image-generation

PHP 函式库，可从 URL 或 HTML 页面生成缩图、快照或 PDF。wkhtmltopdf/wkhtmltoimage 的封装器

OmniGen：统一图像生成。 https://arxiv.org/pdf/2409.11340

一个适用于各大 AI 供应商的 Ruby 框架。用优雅、表达力强的代码构建 AI 代理、聊天机器人、RAG 应用和多模态工作流程。

Paper 的官方实现：Anydoor：零样本物件级图像自定义化

AI 代理的多模态生成媒体技能（Claude Code、Cursor、Gemini CLI）。由 muapi.ai 提供高质量图像、视频和音频生成

基于 OpenAI gpt-image-2 API 的图片生成与编辑工具

✨ 逆向 Python API for Google Gemini web app

HunyuanImage-3.0：强大的原生多模态图像生成模型

Dreambooth（https://arxiv.org/abs/2208.12242）实现，透过 Textual Inversion（https://arxiv.org/abs/2208.01618）于 Stable Diffusion（https://arxiv.org/abs/2112.10752）。调整重点在于训练面部、物件与风格。

50 多个你可以复制、部署并获利的开源生成式 AI 应用程序——图像生成器、视频工具、虚拟试穿、AI SaaS 模板以及平台整合。每个模板皆可一键 Vercel 部署。

自动化 PWA 资产生成与图像声明。自动生成图标、启动屏、favicon 与 mstile 图像。根据 Web App Manifest 规范与 Apple Human Interface 指南，更新 manifest.json 与 index.html 文件。

One-ink editorial print image skill — warm paper, halftone photography, active negative space, and restrained typography.

从 JSX、HTML 和 CSS 渲染 OG 图片和分页 PDF。无需无头浏览器。可在 Node.js、Cloudflare Workers、浏览器和 Rust 上运行。

Kandinsky 2 — 多语言 text2image 潜在扩散模型

🔥 [ICCV 2025 Highlight] InfiniteYou：在保留您身份的同时进行灵活的照片重塑

(ෆ`꒳´ෆ) 文本到图像生成/合成综述。

一个能将 ComfyUI 工作流转换为可执行 Python 代码的强大工具。

此项目为 'DreamOmni2: Multimodal Instruction-based Editing and Generation (CVPR2026 Highlight)' 的官方实现

自回归模型打败 Diffusion：用于可扩展图像生成的 🦙 Llama

适用于 OpenClaw 与 Claude Code 的 AI 技能 —— 从 10000+ 个 Nano Banana Pro (Gemini) 图片提示词中推荐。通过使用场景、内容重混与示例图片进行智能搜索。

🚀 AI 全自动化视频生成员工 | Your First AIGC Coworker. Chat an Idea. Get a Film. 🦞

追踪与收集 Segment Anything 相关的论文、项目与其他资源。

[CVPR 2025 Oral] Infinity ∞：为高分辨率图像合成扩展按位自回归建模。

官方 MiniMax Model Context Protocol (MCP) 服务器，可与强大的文本转语音、图像生成和视频生成 API 进行交互。

基于 Stable Diffusion 的大规模文本转图片提示词图库数据集

在商业运营中安全使用生成式 AI 的业务用例应用实现。

中文手绘技术 PPT 整页图像生成 Skill | 21:9 封面 + 16:9 正文配图 | PNG 输出

[ICCV 2025] 🔥🔥 UNO：支持单一与多主体条件设置的通用定制化方法

开箱即用的本地 AI 工作室：无审查聊天、图像与视频生成、编码 Agent。100% 离线执行去审查 LLM + ComfyUI。一个安装程序，不需要 Docker，不需要云端。

FireRed-Image-Edit 是一个强大的图像编辑基础模型，达到开源的 SOTA 性能，具备精确的指令遵循、高保真生成、优异的身份一致性以及无缝的多元素融合。