diffusion-models

可擴展且記憶體最佳化的擴散模型訓練

[ICASSP 2024] 🍵 Matcha-TTS：具備條件式流匹配（Conditional Flow Matching）的高效 TTS 架構

[ICLR 2023 Oral] 使用去噪擴散零空間模型的零樣本影像修復

FireRed-Image-Edit 是一個強大的影像編輯基礎模型，達到開源的 SOTA 效能，具備精確的指令遵循、高傳真生成、優異的身份一致性以及無縫的多元素融合。

[AAAI 2025]👔IMAGDressing👔：虛擬穿搭的互動式模組化服飾生成。它支援具有靈活服飾、姿勢和場景控制的可自訂人像生成，確保虛擬穿搭的高傳真度與服飾一致性。

[TPAMI 2025🔥] MagicTime：作為變形模擬器的縮時影片生成模型

📦 在 Windows 上執行 Hunyuan3D 2.0/2.1 的免安裝可攜包。

Pruna 是一個為開發者打造的模型優化框架，讓你能以極低的額外開銷交付更快、更高效的模型。

[CVPR 2025 Oral & Best Paper Finalist] Difix3D+: 利用單步 Diffusion Models 改善 3D 重建

[CVPR2024, Highlight] DragDiffusion 的官方程式碼

用於文字轉語音生成的擴散模型系列。

基於 Flow Matching 且支援 Emoji 驅動風格控制的文字轉語音模型

HunyuanCustom：用於自訂影片生成的多模態驅動架構

MeanFlow 與 iMF（單步生成式建模）的 PyTorch 實作。

Wunjo CE：臉部交換、對嘴、控制移除物件與文字及背景、風格重塑、音訊分離、語音複製、影片生成。開源、本機執行且免費。

[ICLR24] 論文「MagicDrive: Street View Generation with Diverse 3D Geometry Control」的官方實作

文字轉圖片 diffusion models 可控生成資源收集。

MOVA：邁向可擴充且同步的視訊-音訊生成

在 PyTorch 中從頭實現的 Stable Diffusion

[ICLR'24 spotlight] 中英雙語多模態大模型系列（對話與繪圖）| 基於 CPM 基礎模型的中英雙語多模態大模型系列

[ECCV 2024 Oral] MotionDirector：文字轉影片擴散模型的動作客製化。

[ICLR 2025 Oral]「具備彈性指引的自主駕駛擴散式規劃」官方實作。

[CVPR 2025 Highlight] 3DTopia-XL：透過 Primitive Diffusion 進行高品質 3D PBR 資產生成

[ICLR 2024 Spotlight] SyncDreamer：從單一視角影像生成多視角一致的影像

論文官方實作：「FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models」

NVIDIA FastGen：來自 Diffusion 模型的快速生成

[CVPR 2024] PIA，你的個人化影像動畫生成器。透過文字提示詞結合 Dreambooth 來讓圖片動起來，實現令人驚豔的影片效果。PIA，你的個性化圖像動畫生成器，利用文本提示將圖像變為奇妙的動畫。

[CVPR 2024] DeepCache：免費加速 Diffusion Models。

Diffusion Autoencoders 的官方實現

[ICLR 2026] 用於長篇故事視覺化的免訓練迭代框架。