#text-to-image Repositórios
123 repositórios no total
WebAI2API: Ferramenta de conversão de IA web para API baseada em Camoufox, suporta LMArena/Gemini e mais, concorrência multi-janela e isolamento de contas. | Web AI to OpenAI API via Camoufox. Supports LMArena/Gemini and more, multi-window concurrency & account isolation.
[ICCV 2025] 🔥🔥 UNO: Um Método de Personalização Universal para Condicionamento de Sujeito Único e Múltiplo
Transforme qualquer rosto em um personagem de videogame, pixel art, stop-motion ou brinquedo
Motor de inferência offline para arte, conversas de voz em tempo real, chatbots com tecnologia LLM e fluxos de trabalho automatizados
ELLA: Equipar Modelos de Difusão com LLM para Alinhamento Semântico Aprimorado
Este nó foi projetado para ajudar criadores de imagens de IA a gerar prompts para retratos humanos.
Uma coleção de recursos sobre geração controlável com modelos de difusão de texto para imagem.
Mais de 660 modelos de mídia generativa hospedados pelo muapi, além de ferramentas de API de terceiros enviadas pela comunidade (SEO, enriquecimento, redes sociais, scraping) — um arquivo YAML por entrada, com navegação por funcionalidade.
Scenario para Blender: imagens, vídeos, 3D e materiais PBR com IA na janela de visualização, além de um servidor MCP local para agentes. Extensão para Blender 5.0 ou posterior, licenciada sob GPL-3.0 ou posterior.
Eu reverse-engineered a API oficial dos recursos de texto‑para‑imagem e imagem‑para‑imagem da Jimeng/Dreamina. Inspirei-me em vários projetos de especialistas e fiz algumas ajustes, o que melhorou significativamente a estabilidade.
Implementação do Muse: Geração de Texto para Imagem via Transformadores Generativos Mascarados, em Pytorch
Gerador automático de vídeo, que gera vídeos de narração a partir de um tema. O usuário insere o texto do tema, o sistema chama um modelo de linguagem grande para gerar a história ou o texto da narração, depois chama uma interface de síntese de voz para gerar a voz da narração, chama uma interface de texto para imagem para gerar imagens que se ajustam ao conteúdo do texto e, finalmente, mescla a voz e as imagens para gerar o vídeo de narração.
Prompts de estilo JSON prontos para usar no Nano Banana Pro, GPT Image e Midjourney. Copie um arquivo style.json para obter um visual consistente. Novos estilos toda semana.
O tutorial mais fácil de entender para usar LoRA (Low-Rank Adaptation) dentro do framework diffusers para Pesquisadores de Geração de IA🔥
[ICCV 2023] "TF-ICON: Composição de Imagens Cross-Domain Baseada em Difusão e Livre de Treinamento" (Implementação Oficial)
A coleção de prompts para Nano Banana Pro (Gemini 3 Pro Image) mais completa da Internet: mais de 908 exemplos, com imagens de demonstração e uma galeria de imagens online | Os melhores prompts para Nano Banana Pro com imagens
Mais de 50 aplicações de IA generativa de código aberto que pode clonar, implementar e monetizar — geradores de imagens, ferramentas de vídeo, provadores virtuais, modelos de SaaS com IA e integrações com plataformas. Implemente qualquer modelo na Vercel com um clique.
[TMLR 2025🔥] Um levantamento sobre os modelos autorregressivos em visão.
Uma coleção de estudos impressionantes de geração de texto para imagem.
Implementação Oficial para "Attend-and-Excite: Orientação Semântica Baseada em Atenção para Modelos de Difusão de Texto para Imagem" (SIGGRAPH 2023)
O aplicativo mais avançado para geração e edição de imagens Nano Banana. Seu hub central para geração e revisão de imagens com IA. A interface intuitiva oferece imagens de referência, edição com máscaras de imagem, histórico de versões e muito mais. Desenvolvido com a API de imagens Gemini Flash.
Paddle Multimodal Integration and eXploration, com suporte a tarefas multimodais predominantes, incluindo modelos de pré-treinamento multimodais de grande escala de ponta a ponta e um conjunto de ferramentas de modelos de difusão. Equipado com alto desempenho e flexibilidade.
Cosmos-Predict2 é uma coleção de modelos de fundação mundial de propósito geral para IA Física que podem ser ajustados em modelos mundiais personalizados para aplicações downstream.
HunyuanImage-2.1: Um Modelo de Difusão Eficiente para Geração de Texto para Imagem em Alta Resolução (2K)
Flash Diffusion — acelerando modelos de difusão condicional (AAAI 2025 Oral)
Bancada de vídeo com IA de código aberto. Traga qualquer modelo ou seu ComfyUI local, e deixe Claude Code / Codex / Cursor dirigi-lo via MCP — storyboard, referências, geração, primeiro corte editável em uma timeline real. Local primeiro: projetos, prompts e chaves ficam na sua máquina. Sem conta, sem telemetria.
Uma extensão sd-webui para utilizar o DanTagGen para "aumentar a resolução dos prompts".
(Aceito pela IJCV) Liquid: Modelos de Linguagem são Geradores Multimodais Escaláveis e Unificados
Stable Diffusion: download gratuito do webui automatic1111, guia de configuração do comfyui, checkpoint sdxl safetensors, modelo lora civitai, extensão controlnet github. Launcher SD WebUI Forge, otimização para baixa VRAM, argumentos de linha de comando xformers, correção de erro python torch cuda, solução para falta de memória, txt2img img2img, inpainting, upscaler realesrgan, instalação em PC local
Implementação oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Este é um código de inferência oficial do artigo "Glyph-ByT5: Um Codificador de Texto Personalizado para Renderização Precisa de Texto Visual" e "Glyph-ByT5-v2: Uma Forte Linha de Base Estética para Renderização Precisa de Texto Visual Multilíngue""