text-to-image 第 3 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 3 / 6 页）
Text-to-Image-Synthesis这是一个基于PyTorch的文本生成图像（Text-to-Image）的GAN实现，对应论文《Generative Adversarial Text-to-Im★ 410
cross-image-attentionCross-Image Attention 是论文《Cross-Image Attention for Zero-Shot Appearance Transfe★ 404
Awesome-Generation-Acceleration这是一个专注于生成模型加速的资源合集，主要收集扩散模型、文本到图像生成等领域的推理加速技术。它解决了生成式AI模型在部署时计算量大、推理速度慢的问题，通过整理高★ 403
diffusers-torchaodiffusers-torchao 是一个专注于扩散模型优化的端到端配方库，由 Hugging Face 和 PyTorch 团队联合维护。它解决的是扩散模型（★ 397
MACEMACE 是一个针对 Stable Diffusion 等扩散模型的概念擦除工具，旨在解决文本生成图像模型可能生成不当内容的问题。它通过微调模型权重，实现同时擦★ 390
CLIP-Guided-Diffusion这是一个将CLIP模型与扩散模型结合，实现文本引导图像生成的实验性项目。它解决了用户需要依赖Google Colab等在线环境才能运行CLIP Guided D★ 385
flux-kreaflux-krea 是 FLUX.1 Krea [dev] 模型的官方 GitHub 仓库，基于扩散模型架构，专注于文本到图像的生成任务。该项目解决了高质量、高★ 369
ai4artistsai4artists 是一个面向 AI 艺术创作者的开源资源聚合清单（awesome-list），旨在系统整理 AI 艺术领域的课程、工具、库、人物与社区。它解★ 365
TCDTCD（Trajectory Consistency Distillation）是一个用于加速扩散模型采样的训练方法，源自同名论文。它通过沿概率流轨迹进行一致性★ 361
T2I-CompBenchT2I-CompBench 是一个用于评估文本到图像生成模型组合能力的基准测试框架，由 NeurIPS 2023 和 TPAMI 论文提出。它解决了现有评估指标★ 348
MeissonicMeissonic 是一个基于掩码生成 Transformer 的高效文本到图像合成模型，由 ICLR 2025 接收。它旨在解决传统自回归图像生成模型推理速度★ 347
FIBOFIBO 是一个开源的文本到图像生成模型，主打 JSON 原生输出，即模型直接生成结构化的 JSON 数据（包含对象、位置、属性等），而非传统像素图。它解决了现★ 345
ChatGPT-MidJourney-prompt这是一个基于ChatGPT的提示词生成工具，专为Midjourney图像创作设计。用户只需输入一个简单的想法或部分描述，它就能自动扩展出完整、详细的Midjou★ 344
AI-Influencer-GeneratorAI-Influencer-Generator 是一个基于 Jupyter Notebook 的开源项目，旨在帮助用户创建和定制虚拟 AI 网红。它利用 Flu★ 331
AlignPropAlignProp 是一个用于对齐大规模文本到图像扩散模型的开源项目，核心思想是直接对奖励函数进行反向传播，以微调 Stable Diffusion 等模型，从★ 329
DF-GANDF-GAN是一个用于文本到图像合成的生成对抗网络模型，发表于CVPR 2022 oral。它针对现有文本生成图像方法中生成器结构复杂、训练不稳定且依赖额外辅助★ 327
e4t-diffusione4t-diffusion 是论文《Encoder-based Domain Tuning for Fast Personalization of Text-t★ 323
stable-diffusion-colabstable-diffusion-colab 是一个基于 Google Colab 的 Jupyter Notebook 项目，专门用于运行 Stable Di★ 323
1Prompt1Story1Prompt1Story 是一个基于扩散模型的文本到图像生成工具，由 ICLR 2025 Spotlight 论文提出。它解决的核心问题是：在生成多张相关图像★ 322
Ovis-ImageOvis-Image 是一个 7B 参数规模的文本到图像生成模型，专注于在严格计算约束下实现高质量的文字渲染。它解决了现有模型在生成图像中文字时经常出现拼写错误★ 318
Disco_Diffusion_LocalDisco_Diffusion_Local 是一个让 Disco Diffusion 在本地运行的配置与教程项目，主要解决原版依赖 Google Colab 在★ 316
MinImagenMinImagen 是一个极简实现的 Imagen 文本到图像生成模型，基于 PyTorch 构建。它旨在用最少的代码复现 Google Imagen 的核心架★ 312
Anti-DreamBoothAnti-DreamBooth 是 ICCV 2023 收录的学术项目，旨在保护用户免受个性化文本到图像合成技术的滥用。随着 DreamBooth 等个性化生成★ 311
ComfyUI_InfiniteYouInfiniteYou 是一个基于 FLUX 的身份保持图像生成与编辑项目，荣获 ICCV 2025 Highlight。它通过 ComfyUI 原生节点集成，★ 300
ai-picture-editorai-picture-editor 是一个面向 AI 编程学习的全栈实战项目，用自然语言驱动图像编辑。它把大模型 Agent 能力与 Canvas 画布结合，用★ 298
FireFlow-Fast-Inversion-of-Rectified-Flow-for-Image-Semantic-EditingFireFlow 是一个针对 FLUX-dev 模型的图像语义编辑加速方案，核心创新在于将传统需要数十步的扩散模型反演和编辑过程压缩至各 8 步，实现约 3 倍★ 296
i1i1 是一个完全开源的文本到图像生成模型配方，由代码和模型权重组成，旨在提供一个简单且可复现的高质量文生图方案。它基于扩散模型架构，使用 JAX 和 PyTor★ 291
LoomicLoomic 是一个开源的 AI 画布设计代理，定位为 Lovart、CapCut Video Studio 和 Canva AI 的替代品。它通过聊天驱动的方★ 287
doubao2apidoubao2api 是一个通过逆向工程将字节跳动旗下豆包（Doubao）的私有接口转换为 OpenAI 兼容 REST 服务的开源项目。它解决了开发者无法直接★ 284
VisualClozeVisualCloze 是一个基于 ICCV 2025 论文的通用图像生成框架，旨在统一多种图像生成任务，并支持泛化到未见过的任务。它通过类似“完形填空”的机制★ 284
Story2BoardStory2Board 是一个无需训练的漫画分镜生成工具，基于扩散模型实现。它解决的是从长文本故事自动生成连贯、富有表现力的分镜序列的问题。核心能力包括：通过文★ 281
SPOSPO（Step-by-step Preference Optimization）是一个CVPR 2025的扩散模型后训练方法，旨在从通用人类偏好中提升文生图模★ 271
Recommendations-Diffusion-Text-Image这是一个聚焦扩散模型在文本与图像生成交叉领域应用的论文合集仓库，系统梳理了近年来扩散模型在视觉文本生成、字体生成、文本擦除、文本图像超分辨率、文本编辑、手写体生★ 270
openjourneyopenjourney 是一个开源的 MidJourney 网页界面克隆项目，基于 Google Gemini SDK 实现真实的 AI 图像与视频生成能力。它★ 269
ReNoise-InversionReNoise-Inversion 是论文《ReNoise: Real Image Inversion Through Iterative Noising》的官★ 264
SiloSilo 是一个纯前端实现的多模型对话助手，无需服务器即可同时接入 OpenAI、Claude、SiliconFlow 等多家大模型 API，支持多模型同屏对比★ 256
ConceptLabConceptLab 是论文《ConceptLab: Creative Generation using Diffusion Prior Constraints★ 255
GALIPGALIP 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★ 251
FreeFuseFreeFuse 是一个用于多主体 LoRA 融合的图像生成工具，解决在测试时（推理阶段）将多个 LoRA 模型动态组合到单个图像生成中的问题。它基于自适应 t★ 246
CFGppCFGpp 是 ICLR2025 论文《CFG++: manifold-constrained classifier free guidance for dif★ 245
perfusion-pytorchperfusion-pytorch 是 NVIDIA AI 提出的 Key-Locked Rank One Editing 方法的非官方 PyTorch 实现，★ 238
gpt-image-2.5-for-e-commerce这是一个面向电商场景的 GPT Image 2.5 提示词手册（prompt cookbook），核心是把图像生成模型用在商品图生产上。它解决的是电商卖家、设计★ 234
Stable-Diffusion-Latent-Space-ExplorerStable-Diffusion-Latent-Space-Explorer 是一个基于 diffusers 库的 Stable Diffusion 实验工具箱★ 229
zenith-image-generatorZenith Image Generator 是一个现代 AI 图像生成工具，支持多提供商（Gitee AI、HuggingFace、ModelScope），提★ 225
ComfyUI-fal-APIComfyUI-fal-API 是一个将 fal.ai 平台 1400+ 生成式 AI 模型接入 ComfyUI 的官方自定义节点插件。它解决了 ComfyUI★ 225
flow-agentflow-agent 是一个面向 Google Flow 的 CLI 工具包，旨在通过命令行简化 Nano Banana Pro 图像生成、Omni Flash★ 223
texel-studiotexel-studio 是一个基于 AI 的像素画创作智能体，它摒弃了常见的扩散模型生成方式，转而采用工具驱动的绘画流程，模拟真实艺术家的创作过程。该项目解决★ 222
MooshieUIMooshieUI 是一个面向 ComfyUI 的桌面前端界面，专为初学者设计。它解决了 ComfyUI 原生节点式界面复杂难懂的问题，将底层工作流封装成直观的★ 217
AsyncDiffAsyncDiff 是一个针对扩散模型（Diffusion Models）的推理加速工具，核心思想是通过异步去噪（Asynchronous Denoising）★ 215
arbitrary-text-to-image-papers这是一个持续更新的论文列表，系统梳理了任意文本到图像生成领域的学术资源。项目按技术路线分类整理，涵盖基于GAN、场景图、对话交互等不同范式的论文，并为每篇论文附★ 210