#text-to-image Репозитории
Всего репозиториев: 123
WebAI2API: Инструмент преобразования веб-АИ в API на основе Camoufox, поддерживает LMArena/Gemini и другие, многопоточная работа с окнами и изоляция аккаунтов. | Web AI в OpenAI API через Camoufox. Поддерживает LMArena/Gemini и многое другое, многопоточная работа & изоляция аккаунтов.
[ICCV 2025] 🔥🔥 UNO: Универсальный метод настройки для кондиционирования на одном и нескольких объектах
Преврати любое лицо в персонажа видеоигры, пиксель-арт, пластилиновую анимацию, 3D или игрушку
Автономный движок вывода для искусства, голосовых разговоров в реальном времени, чат-ботов на базе LLM и автоматизированных рабочих процессов
ELLA: Оснащение диффузионных моделей LLM для улучшенного семантического согласования
Этот узел был разработан, чтобы помочь создателям изображений с помощью ИИ генерировать подсказки для портретов людей.
Коллекция ресурсов по управляемой генерации с использованием диффузионных моделей преобразования текста в изображение.
Lumina-mGPT 2.0: Автономное авторегрессионное моделирование изображений
Более 660 моделей генеративных медиа, размещённых на muapi, а также сторонние API-инструменты, добавленные сообществом (SEO, обогащение данных, соцсети, скрейпинг). Для каждой записи — отдельный YAML-файл; просмотр доступен по возможностям.
Scenario для Blender: изображения, видео, 3D и PBR-материалы на базе ИИ в окне просмотра, а также локальный MCP-сервер для агентов. Расширение для Blender 5.0 и выше, лицензия GPL-3.0 или более поздняя версия.
Я разобрал обратным инженерным подходом официальное API для функций текста в изображение и изображения в изображение Jimeng/Dreamina. Вдохновляясь проектами нескольких экспертов, я сделал несколько доработок, что значительно улучшило стабильность.
Исправляйте пиксельные изображения и векторную графику ИИ прямо в вашем браузере
Реализация Muse: Генерация изображений по тексту с помощью маскированных генеративных трансформеров в Pytorch
Автоматический генератор видео, который по заданной теме автоматически создает поясняющие видео. Пользователь вводит текст темы, система вызывает большую языковую модель для генерации истории или пояснительного текста, затем вызывает интерфейс синтеза речи для генерации пояснительного голоса, вызывает интерфейс преобразования текста в изображение для создания иллюстраций, соответствующих текстовому содержанию, и, наконец, объединяет голос и иллюстрации для создания поясняющего видео.
Готовые к использованию JSON-промпты стилей для Nano Banana Pro, GPT Image и Midjourney. Скопируйте файл style.json, чтобы получить единый визуальный стиль. Новые стили каждую неделю.
Самое простое для понимания руководство по использованию LoRA (Low-Rank Adaptation) в рамках фреймворка diffusers для исследователей генеративного ИИ🔥
[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Официальная реализация)
Самая полная в Интернете коллекция промптов для Nano Banana Pro (Gemini 3 Pro Image): более 908 примеров, изображения результатов и онлайн-галерея изображений | Лучшие промпты для Nano Banana Pro с изображениями
Более 50 приложений с открытым исходным кодом на базе генеративного ИИ, которые можно клонировать, развертывать и монетизировать: генераторы изображений, видеоредакторы, виртуальные примерочные, шаблоны AI SaaS и интеграции с платформами. Развертывайте любой шаблон на Vercel одним щелчком мыши.
[TMLR 2025🔥] Обзор авторегрессионных моделей в компьютерном зрении.
Подборка потрясающих исследований по генерации изображений из текста.
Официальная реализация "Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models" (SIGGRAPH 2023)
Самое современное приложение Nano Banana для генерации и редактирования изображений. Ваш центральный центр для создания и доработки изображений с помощью ИИ. Интуитивно понятный интерфейс поддерживает эталонные изображения, редактирование с помощью масок, историю версий и многое другое. Работает на базе API изображений Gemini Flash.
Paddle Multimodal Integration and eXploration, поддерживающая основные мультимодальные задачи, включая полномасштабные мультимодальные модели предварительного обучения и набор инструментов для диффузионных моделей. Обладает высокой производительностью и гибкостью.
Cosmos-Predict2 — это набор универсальных мировых фундаментальных моделей для Physical AI, которые могут быть доработаны в индивидуальные мировые модели для последующих приложений.
HunyuanImage-2.1: Efficient Diffusion Model for High-Resolution (2K) Text-to-Image Generation
Опенсорсная видеостудия на базе ИИ. Подключите любую модель или локальный ComfyUI и позвольте Claude Code / Codex / Cursor руководить процессом через MCP — раскадровка, референсы, генерация, редактируемый первый монтаж на настоящей таймлинии. Локально в первую очередь: проекты, промпты и ключи остаются на вашем компьютере. Без аккаунта, без телеметрии.
Расширение sd-webui для использования DanTagGen для "увеличения количества запросов".
(Принято IJCV)Liquid: Языковые модели являются масштабируемыми и унифицированными мультимодальными генераторами
Stable Diffusion: бесплатная загрузка webui automatic1111, руководство по настройке comfyui, чекпоинт sdxl safetensors, модель lora civitai, расширение controlnet github. Запуск SD WebUI Forge, оптимизация для малого объема видеопамяти (VRAM), аргументы командной строки xformers, исправление ошибок python torch cuda, решение проблемы нехватки памяти, txt2img img2img, inpainting, апскейлер realesrgan, установка на локальный ПК
Официальная реализация "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Это официальный код вывода для статьи «Glyph-ByT5: Пользовательский текстовый кодировщик для точного визуального рендеринга текста» и «Glyph-ByT5-v2: Сильная эстетическая основа для точного многоязычного визуального рендеринга текста»"