text-to-image

WebAI2API: Alat konversi web AI ke API berbasis Camoufox, mendoroang LMArena/Gemini dll, konkurensi multi-jendela dan isolasi akun.

Mesin inferensi luring untuk seni, percakapan suara waktu nyata, chatbot bertenaga LLM, dan alur kerja otomatis

Kumpulan sumber daya tentang pembuatan terkontrol dengan model difusi teks-ke-gambar.

CogView4, CogView3-Plus dan CogView3 (ECCV 2024)

Daftar kurasi sumber daya, alat, keahlian, tutorial & artikel OpenClaw. OpenClaw (sebelumnya Moltbot / Clawdbot) — agen AI open-source yang di-hosting sendiri untuk WhatsApp, Telegram, Discord & 50+ integrasi.

Implementasi Muse: Text-to-Image Generation via Masked Generative Transformers, dalam Pytorch

Perbaiki seni piksel dan gambar vektor AI langsung di browser Anda.

Tutorial paling mudah dipahami untuk menggunakan LoRA (Low-Rank Adaptation) dalam framework diffusers bagi peneliti AI Generation.

[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Implementasi Resmi)

[TMLR 2025🔥] Survei untuk model autoregresif dalam visi.

CLIP + FFT/DWT/RGB = teks ke gambar/video

Implementasi resmi untuk "Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models" (SIGGRAPH 2023)

Kumpulan studi pembuatan teks-ke-gambar yang luar biasa.

Survei tentang Pembuatan/Sintesis Teks-ke-Video.

Integrasi dan Eksplorasi Multimodal Paddle, mendukung tugas multimodal arus utama, termasuk model pra-pelatihan multimodal skala besar end-to-end dan kotak alat model difusi. Dilengkapi dengan kinerja tinggi dan fleksibilitas.

Aplikasi generator dan editor gambar Nano Banana tercanggih. Pusat kendali untuk pembuatan dan revisi gambar AI. UI intuitif dengan fitur gambar referensi, pengeditan dengan mask, riwayat versi, dan lainnya. Didukung oleh API gambar Gemini 2.5 Flash.

HunyuanImage-2.1: Model Difusi yang Efisien untuk Pembuatan Teks-ke-Gambar Resolusi Tinggi (2K)

Implementasi resmi makalah OneDiffusion (CVPR 2025)

Flash Diffusion — mempercepat model difusi bersyarat (AAAI 2025 Oral).

face-to-sticker

(Diterima oleh IJCV) Liquid: Model Bahasa adalah Generator Multimodal yang Skalabel dan Terpadu

Implementasi resmi untuk "Blended Latent Diffusion" [SIGGRAPH 2023]

[CVPR 2024 Highlight] MIGC dan [TPAMI 2024] MIGC++ (Implementasi Resmi)

Koleksi templat prompt JSON yang dapat digunakan kembali & referensi gaya untuk pembuatan gambar AI. Diperbarui setiap hari.

Implementasi resmi untuk "Blended Diffusion for Text-driven Editing of Natural Images" [CVPR 2022]

Kode resmi untuk makalah CVPR 2025 "SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models."

🔥🔥🔥 Daftar kurasi makalah tentang generasi multimodal berbasis LLM (gambar, video, 3D, dan audio).

AI Plugin adalah ekstensi canggih untuk Payload CMS, mengintegrasikan kemampuan AI tingkat lanjut untuk meningkatkan pembuatan dan pengelolaan konten.

[NeurIPS 2025 Spotlight] Tokenizer Terpadu untuk Pembuatan dan Pemahaman Visual

Kumpulan Google Colab Notebook untuk berbagai proyek