text-to-image

WebAI2API: Camoufox पर आधारित वेब AI से API टूल, LMArena/Gemini आदि का समर्थन करता है, बहु-विंडो समवर्तीता और खाता अलगाव के साथ।

कला, वास्तविक समय की आवाज़ बातचीत, LLM-संचालित चैटबॉट्स और स्वचालित वर्कफ़्लो के लिए ऑफ़लाइन अनुमान इंजन

टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल के साथ कंट्रोलेबल जनरेशन पर संसाधनों का एक संग्रह।

CogView4, CogView3-Plus और CogView3 (ECCV 2024)।

OpenClaw संसाधनों, उपकरणों, कौशलों, ट्यूटोरियल और लेखों की एक क्यूरेटेड सूची। OpenClaw (पूर्व में Moltbot / Clawdbot) — WhatsApp, Telegram, Discord और 50+ एकीकरणों के लिए ओपन-सोर्स सेल्फ-होस्टेड AI एजेंट।

Pytorch में Muse का कार्यान्वयन: Masked Generative Transformers के माध्यम से टेक्स्ट-टू-इमेज जनरेशन

अपने ब्राउज़र में ही AI पिक्सेल आर्ट और वेक्टर इमेज को ठीक करें

AI जनरेशन शोधकर्ताओं के लिए diffusers फ्रेमवर्क के भीतर LoRA (Low-Rank Adaptation) का उपयोग करने के लिए सबसे आसान ट्यूटोरियल🔥

[ICCV 2023] "TF-ICON: डिफ्यूजन-आधारित ट्रेनिंग-फ्री क्रॉस-डोमेन इमेज कंपोजिशन" (आधिकारिक कार्यान्वयन)

[TMLR 2025🔥] विजन में ऑटोरिग्रेसिव मॉडल के लिए एक सर्वेक्षण।

CLIP + FFT/DWT/RGB = टेक्स्ट से इमेज/वीडियो

"Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models" (SIGGRAPH 2023) के लिए आधिकारिक कार्यान्वयन

अद्भुत टेक्स्ट-टू-इमेज जनरेशन अध्ययनों का एक संग्रह।

टेक्स्ट-टू-वीडियो जनरेशन/सिंथेसिस पर एक सर्वेक्षण।

Paddle मल्टीमॉडल इंटीग्रेशन और एक्सप्लोरेशन, जो मुख्यधारा के मल्टी-मॉडल कार्यों का समर्थन करता है, जिसमें एंड-टू-एंड लार्ज-स्केल मल्टी-मॉडल प्रीट्रेन मॉडल और डिफ्यूजन मॉडल टूलबॉक्स शामिल हैं। उच्च प्रदर्शन और लचीलेपन से लैस।

सबसे उन्नत Nano Banana इमेज जनरेटर और एडिटर एप्लिकेशन। Gemini 2.5 Flash images API द्वारा संचालित।

HunyuanImage-2.1: हाई-रिज़ॉल्यूशन (2K) टेक्स्ट-टू-इमेज जनरेशन के लिए एक कुशल डिफ्यूजन मॉडल

OneDiffusion पेपर (CVPR 2025) का आधिकारिक कार्यान्वयन।

Flash Diffusion — कंडीशनल डिफ्यूजन मॉडल को गति देना (AAAI 2025 ओरल)

चेहरे से स्टीकर

(IJCV द्वारा स्वीकृत) Liquid: भाषा मॉडल स्केलेबल और एकीकृत मल्टी-मोडल जेनरेटर हैं

Blended Latent Diffusion [SIGGRAPH 2023] के लिए आधिकारिक कार्यान्वयन।

[CVPR 2024 Highlight] MIGC और [TPAMI 2024] MIGC++ (आधिकारिक कार्यान्वयन)

AI इमेज जनरेशन के लिए पुन: प्रयोज्य JSON प्रॉम्प्ट टेम्प्लेट और स्टाइल संदर्भों का क्यूरेटेड संग्रह। प्रतिदिन अपडेट किया जाता है।

CVPR 2025 पेपर "SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models" के लिए आधिकारिक कोड

"Blended Diffusion for Text-driven Editing of Natural Images" [CVPR 2022] के लिए आधिकारिक कार्यान्वयन

🔥🔥🔥 LLMs-आधारित मल्टीमॉडल जनरेशन (इमेज, वीडियो, 3D और ऑडियो) पर शोध पत्रों की एक क्यूरेटेड सूची।

AI Plugin, Payload CMS के लिए एक शक्तिशाली एक्सटेंशन है, जो सामग्री निर्माण और प्रबंधन को बढ़ाने के लिए उन्नत AI क्षमताओं को एकीकृत करता है।

[NeurIPS 2025 Spotlight] विजुअल जनरेशन और अंडरस्टैंडिंग के लिए एक एकीकृत टोकनाइज़र

विभिन्न प्रोजेक्ट्स के लिए Google Colab नोटबुक का एक संग्रह