text-to-image

WebAI2API: Ferramenta baseada em Camoufox para converter IA web em API, com suporte a LMArena/Gemini, concorrência multi-janela e isolamento de contas.

Motor de inferência offline para arte, conversas de voz em tempo real, chatbots baseados em LLM e fluxos de trabalho automatizados

Uma coleção de recursos sobre geração controlável com modelos de difusão text-to-image.

CogView4, CogView3-Plus e CogView3 (ECCV 2024)

Uma lista curada de recursos, ferramentas, habilidades, tutoriais e artigos sobre OpenClaw. OpenClaw (anteriormente Moltbot / Clawdbot) — agente de IA open-source auto-hospedado para WhatsApp, Telegram, Discord e mais de 50 integrações.

Implementação do Muse: Geração de Texto para Imagem via Transformers Generativos Mascarados, em Pytorch

Corrija pixel art de IA e imagens vetoriais diretamente no seu navegador

O tutorial mais fácil de entender para usar LoRA (Low-Rank Adaptation) dentro do framework diffusers para pesquisadores de geração por IA🔥

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

[TMLR 2025🔥] Uma pesquisa sobre modelos autorregressivos em visão.

CLIP + FFT/DWT/RGB = texto para imagem/vídeo

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

Uma coleção de estudos incríveis sobre geração de texto para imagem.

Um Levantamento sobre Geração/Síntese de Texto para Vídeo.

Integração e Exploração Multimodal do Paddle, dando suporte a tarefas multimodais principais, incluindo modelos de pré-treinamento multimodal em larga escala de ponta a ponta e caixa de ferramentas de modelos de difusão. Equipado com alto desempenho e flexibilidade.

O aplicativo gerador e editor de imagens Nano Banana mais avançado. Seu hub central para geração e revisões de imagens por IA. A interface intuitiva apresenta imagens de referência, edição com máscaras de imagem, histórico de versões e muito mais. Alimentado pela API de imagens do Gemini 2.5 Flash.

HunyuanImage-2.1: Um Modelo de Difusão Eficiente para Geração de Texto para Imagem em Alta Resolução (2K)

Implementação oficial do artigo OneDiffusion (CVPR 2025)

Flash Diffusion — acelerando modelos de difusão condicional (AAAI 2025 Oral)

face-to-sticker

(Aceito no IJCV) Liquid: Modelos de linguagem são geradores multimodais escaláveis e unificados

Implementação oficial para "Blended Latent Diffusion" [SIGGRAPH 2023]

[CVPR 2024 Highlight] MIGC e [TPAMI 2024] MIGC++ (Implementação Oficial)

Coleção curada de modelos de prompt JSON reutilizáveis e referências de estilo para geração de imagens por IA. Atualizado diariamente.

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

Código oficial para o artigo do CVPR 2025 "SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models."

🔥🔥🔥 Uma lista selecionada de artigos sobre geração multimodal baseada em LLMs (imagem, vídeo, 3D e áudio).

AI Plugin é uma extensão poderosa para o Payload CMS, integrando recursos avançados de IA para aprimorar a criação e o gerenciamento de conteúdo.

[NeurIPS 2025 Spotlight] Um Tokenizador Unificado para Geração e Compreensão Visual

A Collection of Google Colab Notebooks for various projects