text-to-image 第 2 页
本站收录 276 个带「text-to-image」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 6 页）
AI-Visual-Prompt-CookbookAI-Visual-Prompt-Cookbook 是一个精选的可复用 JSON 提示词模板与风格参考库，专为 AI 图像生成设计。它解决的是提示词工程中重复造★ 794
aphantasiaaphantasia 是一个基于 CLIP 模型的文本生成图像与视频的开源工具。它利用 CLIP 的语义理解能力，结合 FFT（快速傅里叶变换）、DWT（离散小★ 788
Attend-and-ExciteAttend-and-Excite 是 SIGGRAPH 2023 论文的官方实现，针对文本到图像扩散模型（如 Stable Diffusion）在生成时忽略提★ 772
text2arttext2art 是一个基于深度学习的文本生成艺术工具，旨在将文字描述直接转化为多种风格的艺术图像，包括像素画、油画、素描等。它利用 GAN 等生成模型，在 G★ 770
awesome-text-to-image-studies这是一个精选文本到图像生成研究的资源集合，旨在为研究者和开发者提供系统性的学习路径与工具索引。项目整理了扩散模型、自回归模型等主流技术路线下的经典论文、最新进展★ 762
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
stable-diffusion-dockerstable-diffusion-docker 是一个将官方 Stable Diffusion 模型封装进 Docker 容器的项目，旨在简化 Stable D★ 744
stable-diffusion-aesthetic-gradientsstable-diffusion-aesthetic-gradients 是一个基于 Stable Diffusion 的个性化微调工具，通过美学梯度（Aest★ 744
NanoBananaEditorNanoBananaEditor 是一个基于 Gemini 2.5 Flash 图像 API 构建的 AI 图像生成与编辑应用，旨在成为 AI 图像创作的中枢。★ 724
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
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
flash-diffusionFlash Diffusion 是一个加速条件扩散模型推理的开源项目，来自 AAAI 2025 Oral 论文。它通过引入先进的蒸馏技术和架构优化，显著减少扩散★ 667
OneDiffusionOneDiffusion 是 CVPR 2025 论文的官方实现，一个基于扩散模型的统一图像生成与编辑框架。它解决了传统扩散模型只能处理单一任务（如文生图或图生★ 663
cycle-diffusionCycle-Diffusion 是一个基于扩散模型的图像编辑工具，核心思想是在潜在空间中实现源图像与目标图像之间的循环一致性映射，从而支持无需额外训练的图像到图★ 660
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
LiquidLiquid 是一个基于大型语言模型的可扩展统一多模态生成框架，已被 IJCV 接收。它旨在解决传统扩散模型在图像生成中步骤多、速度慢，且难以与语言模型统一的问★ 640
cog-face-to-stickercog-face-to-sticker 是一个基于 Replicate Cog 工具和 ComfyUI 工作流的开源项目，旨在将人脸照片自动转换为卡通贴纸风格图★ 635
blended-latent-diffusionBlended Latent Diffusion 是 SIGGRAPH 2023 论文的官方实现，用于文本驱动的图像局部编辑。它解决的是传统扩散模型在编辑图像时★ 631
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★ 610
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
text-to-image这是一个基于生成对抗网络（GAN）的文本生成图像项目，由知名研究者Scott Reed等人开发，是文本到图像合成领域的早期经典实现。项目解决了从自然语言描述生成★ 599
NomiNomi 是一个开源的 AI 视频工作台，定位为本地优先的桌面应用。它解决的核心问题是：在 AI 视频生成流程中，创作者往往需要在多个工具间切换，且难以对生成结★ 590
semantic-drawSemanticDraw 是 CVPR 2025 论文的官方实现，旨在解决图像扩散模型在交互式内容创作中实时性不足的问题。传统扩散模型生成图像需要多次迭代采样，★ 587
blended-diffusionBlended Diffusion 是 CVPR 2022 论文的官方实现，提出了一种基于扩散模型的文本驱动图像编辑方法。它解决的是传统文本到图像生成模型难以对★ 587
payload-ai为 Payload CMS 打造的强大 AI 插件，将先进的人工智能能力深度集成到内容创作与管理流程中。支持智能内容生成、优化与增强，帮助内容团队大幅提升生产效★ 558
Google-Colab_Notebooks这是一个汇集多种 Google Colab 笔记本的开源项目，专注于图像生成与视频生成领域。项目整合了多个前沿模型和工具，如 ComfyUI 工作流、Flux ★ 553
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
T2FT2F是一个基于深度学习的文本到人脸生成项目，旨在根据自然语言描述直接生成对应的人脸图像。它利用生成对抗网络（GAN）和渐进式增长技术，将文本编码与图像生成结合★ 544
parti-pytorchParti是一个基于纯注意力机制（Transformer）的文本生成图像模型，由Google Research提出。该项目是Parti的PyTorch非官方实现★ 536
storytellerstoryteller 是一个多模态 AI 故事生成器，结合 Stable Diffusion、GPT 和神经文本转语音技术，将文字故事自动转化为图文并茂、带语★ 535
UniTokUniTok 是一个面向视觉生成与理解任务的统一分词器，由 NeurIPS 2025 Spotlight 论文提出。它解决了传统视觉分词器在生成任务（如自回归图★ 535
break-a-sceneBreak-A-Scene 是 SIGGRAPH Asia 2023 论文的官方实现，旨在从单张图像中提取多个概念（如物体、风格），并用于文本到图像的生成。它解★ 524
awesome-aiart-pics-prompts这是一个精选的 AI 图像生成提示词集合，收录了超过 3000 条针对 Gemini Nano Banana Pro 模型的高质量提示词及对应的生成案例。项目旨★ 521
AI-Faceless-Video-GeneratorAI-Faceless-Video-Generator 是一个基于 Jupyter Notebook 的开源工具，旨在通过 AI 全自动生成无脸视频（如短视频、★ 520
Awesome-Controllable-Diffusion这是一个聚焦扩散模型可控生成的精选资源列表，收录了ControlNet、DreamBooth、IP-Adapter等前沿方法的论文与代码。它系统梳理了从结构控制★ 504
LLM-groundedDiffusionLLM-grounded Diffusion（LMD）是一个增强文本到图像扩散模型提示理解能力的开源项目，发表于TMLR 2024。它针对Stable Diff★ 486
LakonLabLakonLab 是一个专注于图像生成的开源项目，官方实现了 AsymFlow、pi-Flow 和 GMFlow 三种流匹配（Flow Matching）模型。★ 477
cli阿里云百炼官方推出的命令行工具，专为AI Agent框架设计。它将百炼平台上的模型调用、搜索、多模态处理和流程编排等能力，封装成结构化的工具调用接口，供Agen★ 475
StyleShotStyleShot 是一个开源的图像风格迁移模型，旨在将任意参考图片的风格迁移到任意内容上，无需针对特定风格进行微调。它解决了传统风格迁移方法需要为每种风格单独★ 473
InstructCVInstructCV 是一个基于指令微调文本到图像扩散模型的视觉通用框架，源自 ICLR 2024 论文。它旨在解决传统视觉模型任务单一、泛化能力弱的问题，通过★ 463
clip-guided-diffusionclip-guided-diffusion 是一个基于 OpenAI CLIP 和扩散模型的文本生成图像工具，提供命令行接口和 Python 模块。它解决了早期★ 459
Ovis-U1Ovis-U1 是一个统一的多模态大语言模型框架，将视觉理解、文生图和图像编辑能力整合到单一模型中。它解决了传统上需要分别部署多个专用模型（如理解模型、生成模型★ 454
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
awesome-qwen-prompt-insight这是一个专注于Qwen系列模型的提示词（Prompt）合集项目，旨在收集和整理高质量、覆盖广泛的Qwen提示词，帮助用户更好地使用Qwen模型进行文本生成、图像★ 434
DALLE-mtfDALLE-mtf 是 OpenAI 官方发布的 DALL·E 模型在 mesh-tensorflow 框架下的实现，用于大规模训练文本生成图像模型。它解决了原★ 429
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
attention-map-diffusers这是一个面向 Hugging Face Diffusers 的注意力图（Attention Map）可视化与分析工具库。它解决了 Stable Diffusio★ 413
Auto1111SDKAuto1111SDK 是一个面向 Automatic1111 WebUI 的 Python SDK 库，旨在为开发者提供简洁、稳定的编程接口来运行先进的扩散模★ 412
MagicBrushMagicBrush 是 NeurIPS 2023 收录的一个用于指令引导图像编辑的手工标注数据集。它解决了现有图像编辑数据集依赖自动生成、指令与编辑结果不匹配★ 412
stable-flowStable Flow 是 CVPR 2025 论文的官方实现，提出一种无需训练的图像编辑方法。它针对扩散模型（如 Stable Diffusion）在编辑时因★ 412