜、角色与视频生成等能力，跨平台桌面端轻量部署，助力创作者低成本批量★ 16,224
stable-diffusion-webui-colabstable-diffusion-webui-colab 是一个基于 Google Colab 的 Stable Diffusion WebUI 一键部署方案。★ 15,915
satoriVercel 开源的高性能 HTML/CSS 转 SVG 渲染库，无需浏览器即可在服务端将网页元素渲染为矢量图，常用于生成社交媒体卡片、OG 封面与自定义图片，★ 13,991
awesome-nano-banana-pro-prompts这是一个专门为 Google Gemini 图像生成模型（Nano Banana Pro）打造的开源提示词库，号称全球最大，收录了超过 10,000 条精选提示★ 13,515
CycleGAN经典无监督图像风格迁移框架，无需成对数据即可实现照片转绘画、马变斑马等趣味效果，广泛应用于风格迁移与图像翻译领域，是计算机视觉领域教科书级的开源项目。★ 12,876
KrillinAIKrillinAI 是一个基于大语言模型的 AI 视频翻译与配音工具，面向个人用户和 AI Agent 提供完整的视频本地化流水线，涵盖下载、转录、翻译、TTS★ 12,511
ian-xiaohei-illustrations专为中文内容打造的小黑怪诞风格正文配图生成技能，输出 16:9 白底手绘风格图片，辅以少量红橙蓝批注，适合 Codex 等 AI 编程助手一键调用，为文章快速配★ 12,223
pix2pix基于条件对抗网络的开创性图像到图像翻译模型，只需成对数据即可实现线稿上色、语义图转照片、街景转换等任务，是 pix2pix 家族的奠基之作，对后续研究影响深远。★ 10,662
awesome-gpt-image-2这是全球最大的 GPT Image 2 提示词库，每日更新，收录超过 2000 条精选提示词，每条都附带预览图，支持 16 种语言。项目旨在解决用户在使用 Op★ 9,975
neural-doodle基于深度神经网络与语义风格迁移的涂鸦作画工具，可将简单涂鸦变成精致画作，支持照片无缝纹理生成、图像风格迁移与样例放大，趣味性与实用性兼备。★ 9,851
VARNeurIPS 2024 最佳论文奖的官方实现，提出视觉自回归建模（VAR），通过下一尺度预测生成图像，以超简单易用的方式达到超越扩散模型的最新效果，并揭示了视★ 8,733
dream-textures将 Stable Diffusion 直接集成进 Blender 的插件，无需离开建模软件即可生成纹理、材质与贴图，支持文生图、图生图与深度图引导，是 3D 艺★ 8,210
awesome-gpt4o-images这是一个精选的GPT-4o及gpt-image-1生成图像与提示词的集合仓库，旨在展示OpenAI最新图像生成能力。项目收集了包括吉卜力风格、动漫、卡通等多种风★ 8,157
PaddleGAN飞桨 PaddlePaddle 官方 GAN 库，汇集人脸动画驱动、Wav2Lip 口型合成、图片修复、照片转卡通、风格迁移、GPEN 人脸增强等众多实用应用，★ 8,045
mmagicOpenMMLab 推出的多模态生成智能创作工具箱，提供开箱即用的 AIGC 能力、易用 API 与丰富模型库，涵盖文生图、图像/视频修复与增强等任务，是搭建生★ 7,470
stable-diffusion.cpp纯 C/C++ 实现的扩散模型推理库，无需 Python 环境即可运行 SD、Flux、Wan、Qwen Image、Z-Image 等主流模型，性能卓越、部署★ 7,469
guizang-social-card-skill面向 Claude Code / Codex 的社媒卡片生成技能，可一键产出小红书图文及微信公众号 21:9+1:1 封面组合，内置编辑设计 × 瑞士视觉体系、★ 7,304
vllm-omni面向全模态模型的统一高效推理框架，支持文本、图像、视频、音频等多种模态的高性能推理，延续 vLLM 的工程优势，为多模态大模型应用提供稳定快速的部署方案。★ 7,135
ip-as-logo-skill这是一个为 AI 编程助手（如 Codex）设计的技能包，用于生成高度简化、圆润、带有微妙新拟物风格的 IP 吉祥物 Logo。它解决了非专业设计师在需要快速产★ 5,682
GPT-Image2-SkillGPT-Image2-Skill 是一个围绕 OpenAI GPT Image 2 模型打造的开源工具集，集提示词画廊、提示词库、Agent 技能和命令行工具于★ 5,599
multidiffusion-upscaler-for-automatic1111Stable Diffusion WebUI 的高效放大扩展，通过 Tiled Diffusion 分块处理与 VAE 优化，在显存受限的情况下也能生成高分辨率★ 4,995
StableSwarmUIStability AI 推出的模块化 Stable Diffusion Web 界面，将 ComfyUI 等强力工具无缝整合，强调高性能、易扩展与强大工具的无★ 4,947
DragGANDragGAN 全功能开源实现，支持通过拖拽点交互式操控生成图像，在线 Demo 与本地部署均可使用，代码、模型全部开源，兼容 Windows、macOS、Li★ 4,944
SwarmUISwarmUI 是一个模块化的 Stable Diffusion 网页用户界面，前身为 StableSwarmUI。它致力于将 Stable Diffusion★ 4,618
snappySnappy 是一个 PHP 库，用于将 URL 或 HTML 页面转换为缩略图、快照或 PDF 文件。它本质上是 wkhtmltopdf 和 wkhtmlto★ 4,475
OmniGenOmniGen 是一个统一图像生成框架，基于扩散模型，通过单一模型实现文生图、图像编辑、多图融合、角色一致性生成等多种任务，无需额外模块或复杂pipeline。★ 4,345
AnyDoorAnyDoor 是一个零样本（zero-shot）物体级图像定制工具，基于论文《Anydoor: zero-shot object-level image cu★ 4,241
Image-Super-Resolution-via-Iterative-Refinement这是一个基于扩散概率模型（DDPM）的图像超分辨率非官方实现，源自论文《Image Super-Resolution via Iterative Refinem★ 3,924
gpt_image_playgroundgpt_image_playground 是一个基于 OpenAI gpt-image-2 API 的图片生成与编辑工具，采用 TypeScript 和 Rea★ 3,807
Gemini-APIGemini-API 是一个通过逆向工程实现的 Python 库，用于非官方访问 Google Gemini 网页应用的功能。它解决了官方 API 未开放或使用★ 3,544
awesome-generative-ai-apps这是一个精选的开源生成式 AI 应用合集，收录了 50 多个可直接克隆、部署并商业化的项目，涵盖图像生成、视频工具、虚拟试穿、AI SaaS 模板及平台集成等类★ 3,347
mono-color-skillmono-color-skill 是一个面向 AI 智能体的技能包，专门用于生成单色编辑风格的印刷图像。它解决的是 AI 图像生成中风格不统一、缺乏设计感的问题★ 3,306
HunyuanImage-3.0HunyuanImage-3.0 是腾讯开源的图像生成模型，定位为原生多模态模型，不仅支持文生图，还具备多模态理解与编辑能力。它解决传统扩散模型在语义理解、多轮★ 3,279
Dreambooth-Stable-DiffusionDreambooth-Stable-Diffusion 是一个基于 Stable Diffusion 的模型微调工具，通过结合 Dreambooth 和 Tex★ 3,212
takumitakumi 是一个用 Rust 编写的开源工具，用于从 JSX、HTML 和 CSS 渲染 Open Graph 图片和分页 PDF。它解决了传统方案依赖无头★ 3,053
pwa-asset-generatorpwa-asset-generator 是一个自动化生成 PWA（渐进式 Web 应用）所需图标的命令行工具。它解决开发者手动制作多尺寸图标、启动屏和 favi★ 3,037
Kandinsky-2Kandinsky-2 是一个多语言文本生成图像（text2image）的潜在扩散模型，由俄罗斯团队开发。它解决了现有文本到图像模型对英文支持良好但多语言能力不★ 2,811
InfiniteYouInfiniteYou 是一个基于扩散模型的图像生成与编辑工具，核心解决身份保持下的灵活照片重绘问题。它允许用户在不丢失人物身份特征的前提下，对照片进行多种编辑★ 2,683
contrastive-unpaired-translationCUT（Contrastive Unpaired Translation）是一个基于对比学习的无配对图像到图像翻译框架，由Taesung Park等人于ECCV★ 2,556
Awesome-Text-to-ImageAwesome-Text-to-Image 是一个聚焦文本到图像生成/合成领域的精选资源列表，旨在系统梳理该方向的研究进展、关键技术和开源工具。它解决了研究人员★ 2,447