#text-to-image Repositories
Insgesamt 123 Repositories
WebAI2API: Tool zur Umwandlung von Web-AI in API basierend auf Camoufox, unterstützt LMArena/Gemini u.a., Multi-Fenster-Konkurrenz & Konto-Isolierung. | Web AI to OpenAI API via Camoufox. Supports LMArena/Gemini and more, multi-window concurrency & account isolation.
[ICCV 2025] 🔥🔥 UNO: Eine universelle Anpassungsmethode für die Konditionierung von Einzel- und Mehrfachelementen
Verwandle jedes Gesicht in einen Videospielcharakter, Pixel-Art, Knetanimation, 3D oder Spielzeug
Offline-Inferenz-Engine für Kunst, Echtzeit-Sprachgespräche, LLM-gestützte Chatbots und automatisierte Workflows
ELLA: Ausstattungsdiffusionsmodelle mit LLM für verbesserte semantische Ausrichtung
Dieser Knoten wurde entwickelt, um KI-Bildkünstlern bei der Erstellung von Prompts für menschliche Porträts zu helfen.
Eine Sammlung von Ressourcen zur steuerbaren Generierung mit Text-zu-Bild-Diffusionsmodellen.
Über 660 von muapi gehostete generative Medienmodelle sowie von der Community eingereichte API-Tools von Drittanbietern (SEO, Datenanreicherung, soziale Medien, Scraping) — eine YAML-Datei pro Eintrag, nach Funktionen durchsuchbar.
Scenario für Blender: KI-Bilder, Videos, 3D und PBR-Materialien im Ansichtsfenster sowie ein lokaler MCP-Server für Agenten. Erweiterung für Blender 5.0 oder höher, lizenziert unter GPL-3.0 oder später.
Ich habe die offizielle API für die Text-zu-Bild- und Bild-zu-Bild-Funktionen von Jimeng/Dreamina reverse-engineered. Ich habe mich von mehreren Expertenprojekten inspirieren lassen und einige Anpassungen vorgenommen, die die Stabilität deutlich verbessert hat.
Implementierung von Muse: Text-zu-Bild-Generierung über maskierte generative Transformer in Pytorch
Automatischer Video-Generator, der bei Angabe eines Themas automatisch erklärende Videos erstellt. Der Benutzer gibt einen Thema-Text ein, das System ruft ein großes Sprachmodell auf, um eine Story oder einen erklärenden Text zu generieren, ruft dann weiter eine Sprachsyntheseschnittstelle auf, um die erklärende Stimme zu erzeugen, ruft eine Text-zu-Bild-Schnittstelle auf, um Begleitbilder zu generieren, die zum Textinhalt passen, und fusioniert schließlich die Stimme und die Begleitbilder, um ein erklärendes Video zu erstellen.
Plug-and-play-JSON-Stil-Prompts für Nano Banana Pro, GPT Image und Midjourney. Kopiere eine style.json-Datei und erziele einen einheitlichen Look. Jede Woche neue Stile.
Das am einfachsten zu verstehende Tutorial zur Verwendung von LoRA (Low-Rank Adaptation) im Diffusers-Framework für AI-Generierungsforscher🔥
[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Offizielle Implementierung)
Die umfassendste Online-Sammlung von Nano-Banana-Pro-Prompts (Gemini 3 Pro Image): über 908 Beispiele mit Beispielbildern und einer Online-Bildergalerie | Die besten Nano-Banana-Pro-Prompts mit Bildern
Über 50 Open-Source-Apps für generative KI, die du klonen, bereitstellen und monetarisieren kannst – Bildgeneratoren, Videotools, virtuelle Anproben, KI-SaaS-Vorlagen und Plattformintegrationen. Jede Vorlage lässt sich mit einem Klick auf Vercel bereitstellen.
[TMLR 2025🔥] Eine Übersicht über autoregressive Modelle in der Bildverarbeitung.
Eine Sammlung beeindruckender Text-zu-Bild-Generierungsstudien.
Offizielle Implementierung für „Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models“ (SIGGRAPH 2023)
Die fortschrittlichste Nano-Banana-Anwendung zur Bildgenerierung und -bearbeitung. Ihre zentrale Anlaufstelle für die KI-gestützte Erstellung und Überarbeitung von Bildern. Die intuitive Benutzeroberfläche bietet Referenzbilder, Bearbeitung mit Bildmasken, Versionsverlauf und vieles mehr. Unterstützt durch die Gemini-Flash-Bilder-API.
Paddle Multimodal Integration and eXploration, unterstützt Mainstream-multimodale Aufgaben, einschließlich End-to-End-Large-Scale-multimodaler Vortrainingsmodelle und Diffusion-Model-Toolbox. Ausgestattet mit hoher Leistung und Flexibilität.
Cosmos-Predict2 ist eine Sammlung von universellen Weltgrundlagenmodellen für Physical AI, die zu angepassten Weltmodellen für nachgelagerte Anwendungen feinabgestimmt werden können.
HunyuanImage-2.1: Ein effizientes Diffusionsmodell für hochauflösende (2K) Text-zu-Bild-Generierung
Flash Diffusion — Beschleunigung konditionaler Diffusionsmodelle (AAAI 2025 Oral)
Open-Source-KI-Videoworkbench. Bringe ein beliebiges Modell oder dein lokales ComfyUI mit und lass Claude Code / Codex / Cursor es über MCP regieren — Storyboard, Referenzen, Generierung, ein bearbeitbarer erster Schnitt auf einer echten Timeline. Local-first: Projekte, Prompts und Keys bleiben auf deinem Rechner. Kein Konto, keine Telemetrie.
Eine sd-webui-Erweiterung zur Verwendung von DanTagGen zum "Upsampling von Prompts".
(Akzeptiert von IJCV)Liquid: Sprachmodelle sind skalierbare und vereinheitlichte multimodale Generatoren
Stable Diffusion: webui automatic1111 kostenloser Download, comfyui Einrichtungsanleitung, sdxl Checkpoint safetensors, lora Modell civitai, controlnet Erweiterung github. SD WebUI Forge Launcher, Optimierung für geringen VRAM, xformers Befehlszeilenargumente, Fehlerbehebung für python torch cuda, Lösung bei Speichermangel, txt2img img2img, Inpainting, realesrgan Upscaler, lokale PC-Installation
Offizielle Implementierung für "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Dies ist ein offizieller Inferenzcode für die Paper "Glyph-ByT5: Ein angepasster Text-Encoder für präzises visuelles Text-Rendering" und "Glyph-ByT5-v2: Eine starke ästhetische Baseline für präzises mehrsprachiges visuelles Text-Rendering""