latent-diffusion

Invoke, Stable Diffusion मॉडल के लिए एक अग्रणी क्रिएटिव इंजन है, जो पेशेवरों, कलाकारों और उत्साही लोगों को नवीनतम AI-संचालित तकनीकों का उपयोग करके विजुअल मीडिया उत्पन्न करने और बनाने के लिए सशक्त बनाता है। यह समाधान एक उद्योग-अग्रणी WebUI प्रदान करता है, और कई व्यावसायिक उत्पादों की नींव के रूप में कार्य करता है।

शुद्ध C/C++ में Diffusion model (SD, Flux, Wan, Qwen Image, Z-Image,...) का इनफ्रेंस (inference)।

StyleTTS 2: लार्ज स्पीच लैंग्वेज मॉडल के साथ स्टाइल डिफ़्यूज़न और एडवरसरियल ट्रेनिंग के माध्यम से मानव-स्तरीय टेक्स्ट-टू-स्पीच की ओर

Stable Diffusion (https://arxiv.org/abs/2112.10752) के लिए Textual Inversion (https://arxiv.org/abs/2208.01618) के माध्यम से Dreambooth (https://arxiv.org/abs/2208.12242) का कार्यान्वयन। चेहरे, वस्तुओं और शैलियों के प्रशिक्षण पर केंद्रित ट्विक्स।

stability.ai API के साथ इंटरैक्ट करने के लिए SDK (उदा. stable diffusion इन्फॉरेंस)

AI मैजिक और इन्फिनिट ड्रा बोर्ड का मिलन।

Inpaint Anything एक्सटेंशन Segment Anything के मास्क का उपयोग करके ब्राउज़र UI पर स्टेबल डिफ़्यूजन इनपेंटिंग करता है।

छवियों के बजाय संगीत को सिंथेटize करने के लिए नए Hugging Face diffusers पैकेज का उपयोग करके difusión मॉडल लागू करें।

टेक्स्ट-टू-ऑडियो जनरेटिव मॉडल के साथ Make-An-Audio (ICML'23) का PyTorch कार्यान्वयन।

ECCV 2024 पेपर के लिए आधिकारिक कोड — हस्तलिखित टेक्स्ट जनरेशन के लिए वन-शॉट डिफ्यूजन मिमिकर

डिफ्यूजन मॉडल का उपयोग करके कंट्रोलेबल जनरेशन पर शोध पत्र और संसाधन, जिसमें ControlNet, DreamBooth और IP-Adapter शामिल हैं।