ContextDiff

让AI画图/视频更懂你的文字，语义对齐更精准

ContextDiff 是一个基于扩散模型的文本引导图像与视频生成框架，由南洋理工大学等机构提出，相关论文被 ICLR 2024 接收。它旨在解决现有扩散模型在生成图像和视频时，对文本语义理解不够精准、生成内容与文本描述匹配度不足的问题。其核心能力是引入上下文感知的扩散机制，通过将文本上下文信息动态注入到生成过程的各个阶段，使模型能够更准确地捕捉文本中的关键语义，从而生成更符合文本描述的图像和连续视频片段。项目提供了完整的训练与推理代码，支持自定义数据集，适用于多模态内容创作、虚拟场景构建等场景。目前项目处于早期阶段，代码结构清晰，但文档和社区生态尚待完善。

开源 free 视频生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 74
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类视频生成
开发团队YangLing0818
所属国家
官网地址
GitHubhttps://github.com/YangLing0818/ContextDiff
定价模式free
价格说明开源项目，代码公开，可自行部署使用，无收费信息。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型diffusion-models,multimodal-generation,text-to-image-generation,text-to-video
GitHub 星标★ 74
30天Star增速
HF 下载量
上线时间2024-02-06 00:00:00
最近更新2026-05-28 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2

使用教程

核心亮点

  • ICLR 2024 论文背书，方法有学术创新性
  • 支持图像和视频双模态生成，覆盖场景广
  • 代码开源，可复现论文实验，便于二次开发

不足之处

  • 文档/社区待观察
  • 项目早期，示例和教程较少，上手门槛较高

适用场景

  • 文本生成高精度图像，用于设计稿或插画创作
  • 根据文字脚本生成短视频片段，辅助内容创作
  • 多模态研究，探索上下文感知的扩散模型改进

替代项目

Stable Diffusion、Imagen、VideoFusion

项目介绍

ContextDiff 是开源模型领域的开源项目，由 YangLing0818 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 422 个项目，GitHub 星标数为 74。

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 2026-05-28。代码公开，可自行部署使用，无收费信息。

它主要面向的使用场景是：文本生成高精度图像，用于设计稿或插画创作。同类可对比的替代方案包括 Stable Diffusion、Imagen、VideoFusion。

上一篇：nuwa-pytorch

下一篇：Awesome-Interactive-World-Model

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10