text-to-image 第 4 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 4 / 6 页）
pictexPicTex 是一个基于 Python 的图像生成库，它利用 CSS Flexbox 布局引擎（通过 Taffy 实现）来高效地创建图像。它解决了传统图像生成库★ 210
ComfyUI-MiniMax-H3-Image-Studio这是一个为 ComfyUI 打造的图像生成插件节点包，专门对接 MiniMax H3 的静态图像生成能力，并整合了参考图编辑与 Qwen 细节精修流程。它解决的★ 208
Awesome-Style-Transfer-with-Diffusion-Models这是一个精选资源列表，汇集了基于扩散模型的风格迁移方法。它解决了传统风格迁移方法在复杂纹理和结构保持上的不足，以及扩散模型在风格化应用中缺乏系统整理的问题。项目★ 204
IterCompIterComp 是一个面向文本到图像生成的开源框架，核心解决复杂组合生成问题（如多物体、属性绑定、空间关系等）。它提出迭代组合感知反馈学习方法，从模型库中收集★ 203
Anything2ImageAnything2Image 是一个基于 ImageBind 和 Stable Diffusion 的图像生成工具，能够将文本、音频、图像等多种模态的输入统一转★ 201
tifaTIFA 是一个用于评估文本到图像生成模型忠实度的开源工具，由微软研究院开发。它通过将输入文本提示分解为若干原子问题，并利用视觉问答（VQA）模型对生成的图像进★ 191
iris-3bIris-3B 是一个 30 亿参数的扩散 Transformer 模型，最大特点是直接在像素空间生成图像，不依赖 VAE 编码器，从而避免了重建损失和模糊问题★ 190
SINESINE 是 CVPR 2023 收录的论文官方实现，专注于单张图像编辑任务。它利用文本到图像扩散模型（如 Stable Diffusion）的能力，仅凭一张输★ 189
Handwriting-simulatorHandwriting-simulator 是一个将普通文本转换为逼真手写体图片的开源工具。它解决了需要快速生成个性化手写内容（如笔记、信件、卡片）但又不便手写★ 185
qwen-image-2.1-skillqwen-image-2.1-skill 是一个面向 Qwen-Image-2.1 图像生成模型的 Agent 技能包，核心解决的是「用户不会写提示词」的问题。★ 183
hyperdreamboothHyperDreamBooth 是论文《HyperDreamBooth: HyperNetworks for Fast Personalization of T★ 175
LLM-groundedVideoDiffusionLLM-grounded Video Diffusion (LVD) 是 ICLR 2024 的官方实现，旨在解决文本到视频生成中语义对齐和时序一致性问题。它利★ 173
custom-diffusion360CustomDiffusion360 是一个基于 Stable Diffusion 的文本生成图像定制化扩展项目，核心解决现有定制化模型（如 DreamBoot★ 173
StyleStudioStyleStudio 是 CVPR 2025 的官方实现，专注于文本驱动的风格迁移，并允许对风格元素进行选择性控制。它解决传统风格迁移中风格与内容耦合、难以精★ 172
SyncDiffusionSyncDiffusion是NeurIPS 2023的官方实现，旨在解决扩散模型生成全景图时常见的拼接不连贯问题。它通过引入梯度同步机制，在去噪过程中动态调整各★ 170
ReNOReNO 是一个针对一步式文本到图像生成模型的推理时优化框架，源自 NeurIPS 2024 论文。它通过基于奖励的噪声优化，在无需额外训练的情况下，显著提升一★ 167
AnomagicAnomagic 是一个面向工业异常检测的零样本异常图像生成框架，对应 AAAI 2026 论文的官方实现。它解决的是工业场景中异常样本稀缺、难以收集的问题，通★ 161
Mobile-OMobile-O 是一个面向移动设备的统一多模态理解与生成框架，旨在让手机端也能高效运行图像理解、图像编辑和文本生成图像等任务。它解决的是大模型在资源受限设备上★ 160
Portable-DiffusionPortable-Diffusion 是一个已弃用的本地 AI 图像生成工具，旨在提供零配置的本地 Stable Diffusion 使用体验。它主要解决用户在★ 157
syncdSynCD 是一个用于文本到图像定制化（Text-to-Image Customization）的合成数据生成工具，源自 ICCV 2025 论文。它解决的是个★ 156
WatermarkDMWatermarkDM 是论文《A Recipe for Watermarking Diffusion Models》的官方代码实现，专注于为扩散模型生成的图像★ 155
RIVALRIVAL 是一个基于扩散模型的图像变体生成工具，来自 NeurIPS 2023 Spotlight 论文。它解决的是真实世界图像在保持内容结构的同时进行风格或★ 155
DiffusionARTDiffusionART 是扩散模型强化学习后训练的官方实现，对应论文《DiffusionART: Efficient, Stable and Scalable★ 154
clip-genCLIP-GEN 是一个基于 CLIP 的文本生成图像模型，核心创新在于无需语言标注训练。传统文本到图像模型依赖大量图文配对数据，而 CLIP-GEN 利用 C★ 149
image-prompt-library这是一个本地优先的图像提示词库工具，用 Python 和 FastAPI 构建。它主要解决 AI 图像生成中提示词管理混乱、难以复用和整理的问题。核心能力包括：★ 147
sdxl-koalasdxl-koala 是 NeurIPS 2024 收录的关于文本到图像扩散模型内存效率与速度优化的开源项目。它针对 SDXL 这类大型扩散模型在推理时显存占用★ 147
awesome-flux-3-api-prompts这是一个面向 Black Forest Labs FLUX 3 模型的 API 使用指南与提示词合集。FLUX 3 是统一的多模态生成模型，支持文生视频、图生视★ 147
MLDS2018SPRINGMLDS2018SPRING 是台湾大学李宏毅教授2018年春季《机器学习及其深层次与结构化》课程的公开资料库，包含课程讲义、作业代码和项目示例。项目主要面向深★ 146
grok-image-apigrok-image-api 是一个面向 Grok Imagine 1.5 图像生成能力的开源 API 封装与文档项目，用 Python 实现。它把 xAI 的★ 145
ark-cliark-cli 是一个面向火山引擎方舟（Volcengine Ark）平台的命令行工具，旨在让开发者通过终端或 AI 智能体快速调用大模型能力。它解决了传统 A★ 144
Stellar-ChatStellar-Chat 是一个基于 C# 和 Blazor 的多模态聊天应用，旨在提供一个统一的 AI 对话与创作平台。它允许用户创建自定义智能体（Agent★ 144
ChatGPT-Simple-Tutorial-Image-Text-Code-Generation这是一个面向初学者的 ChatGPT 简易教程项目，专注于演示如何利用 ChatGPT 生成图像、文本和代码，并探讨其局限性。项目以 Python 为基础，通过★ 143
DallEvalDallEval 是一个用于评估文本到图像生成模型的推理能力与社会偏见的开源项目，源自 ICCV 2023 论文。它提供了系统的评估框架和工具，帮助研究者和开发★ 141
EditWorldEditWorld 是一个用于指令跟随图像编辑的世界动态模拟数据集与基准，由 ACM Multimedia 2025 接收。它解决了现有图像编辑数据集缺乏动态世★ 140
feed_forward_vqgan_clip这是一个前馈式VQGAN-CLIP模型，旨在解决传统文本生成图像方法中需要针对每个输入提示词反复优化VQGAN潜空间的问题。传统方法（如VQGAN-CLIP）在★ 140
openai-compatible-api-migration-kit这是一个面向 AI API 网关迁移场景的 Python 工具包，核心目标是让开发者把工作负载从 OpenAI 兼容接口平滑迁移到其他网关（如 APIMart ★ 139
SafeGen_CCS2024SafeGen 是发表于 CCS 2024 的学术项目，旨在缓解文本到图像模型生成不安全内容的问题。它针对当前扩散模型在生成图像时可能产生暴力、色情等违规内容的★ 138
TokenComposeTokenCompose 是一个基于扩散模型的文本到图像生成方法，核心创新在于引入 token 级别的监督信号，以解决多物体组合生成中常见的问题，如物体遗漏、属★ 138
TrustEval-toolkitTrustEval-toolkit 是一个用于评估生成式基础模型可信度的开源工具包和基准测试集，相关论文已被 ICLR'26 和 NAACL'25 Demo 接★ 136
grok-imagine-apigrok-imagine-api 是一个围绕 Grok Imagine 图像生成与编辑能力的 Python 接口指南项目，主要帮助开发者快速接入 grok-im★ 134
flux-ai-image-webui这是一个基于TypeScript构建的Flux AI图像生成Web界面，旨在为Flux模型提供一个直观、易用的前端交互层。它解决了直接调用Flux API或模型★ 133
MirrorGANMirrorGAN是一个基于PyTorch的文本生成图像（Text-to-Image）开源实现，核心思想是通过“镜像”机制提升生成图像与文本描述的语义一致性。它★ 132
AnyControlAnyControl是一个基于扩散模型的图像生成框架，由ECCV 2024论文提出，核心解决多条件控制图像生成中控制信号冲突与融合难的问题。它支持用户同时输入多★ 132
DiffuseKronADiffuseKronA 是一种面向个性化扩散模型的参数高效微调方法。它针对文本到图像生成中，用户希望用少量图片微调模型以生成特定主体（如宠物、物品）的需求，解★ 131
BokehDiffusionBokehDiffusion 是 SIGGRAPH Asia 2025 的官方实现，旨在解决文本到图像扩散模型中的散景模糊控制问题。它允许用户通过文本提示精确控★ 130
CanvasCanvas 是一款专为 Mac 打造的 DALL·E 图像生成客户端，本质上是 OpenAI 图像生成模型的本地游乐场。它解决了 Mac 用户在使用 DALL★ 128
z-image-studioz-image-studio 是一个围绕阿里通义 Z-Image-Turbo 文生图模型打造的多形态工具集，提供命令行、Web 界面和 MCP 服务器三种使用方★ 128
unified-generative-zoounified-generative-zoo 是一个基于 PyTorch 的统一生成模型代码库，收录了扩散模型、GAN、基于分数的生成模型等主流方法，并支持 3★ 123
cf-flux-remixcf-flux-remix 是一个基于 Cloudflare Workers 和 Workers AI 的免费文本生成图像项目，使用 FLUX.1 模型。它解决★ 120
SenseFlowSenseFlow 是一个基于流匹配的文本到图像扩散模型蒸馏框架，旨在解决扩散模型采样速度慢的问题。它通过分布匹配技术，将复杂的教师模型（如 Stable Di★ 117