#text-to-image Repository
123 repository in totale
WebAI2API: Strumento di conversione AI web in API basato su Camoufox, supporta LMArena/Gemini e altro, concorrenza multi-finestra e isolamento account. | Web AI to OpenAI API via Camoufox. Supports LMArena/Gemini and more, multi-window concurrency & account isolation.
[ICCV 2025] ๐ฅ๐ฅ UNO: Un metodo di personalizzazione universale per il condizionamento a soggetto singolo e multi-soggetto
Trasforma qualsiasi viso in un personaggio di videogioco, pixel art, claymation, 3D o giocattolo
Motore di inferenza offline per arte, conversazioni vocali in tempo reale, chatbot basati su LLM e flussi di lavoro automatizzati
ELLA: Dotare i modelli di diffusione di LLM per un migliore allineamento semantico
Questo nodo รจ stato progettato per aiutare i creatori di immagini AI a generare prompt per ritratti umani.
Una raccolta di risorse sulla generazione controllabile con modelli di diffusione text-to-image.
Oltre 660 modelli di media generativi ospitati da muapi, oltre a strumenti API di terze parti inviati dalla community (SEO, arricchimento, social, scraping): un file YAML per voce, consultabile in base alle funzionalitร .
Scenario per Blender: immagini, video, 3D e materiali PBR basati sullโIA nella viewport, oltre a un server MCP locale per gli agenti. Estensione per Blender 5.0 o versioni successive, con licenza GPL-3.0 o successive.
Ho eseguito l'reverse engineering dell'API ufficiale per le funzioni di testoโimmagine e immagineโimmagine di Jimeng/Dreamina. Mi sono ispirato a diversi progetti di esperti e ho apportato alcune modifiche, migliorando significativamente la stabilitร .
Implementazione di Muse: Generazione da Testo a Immagine tramite Trasformatori Generativi Mascherati in Pytorch
Generatore automatico di video che crea video esplicativi dato un tema. L'utente inserisce il testo del tema, il sistema chiama un modello linguistico di grandi dimensioni per generare una storia o un testo esplicativo, quindi chiama ulteriormente un'interfaccia di sintesi vocale per generare la voce esplicativa, chiama un'interfaccia da testo a immagine per generare immagini di accompagnamento che corrispondano al contenuto del testo, e infine fonde la voce e le immagini di accompagnamento per creare un video esplicativo.
Prompt di stile JSON pronti allโuso per Nano Banana Pro, GPT Image e Midjourney. Copia un file style.json per ottenere un look coerente. Nuovi stili ogni settimana.
Il tutorial piรน facile da capire per l'utilizzo di LoRA (Low-Rank Adaptation) all'interno del framework diffusers per ricercatori di generazione AI๐ฅ
[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Implementazione Ufficiale)
La raccolta online piรน completa di prompt per Nano Banana Pro (Gemini 3 Pro Image): oltre 908 esempi, con immagini dimostrative e una galleria di immagini online | I migliori prompt per Nano Banana Pro con immagini
Oltre 50 app open source di IA generativa da clonare, distribuire e monetizzare: generatori di immagini, strumenti video, camerini virtuali, modelli SaaS basati sullโIA e integrazioni con piattaforme. Distribuisci ogni modello su Vercel con un clic.
[TMLR 2025๐ฅ] Una panoramica sui modelli autoregressivi nella visione.
Una raccolta di fantastici studi sulla generazione di testo in immagine.
Implementazione Ufficiale per "Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models" (SIGGRAPH 2023)
Lโapplicazione piรน avanzata per la generazione e la modifica di immagini Nano Banana. Il tuo hub centrale per la generazione e la revisione di immagini con lโIA. Lโinterfaccia intuitiva offre immagini di riferimento, modifica con maschere dโimmagine, cronologia delle versioni e molto altro. Basata sullโAPI di immagini Gemini Flash.
Paddle Multimodal Integration and eXploration, a supporto delle attivitร multimodali mainstream, inclusi modelli di pre-addestramento multimodali su larga scala end-to-end e toolbox per modelli di diffusione. Dotato di alte prestazioni e flessibilitร .
Cosmos-Predict2 รจ una raccolta di modelli di fondazione del mondo di uso generale per Physical AI che possono essere perfezionati in modelli del mondo personalizzati per applicazioni downstream.
HunyuanImage-2.1: Un Efficiente Modello di Diffusione per la Generazione di Testo-Immagine ad Alta Risoluzione (2K)
Flash Diffusion: accelerare i modelli di diffusione condizionale (AAAI 2025 Oral)
Workbench video AI open source. Porta qualsiasi modello o il tuo ComfyUI locale e lascia che Claude Code / Codex / Cursor lo diriga via MCP โ storyboard, riferimenti, generazione, prima bozza modificabile su una timeline reale. Local-first: progetti, prompt e chiavi restano sul tuo computer. Nessun account, nessuna telemetria.
Un'estensione di sd-webui per utilizzare DanTagGen per "upsample prompts".
๏ผAccettato da IJCV๏ผLiquid: I modelli linguistici sono generatori multimodali scalabili e unificati
Stable Diffusion: download gratuito di webui automatic1111, guida alla configurazione di comfyui, checkpoint sdxl safetensors, modello lora civitai, estensione controlnet github. Launcher SD WebUI Forge, ottimizzazione per bassa VRAM, argomenti della riga di comando xformers, correzione errori python torch cuda, soluzione per memoria insufficiente, txt2img img2img, inpainting, upscaler realesrgan, installazione su PC locale
Implementazione ufficiale per "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Questo รจ il codice di inferenza ufficiale degli articoli "Glyph-ByT5: Un encoder di testo personalizzato per un rendering di testo visivo accurato" e "Glyph-ByT5-v2: Una solida baseline estetica per un rendering di testo visivo multilingue accurato""