#text-to-image Repositorios
123 repositorios en total
WebAI2API: Herramienta de conversión de IA web a API basada en Camoufox, soporta LMArena/Gemini y más, concurrencia multi-ventana e aislamiento de cuentas. | Web AI to OpenAI API via Camoufox. Supports LMArena/Gemini and more, multi-window concurrency & account isolation.
[ICCV 2025] 🔥🔥 UNO: Un método de personalización universal para el condicionamiento de sujetos únicos y múltiples
Convierte cualquier rostro en un personaje de videojuego, pixel art, stop motion, 3D o juguete
Motor de inferencia sin conexión para arte, conversaciones de voz en tiempo real, chatbots impulsados por LLM y flujos de trabajo automatizados
ELLA: Equipar modelos de difusión con LLM para una mejor alineación semántica
Este nodo fue diseñado para ayudar a los creadores de imágenes de IA a generar indicaciones para retratos humanos.
Una colección de recursos sobre generación controlable con modelos de difusión de texto a imagen.
Más de 660 modelos de medios generativos alojados en muapi, además de herramientas de API de terceros enviadas por la comunidad (SEO, enriquecimiento, redes sociales, scraping): un archivo YAML por entrada, con navegación por capacidades.
Scenario para Blender: imágenes, vídeo, 3D y materiales PBR con IA en la vista 3D, además de un servidor MCP local para agentes. Extensión para Blender 5.0 o posterior, con licencia GPL-3.0 o posterior.
He reverse-engineered la API oficial de Jimeng/Dreamina para las funciones de texto a imagen y imagen a imagen. Me inspiré en varios proyectos de expertos y realicé algunos ajustes, lo cual mejoró significativamente la estabilidad.
Repara arte pixelado e imágenes vectoriales de IA directamente en tu navegador
Implementación de Muse: Generación de texto a imagen a través de transformadores generativos enmascarados en Pytorch
Generador automático de video que genera videos explicativos dado un tema. El usuario ingresa el texto del tema, el sistema llama a un modelo de lenguaje grande para generar una historia o un texto explicativo, luego llama a una interfaz de síntesis de voz para generar la voz explicativa, llama a una interfaz de texto a imagen para generar imágenes de acompañamiento que coincidan con el contenido del texto, y finalmente fusiona la voz y las imágenes de acompañamiento para crear un video explicativo.
Prompts de estilo JSON listos para usar en Nano Banana Pro, GPT Image y Midjourney. Copia un archivo style.json y consigue un aspecto uniforme. Nuevos estilos cada semana.
El tutorial más fácil de entender para usar LoRA (Low-Rank Adaptation) dentro del framework diffusers para investigadores de generación de IA🔥
[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Implementación Oficial)
La colección de prompts de Nano Banana Pro (Gemini 3 Pro Image) más completa de Internet: más de 908 ejemplos, con imágenes de muestra y una galería de imágenes en línea | Los mejores prompts de Nano Banana Pro con imágenes
Más de 50 aplicaciones de IA generativa de código abierto que puedes clonar, implementar y monetizar: generadores de imágenes, herramientas de vídeo, probadores virtuales, plantillas de SaaS con IA e integraciones de plataformas. Implementa cualquier plantilla en Vercel con un solo clic.
[TMLR 2025🔥] Una encuesta sobre modelos autorregresivos en visión.
Una colección de impresionantes estudios de generación de texto a imagen.
Implementación oficial de "Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models" (SIGGRAPH 2023)
La aplicación de generación y edición de imágenes Nano Banana más avanzada. Tu centro principal para la generación y revisión de imágenes con IA. Su intuitiva interfaz ofrece imágenes de referencia, edición con máscaras de imagen, historial de versiones y mucho más. Impulsada por la API de imágenes Gemini Flash.
Paddle Multimodal Integration and eXploration, compatible con tareas multimodales convencionales, incluidos modelos de preentrenamiento multimodales a gran escala de extremo a extremo y caja de herramientas de modelos de difusión. Equipado con alto rendimiento y flexibilidad.
Cosmos-Predict2 es una colección de modelos de base del mundo de propósito general para Physical AI que se pueden ajustar en modelos del mundo personalizados para aplicaciones posteriores.
HunyuanImage-2.1: Un Modelo de Difusión Eficiente para la Generación de Texto a Imagen de Alta Resolución (2K)
Flash Diffusion: acelerando modelos de difusión condicional (AAAI 2025 Oral)
Banco de trabajo de video con IA de código abierto. Trae cualquier modelo o tu ComfyUI local, y deja que Claude Code / Codex / Cursor lo dirija a través de MCP: storyboard, referencias, generación y un primer corte editable en una línea de tiempo real. Local primero: los proyectos, los prompts y las claves permanecen en tu máquina. Sin cuenta, sin telemetría.
Una extensión de sd-webui para utilizar DanTagGen para "upsample prompts".
(Aceptado por IJCV)Liquid: Los modelos de lenguaje son generadores multimodales escalables y unificados
Stable Diffusion: descarga gratuita de webui automatic1111, guía de configuración de comfyui, punto de control sdxl safetensors, modelo lora civitai, extensión controlnet github. Lanzador SD WebUI Forge, optimización para baja VRAM, argumentos de línea de comandos xformers, corrección de errores de python torch cuda, solución para falta de memoria, txt2img img2img, inpainting, escalador realesrgan, instalación en PC local
Implementación oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Este es el código de inferencia oficial de los artículos "Glyph-ByT5: Un codificador de texto personalizado para una representación de texto visual precisa" y "Glyph-ByT5-v2: Una línea de base estética sólida para una representación de texto visual multilingüe precisa""