text-to-image 第 5 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 5 / 6 页）
DMITDMIT 是一个基于 PyTorch 的图像到图像翻译工具，源自 NeurIPS 2019 论文。它通过解耦表征学习，将图像内容与风格分离，从而在多个映射域之间★ 115
FridoFrido 是一个基于特征金字塔扩散模型的图像生成研究项目，源自论文《Frido: Feature Pyramid Diffusion for Complex ★ 114
UniMedVLUniMedVL 是一个面向医疗领域的统一视觉语言模型，旨在同时处理医学图像的理解与生成任务。它通过“观察-知识-分析”框架，将多模态理解（如图像分类、报告生成★ 111
opencode-gpt-imagegen这是一个OpenCode插件，利用ChatGPT订阅或OpenAI API实现图片生成功能。它解决了在代码编辑和命令行工作流中需要快速生成图片的问题，无需切换应★ 109
CHATSCHATS 是一个面向文本到图像生成的开源项目，核心思路是结合人类对齐优化与测试时采样，提升生成图像与文本描述的一致性。它基于 SDXL 和 DPO（直接偏好优★ 109
DSGDSG（Davidsonian Scene Graph）是一个用于文本到图像生成评估的开源项目，发表于ICLR 2024。它针对当前文本到图像模型评估中仅关注整★ 109
sd-interior-designsd-interior-design 是一个基于 Stable Diffusion 的开源室内设计工具，旨在通过文本和图像提示生成保持原始布局的逼真室内设计效果★ 109
claude-bananaclaude-banana 是一个将粗糙想法转化为高质量图像生成提示词的 AI 智能体。它通过 7 组件公式、70 多种创意技巧和 9 种领域模式，帮助用户系统★ 107
PerCoPerCo 是一个基于 PyTorch 的开源图像压缩工具，对应 ICLR 2024 论文《Towards Image Compression with Per★ 106
crumbscrumbs 是一个用 Go 编写的命令行工具，能将缩进式纯文本（以星号标记层级）快速转换为思维导图。它解决的是手动绘制思维导图效率低、工具依赖重的问题，用户只★ 106
SPRIGHTSPRIGHT 是 ECCV 2024 收录的官方 PyTorch 实现，旨在解决文本到图像模型中的空间一致性不足问题。现有模型（如 Stable Diffus★ 106
easydiffusionEasy Diffusion 是一个基于 Jupyter Notebook 的 Stable Diffusion 高级实现，旨在为图像生成提供一套功能丰富的处理★ 102
Interleaving-Reasoning-GenerationInterleaving-Reasoning-Generation 是一个面向文本到图像生成领域的早期探索项目，旨在将交错推理（Interleaving Rea★ 100
Seg2SatSeg2Sat 是一个利用 Stable Diffusion 和 ControlNet 生成合成航拍图像的开源项目。它主要解决遥感领域数据稀缺的问题，通过将语义★ 99
metaai-apimetaai-api 是一个基于 FastAPI 的逆向工程封装项目，旨在为 Meta AI（原 Llama 系列）提供非官方的 API 接口。它通过 Cook★ 97
image-studioimage-studio 是一个基于 TypeScript 的 AI 视觉创作套件，将图解、绘画、编辑和视频生成能力整合到一个统一界面中。它解决的是创作者需要在★ 96
pixelgpt-24x24PixelGPT-24x24 是一个极简的本地文本生成像素画模型，专注于将文字描述直接转换为 24x24 分辨率的像素艺术图像。它解决了传统文生图模型体积大、依★ 95
taganTAGAN 是 NeurIPS 2018 论文《Text-Adaptive Generative Adversarial Networks: Manipulat★ 94
TextAtlasTextAtlas 是一个用于训练和评估模型密集文本图像生成能力的大规模数据集，由 ICML 2026 论文提出。它解决了当前文本到图像模型在生成包含密集、复杂★ 94
CoMPaSSCoMPaSS 是一个针对文本到图像扩散模型的空间理解增强工具，核心解决现有 T2I 模型在复杂空间关系（如“左/右/上/下”及多对象布局）上生成不准确的问题。★ 93
time-diffusiontime-diffusion 是论文《Editing Implicit Assumptions in Text-to-Image Diffusion Model★ 89
awesome-ai-image-models这是一个AI图像生成模型的对比清单，旨在提供最完整、最新的模型比较，涵盖模型、API接口和价格信息。它解决了开发者在选择图像生成模型时信息分散、难以横向对比的问★ 87
stable-diffusion-negative-prompt这是一个用于实验 Stable Diffusion 2.0 负向提示词（negative prompting）的 Jupyter Notebook 集合。负向提★ 86
KoDALLEKoDALLE 是一个面向韩语文本到图像生成的开源项目，基于 OpenAI 的 DALL-E 架构，使用 PyTorch 和 VQGAN 实现。它解决了现有图像★ 86
mj-studiomj-studio 是一个多模型 AI 绘图工作台，旨在统一管理并调用 Midjourney、Gemini、Flux、DALL-E、GPT-4o、Grok、通义★ 86
Key-Locked-Rank-One-Editing-for-Text-to-Image-Personalization这是一个基于PyTorch的论文实现，用于文本到图像个性化生成。它提出了一种名为Key-Locked Rank One Editing的方法，通过锁定扩散模型中★ 84
initnoInitNO 是一个 CVPR 2024 论文的开源实现，旨在通过优化初始噪声来提升文本到图像扩散模型的生成质量。它解决的是扩散模型在采样时因初始噪声随机性导致★ 83
awsome-gpt-image-2-prompts这是一个精选的 GPT Image 2 提示词集合，旨在帮助用户快速上手 OpenAI 最新的图像生成模型。项目收集了多种风格的提示词示例，涵盖写实摄影、3D ★ 83
awesome-stable-diffusion这是一个精选的Stable Diffusion资源列表，旨在整理与Stable Diffusion相关的工具、模型、教程、应用等资源。它解决了Stable Di★ 82
Free-Nano-Banana-Pro-API-Ultimate-AI-Image-Generator这是一个免费开源的AI图像生成API项目，基于Gemini 3.0 Pro（Nano Banana Pro）模型，提供图像生成、照片编辑和视觉创作能力。它解决了★ 81
muapi-comfyuimuapi-comfyui 是 muapi.ai 官方推出的 ComfyUI 自定义节点插件，旨在将 100 多个主流 AI 模型无缝集成到 ComfyUI 工★ 80
HermesFlowHermesFlow 是一个多模态大语言模型（MLLM）项目，旨在弥合视觉理解与生成之间的鸿沟。它通过统一框架同时支持图像到文本（如描述、问答）和文本到图像（如★ 79
SGDiffSGDiff 是一个基于扩散模型的场景图生成图像的开源实现，对应论文《Diffusion-Based Scene Graph to Image Generati★ 78
text-to-image这是一个基于生成对抗网络（GAN）的文本到图像合成项目，旨在将自然语言描述转换为对应的视觉图像。项目实现了条件GAN（conditional GAN）和条件Wa★ 78
VQGAN-CLIP-DockerVQGAN-CLIP-Docker 是一个将 VQGAN 与 CLIP 模型结合并容器化的开源项目，旨在实现零样本（zero-shot）文本到图像的生成。它解决★ 77
guided-diffusion-kerasguided-diffusion-keras 是一个基于 Keras 框架实现的扩散模型库，专注于文本到图像的生成任务。它提供了从零开始构建和训练扩散模型的完整★ 76
fastapi_ml_stablediffusion这是一个将 Stable Diffusion 图像生成模型与 React 前端和 FastAPI 后端结合的演示项目。它解决了开发者快速搭建文本生成图像应用时前★ 75
text2videotext2video 是一个将文本自动转换为视频的开源工具，旨在提升学习内容的吸引力。它通过自然语言处理提取文本中的关键词，利用 AWS Polly 生成语音，★ 72
Sketch-Guided-Stable-Diffusion这是谷歌论文《Sketch-Guided Text-to-Image Diffusion Model》的非官方实现，旨在让用户通过简单草图（如手绘线条）结合文本★ 72
workers-ai-image-playground这是一个基于 Cloudflare Workers AI 的图像生成演示项目，利用 Workers AI 平台提供的强大文本到图像模型（如 Flux）来生成图片★ 70
AGIQA-3k-DatabaseAGIQA-3k-Database 是一个用于AI生成图像质量评估（IQA）的细粒度主观感知与对齐数据库，由IEEE TCSVT 2023论文发布。它针对文本到★ 70
image-gen-mcpimage-gen-mcp 是一个基于 MCP（模型上下文协议）的服务器，将 gpt-image-1 和 Gemini imagen4 模型集成到统一的文本转图★ 70
Image-Text-Papers这是一个精选图像描述与文本生成图像相关论文的列表，旨在为多模态生成领域的研究者提供系统性的文献索引。项目按研究方向分类整理，涵盖图像描述、文本到图像合成、多模态★ 69
Quote2ImageQuote2Image 是一个 Python 库，用于将文字名言转换为图形化图片。它解决了快速生成带格式引文图片的需求，无需手动设计。核心能力包括文本排版、字体★ 69
HiDream_O1-ComfyUIHiDream_O1-ComfyUI 是一个将 HiDream O1 图像生成模型集成到 ComfyUI 中的节点插件，同时支持 LoRA 训练。它解决了 Co★ 69
safe-clipSafe-CLIP 是一个针对视觉-语言模型的安全增强工具，主要解决 CLIP 类模型在图像生成和检索任务中可能生成或检索到 NSFW（不宜工作场所）内容的问题★ 68
flux.swift.cliflux.swift.cli 是一个用 Swift 编写的命令行工具，用于调用 FLUX.1 模型进行文生图。它解决了开发者不想编写复杂 UI 或脚本、希望直接★ 68
color-peelcolor-peel 是一个基于扩散模型的图像生成项目，旨在从形状中解耦出目标颜色，实现颜色与形状概念的分离。它通过生成一系列带有目标颜色的几何形状，并联合学习★ 68
Comfy_HunyuanImage3Comfy_HunyuanImage3 是一个 ComfyUI 自定义节点，让用户能在本地运行腾讯的混元图像生成模型 Hunyuan Image 3。它解决了官★ 67
Symposium2023Symposium2023 是一个用 Pascal 语言编写的多功能 AI 演示项目，整合了语音识别、文本转语音、语言翻译、OAuth2 认证、图像生成、人脸检★ 66