text-to-image

WebAI2API：基於 Camoufox 的網頁 AI 轉 API 工具，支援 LMArena/Gemini 等，具備多視窗併發與帳號隔離功能。

用於藝術、即時語音對話、LLM 驅動的聊天機器人與自動化工作流程的離線推論引擎

文字轉圖片 diffusion models 可控生成資源收集。

CogView4、CogView3-Plus 與 CogView3 (ECCV 2024)

OpenClaw 資源、工具、技能、教學與文章的精選列表。OpenClaw（前稱 Moltbot / Clawdbot）— 適用於 WhatsApp、Telegram、Discord 及 50 多種整合的開源自託管 AI agent。

直接在瀏覽器中修復 AI 像素藝術與向量影像

在 Pytorch 中實現 Muse：透過遮罩生成式 Transformer 的文字轉圖片生成

為 AI 生成研究人員設計的 diffusers 框架內使用 LoRA (Low-Rank Adaptation) 最易懂的教學🔥

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

[TMLR 2025🔥] 視覺自迴歸模型總覽。

CLIP + FFT/DWT/RGB = 文字轉圖像/影片

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

精選的文字轉圖片生成研究集合。

文字轉影片生成/合成技術綜述。

Paddle 多模態整合與探索，支援主流多模態任務，包含端到端大型多模態預訓練模型與擴散模型工具箱。具備高效能與靈活性。

最先進的 Nano Banana 影像產生與編輯應用程式。您進行 AI 影像生成與修改的中央樞紐。直覺的 UI 提供參考影像、使用影像遮罩編輯、版本歷史記錄等功能。由 Gemini 2.5 Flash 影像 API 提供支援。

HunyuanImage-2.1：用於高解析度 (2K) 文字轉圖像生成的高效擴散模型

Flash Diffusion — 加速條件式擴散模型（AAAI 2025 Oral）

OneDiffusion 論文 (CVPR 2025) 的官方實作

face-to-sticker

(IJCV 接受) Liquid：具備可擴展性與統一性的多模態語言模型生成器

「Blended Latent Diffusion」[SIGGRAPH 2023] 的官方實作

[CVPR 2024 Highlight] MIGC 與 [TPAMI 2024] MIGC++（官方實作）

精選的可重複使用 JSON AI 繪圖提示詞模板與風格參考，每日更新。

CVPR 2025 論文「SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models」官方程式碼。

「Blended Diffusion for Text-driven Editing of Natural Images」官方實作 [CVPR 2022]

精選基於 LLM 的多模態生成（影像、影片、3D 與音訊）論文列表。

AI Plugin 是 Payload CMS 的強大擴充功能，整合先進 AI 能力以增強內容建立與管理。

[NeurIPS 2025 Spotlight] 用於視覺生成與理解的統一 Tokenizer

各類專案的 Google Colab Notebook 集合