text-to-image

WebAI2API：基于 Camoufox 的网页 AI 转 API 工具，支持 LMArena/Gemini 等，具备多窗口并发与账号隔离功能。

用于艺术、实时语音对话、LLM 驱动的聊天机器人与自动化工作流程的离线推理引擎

文字转图片 diffusion models 可控生成资源收集。

CogView4、CogView3-Plus 与 CogView3 (ECCV 2024)

OpenClaw 资源、工具、技能、教程与文章的精选列表。OpenClaw（前称 Moltbot / Clawdbot）— 适用于 WhatsApp、Telegram、Discord 及 50 多种集成的开源自托管 AI agent。

直接在浏览器中修复 AI 像素艺术与矢量图像

在 Pytorch 中实现 Muse：通过遮罩生成式 Transformer 的文本转图片生成

为 AI 生成研究人员设计的 diffusers 框架内使用 LoRA (Low-Rank Adaptation) 最易懂的教程🔥

[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition"（官方实现）

[TMLR 2025🔥] 视觉自回归模型综述。

CLIP + FFT/DWT/RGB = 文字转图像/视频

「Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models」的官方实现 (SIGGRAPH 2023)

精选的文生图生成研究集合。

文本转视频生成/合成技术综述。

Paddle 多模态整合与探索，支持主流多模态任务，包含端到端大型多模态预训练模型与扩散模型工具箱。具备高性能与灵活性。

最先进的 Nano Banana 图像生成与编辑应用程序。您进行 AI 图像生成与修改的中央枢纽。直观的 UI 提供参考图像、使用图像遮罩编辑、版本历史记录等功能。由 Gemini 2.5 Flash 图像 API 提供支持。

HunyuanImage-2.1：用于高分辨率 (2K) 文字转图像生成的高效扩散模型

OneDiffusion 论文 (CVPR 2025) 的官方实现

Flash Diffusion — 加速条件式扩散模型（AAAI 2025 Oral）

face-to-sticker

(IJCV 接受) Liquid：具备可扩展性与统一性的多模态语言模型生成器

「Blended Latent Diffusion」[SIGGRAPH 2023] 的官方实现

[CVPR 2024 Highlight] MIGC 与 [TPAMI 2024] MIGC++（官方实现）

精选的可重复使用 JSON AI 绘图提示词模板与风格参考，每日更新。

CVPR 2025 论文“SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models”官方代码。

“Blended Diffusion for Text-driven Editing of Natural Images” 官方实现 [CVPR 2022]

精选基于 LLM 的多模态生成（图像、视频、3D 与音频）论文列表。

AI Plugin 是 Payload CMS 的强大扩展功能，整合先进 AI 能力以增强内容创建与管理。

[NeurIPS 2025 Spotlight] 用于视觉生成与理解的统一 Tokenizer

各类项目的 Google Colab Notebook 集合