diffusion

Stable Diffusion web UI

🤗 Diffusers: PyTorchにおける画像、動画、音声生成のための最先端の拡散モデル。

SGLangは、大規模言語モデルおよびマルチモーダルモデル向けの高性能サービングフレームワークです。

🤗 PEFT: 最先端のParameter-Efficient Fine-Tuning。

《李宏毅深度学习教程》（李宏毅先生推奨👍、Apple Books🍎）、PDFダウンロードアドレス：https://github.com/datawhalechina/leedl-tutorial/releases

AIを活用し、技術知識不要でPC上で美しいアートワークをワンクリックで作成可能。テキストプロンプトや画像からの画像生成を可能にするブラウザUIを提供。テキストプロンプトを入力するだけで、生成された画像を確認できます。

SANA：Linear Diffusion Transformerによる効率的な高解像度画像合成

データセンター規模の分散推論サービングフレームワーク

Low-rank adaptation を使用して拡散モデルを迅速にファインチューニングする。

OpenMMLab マルチモーダル高度・生成・インテリジェント作成ツールボックス。魔法を解き放つ 🪄：Generative-AI (AIGC)、使いやすいAPI、素晴らしいモデルズー、拡散モデルなど、テキストから画像生成、画像/動画の修復/強化などに利用可能。

純粋なC/C++による拡散モデル（SD, Flux, Wan, Qwen Image, Z-Image,...）の推論

マルチモーダルモデルを用いた効率的なモデル推論のためのフレームワーク。

AI研究者がローカルハードウェアからGPUクラスターまで、モデルをシームレスにトレーニング、評価、スケーリングするためのオープンソース研究環境。

『大規模モデルのホワイトボックス構築ガイド』：完全に手作りしたTiny-Universe

あなたに優しいオープンソースのGen-AIプラットフォーム

OmniGen: 統合画像生成。https://arxiv.org/pdf/2409.11340

リアルタイム音楽生成のためのStable diffusion

[CVPR 2024 - Oral, Best Paper Award Candidate] Marigold: 単眼深度推定のためのDiffusionベース画像生成モデルの再利用

[SIGGRAPH Asia 2023] 動画の再レンダリング：ゼロショットのテキスト誘導型動画間翻訳

NunchakuのComfyUIプラグイン

歌声変換（SVC）および歌声クローンのコアエンジン

MuseV: 視覚条件付き並列デノイジングによる無限の長さと高忠実度を持つバーチャルヒューマン動画生成

Kandinsky 2 — 多言語 text2image 潜在拡散モデル

🔥 [ICCV 2025 Highlight] InfiniteYou: アイデンティティを維持しながら柔軟に写真を再生成するツール

リアルタイム音楽生成のためのStable diffusion（ウェブアプリ）

[CSUR] ビデオ拡散モデル（Video Diffusion Models）に関するサーベイ

Project Lyra: オープンな生成型3Dワールドモデル

Lumina-T2X は、テキストから任意のモダリティを生成するための統合フレームワークです

サブ領域ごとに分類された拡散モデルの論文コレクション

CPU および AI PC で高速な stable diffusion を実行