story-iter

免训练迭代框架，让长故事图像生成角色不崩、情节连贯。

story-iter 是一个面向长故事可视化的训练免框架，发表于 ICLR 2026。它解决了现有故事可视化方法在生成长序列图像时角色一致性差、情节连贯性弱的问题。核心能力包括：无需额外训练，直接基于预训练扩散模型迭代生成；通过迭代机制逐步细化图像，确保跨帧角色外观和场景风格统一；支持任意长度故事的自适应扩展。该框架强调即插即用，可无缝集成到现有图像生成流程中，为视觉叙事、漫画生成和交互式故事创作提供高效解决方案。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 959

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队UCSC-VLAA

所属国家

官网地址https://jwmao1.github.io/storyiter

GitHubhttps://github.com/UCSC-VLAA/story-iter

定价模式free

价格说明开源项目，MIT许可证，提供在线演示页面，完全免费使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型diffusion-models,generative-art,generative-model,image-generation,storytelling,visual-storytelling

GitHub 星标★ 959

30天Star增速

HF 下载量

上线时间2024-08-10 00:00:00

最近更新2026-09-13 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

无需训练，直接利用现有扩散模型，部署成本低
迭代机制有效提升长序列生成的角色一致性和情节连贯性
支持任意长度故事，扩展性强，适配多样化叙事需求

不足之处

迭代生成可能增加推理时间，影响实时性
对预训练模型依赖度高，模型能力上限决定生成质量

适用场景

长篇漫画或绘本的自动插图生成
电影分镜脚本的可视化预览
交互式故事创作中的动态场景生成

替代项目

StoryGAN、PororoSV、AR-LDM

项目介绍

story-iter 是图像领域的开源项目，由 UCSC-VLAA 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（959）位列前 30%，在图像分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-13。MIT许可证，提供在线演示页面，完全免费使用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：长篇漫画或绘本的自动插图生成。同类可对比的替代方案包括 StoryGAN、PororoSV、AR-LDM。

上一篇：FireRed-Image-Edit

下一篇：VINE