text-to-image

WebAI2API: Herramienta para convertir IA web a API basada en Camoufox, compatible con LMArena/Gemini, con concurrencia multiventana y aislamiento de cuentas.

Motor de inferencia offline para arte, conversaciones de voz en tiempo real, chatbots impulsados por LLM y flujos de trabajo automatizados

Una colección de recursos sobre generación controlable con modelos de difusión de texto a imagen.

CogView4, CogView3-Plus y CogView3 (ECCV 2024)

Una lista curada de recursos, herramientas, habilidades, tutoriales y artículos sobre OpenClaw. OpenClaw (anteriormente Moltbot / Clawdbot) es un agente de IA de código abierto autohospedado para WhatsApp, Telegram, Discord y más de 50 integraciones.

Implementación de Muse: generación de texto a imagen mediante Masked Generative Transformers, en PyTorch

Corrige arte en píxeles e imágenes vectoriales generadas por IA directamente en tu navegador

El tutorial más fácil de entender para usar LoRA (Low-Rank Adaptation) dentro del framework diffusers para investigadores de generación por IA 🔥

[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Implementación oficial).

[TMLR 2025🔥] Un estudio sobre modelos autorregresivos en visión artificial.

CLIP + FFT/DWT/RGB = texto a imagen/video

Implementación oficial de "Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models" (SIGGRAPH 2023)

Una colección de estudios asombrosos sobre la generación de texto a imagen.

Un estudio sobre la generación/síntesis de texto a video.

Paddle Multimodal Integration and eXploration, que soporta tareas multimodales convencionales, incluyendo modelos de preentrenamiento multimodal a gran escala de extremo a extremo y un conjunto de herramientas de modelos de difusión. Equipado con alto rendimiento y flexibilidad.

La aplicación de edición y generación de imágenes Nano Banana más avanzada. Tu centro principal para la generación y revisión de imágenes mediante IA. Interfaz intuitiva con imágenes de referencia, edición con máscaras, historial de versiones y más. Impulsado por la API de imágenes Gemini 2.5 Flash.

HunyuanImage-2.1: Un modelo de difusión eficiente para generación de texto a imagen en alta resolución (2K)

Implementación oficial del artículo OneDiffusion (CVPR 2025).

Flash Diffusion: aceleración de modelos de difusión condicional (AAAI 2025 Oral).

face-to-sticker

(Aceptado por IJCV) Liquid: los modelos de lenguaje son generadores multimodales escalables y unificados.

Implementación oficial de "Blended Latent Diffusion" [SIGGRAPH 2023]

[CVPR 2024 Highlight] MIGC y [TPAMI 2024] MIGC++ (Implementación oficial)

Colección curada de plantillas de prompts JSON reutilizables y referencias de estilo para generación de imágenes por IA. Actualizado diariamente.

Implementación oficial de "Blended Diffusion for Text-driven Editing of Natural Images" [CVPR 2022]

Código oficial para el artículo de CVPR 2025 "SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models".

🔥🔥🔥 Una lista seleccionada de artículos sobre generación multimodal basada en LLMs (imagen, video, 3D y audio).

AI Plugin es una potente extensión para Payload CMS que integra capacidades avanzadas de IA para mejorar la creación y gestión de contenido.

[NeurIPS 2025 Spotlight] Un tokenizador unificado para la generación y comprensión visual.

Una colección de notebooks de Google Colab para diversos proyectos