产品库

统一的多模态AI，支持基于指令的图像编辑与生成，超越商业模型。

DreamOmni2是一个统一的开源多模态基于指令的图像编辑和生成模型。它建立在Flux Kontext和Qwen2.5 VL之上，支持文本和图像指令，能处理抽象属性和具体对象。该模型在基准测试中优于商业模型，具有出色的身份一致性和编辑精度。其开源特性使得模型权重、训练代码和数据集都可在GitHub和Hugging Face上免费获取，价格从4.90美元至960.00美元不等，适合用于研究和商业应用。

一个强大的统一多模态模型，支持文本到图像生成及图像编辑。

OmniGen2 是一个高效的多模态生成模型，结合了视觉语言模型和扩散模型，能够实现视觉理解、图像生成及编辑等功能。其开源特性为研究人员和开发者提供了强大的基础，助力个性化和可控生成 AI 的探索。

智能交互式图像编辑系统

MagicQuill是一个集成的图像编辑系统，旨在支持用户快速实现创意。该系统以简洁而功能强大的界面为起点，使用户能够通过简单的几笔操作表达他们的想法，如插入元素、擦除对象、改变颜色等。这些交互由多模态大型语言模型（MLLM）实时监控，以预测用户意图，无需输入提示。最后，我们应用强大的扩散先验，通过精心学习的双分支插件模块，精确控制编辑请求。

革命性的AI图像编辑与生成技术，结合了文字指令和视觉语境，实现精准编辑和风格转移。

FLUX.1 Kontext是一款革命性的多模态AI模型，将文本指令与图像编辑和生成相结合，实现精准本地化编辑，保持角色一致性和风格连贯性。该产品适用于营销内容创作、电影制作和设计等专业工作流程。

AI图像编辑工具

cre8tiveAI是一款基于AI的SaaS产品，可以在不到10秒钟内解决各种照片和插图编辑任务，如自动绘画、提高图像和视频的分辨率、剪辑、叠加和颜色校正等。

多模态图像生成模型

Instruct-Imagen是一个多模态图像生成模型，通过引入多模态指令，实现对异构图像生成任务的处理，并在未知任务中实现泛化。该模型利用自然语言整合不同的模态（如文本、边缘、风格、主题等），标准化丰富的生成意图。通过在预训练文本到图像扩散模型上进行两阶段框架的微调，采用检索增强训练和多样的图像生成任务微调，使得该模型在各种图像生成数据集上的人工评估结果表明，其在领域内与先前的任务特定模型相匹配或超越，并展现出对未知和更复杂任务的有希望的泛化能力。

快速编辑图像的智能Nano香蕉AI图像编辑器。

Banana AI是一款基于Google Nano技术的智能图像编辑工具，可通过自然语言进行编辑，提供快速、专业的结果。该产品旨在让图像编辑变得简单易用，适合各种创意需求。

Nano Banana是一款领先的AI图像编辑器，通过简单的文本提示转换任何图像。

Nano Banana是由Google的Gemini Flash Image技术提供支持的先进AI图像编辑工具，通过智能多模态图像转换重新定义创意可能性，快速、高质量地实现图像编辑。

多模态文本到图像生成模型

EMMA是一个基于最前沿的文本到图像扩散模型ELLA构建的新型图像生成模型，能够接受多模态提示，通过创新的多模态特征连接器设计，有效整合文本和补充模态信息。该模型通过冻结原始T2I扩散模型的所有参数，并仅调整一些额外层，揭示了预训练的T2I扩散模型可以秘密接受多模态提示的有趣特性。EMMA易于适应不同的现有框架，是生成个性化和上下文感知图像甚至视频的灵活有效工具。

AI图像编辑器

Storia Lab是一款AI图像编辑器，能够自动修复图像中的文字、清理图像、去除背景、更改背景、将素描转化为图像、生成图像变体、提高图像分辨率、将光栅图像转化为矢量图像等。其功能强大，操作简便，适用于个人和企业用户。定价灵活，可根据用户需求选择不同的套餐。

AI图像编辑平台

autoRetouch是一款基于人工智能的图像编辑平台，可以帮助用户快速批量处理产品图像。它提供了丰富的编辑工具，包括背景去除、虚拟模特、背景定制和皮肤磨皮等功能。autoRetouch可以帮助用户提升产品形象，节省时间和成本。定价灵活，每张图像仅需0.25欧元起。

最新的图像上色算法

DDColor 是最新的图像上色算法，输入一张黑白图像，返回上色处理后的彩色图像，并能够实现自然生动的上色效果。 该模型为黑白图像上色模型，输入一张黑白图像，实现端到端的全图上色，返回上色处理后的彩色图像。 模型期望使用方式和适用范围： 该模型适用于多种格式的图像输入，给定黑白图像，生成上色后的彩色图像；给定彩色图像，将自动提取灰度通道作为输入，生成重上色的图像。

多模态AI模型，图像理解与生成兼备

Mini-Gemini是由香港中文大学终身教授贾佳亚团队开发的多模态模型，具备精准的图像理解能力和高质量的训练数据。该模型结合图像推理和生成，提供不同规模的版本，性能与GPT-4和DALLE3相媲美。Mini-Gemini采用Gemini的视觉双分支信息挖掘方法和SDXL技术，通过卷积网络编码图像并利用Attention机制挖掘信息，同时结合LLM生成文本链接两个模型。

利用尖端AI技术，将创意转化为高质量图像。

Flux AI 图像生成器是由Black Forest Labs开发的，基于革命性的Flux系列模型，提供尖端的文本到图像技术。该产品通过其120亿参数的模型，能够精确解读复杂的文本提示，创造出多样化、高保真的图像。Flux AI 图像生成器不仅适用于个人艺术创作，也可用于商业应用，如品牌视觉、社交媒体内容等。它提供三种不同的版本以满足不同用户的需求：Flux Pro、Flux Dev和Flux Schnell。

在线AI图像编辑与生成工具，用先进AI技术秒速将想法变为艺术

Nano Image AI是一款在线的AI图像编辑与生成平台，采用纳米香蕉免费技术，结合前沿AI模型。其重要性在于为用户提供便捷、高效、安全的图像创作体验。主要优点包括：拥有强大AI编辑与生成能力，能实现图像到图像、文本到图像转换；风格选择多样，满足不同创意需求；处理速度快，多数转换在30秒内完成；保护用户隐私，不存储上传照片和生成图像。目前该产品免费使用，未来可能推出高级付费功能，定位是为创作者、营销人员和艺术家等提供专业图像创作解决方案。

实时图像编辑平台

Adversarial Diffusion Distillation是一个实时图像编辑平台，可以通过手机、平板电脑或计算机将任何物理媒介转换为数字媒介，并在任何地方进行编辑。它使用先进的计算机视觉技术，可以快速、轻松地将物理媒介转换为数字媒介，包括纸张、墙壁、白板、书籍等。Adversarial Diffusion Distillation可以帮助用户提高工作效率，减少时间和成本。

AI图像生成和编辑器

FACET是一款协作式AI图像生成和编辑器，为专业图像合成提供支持。个性化、私密的AI生成，根据您的审美进行微调。只需几张样本图片和文本标签，训练一个能理解特定风格的定制AI模型。

控制型文本转图像生成和编辑模型

BLIP-Diffusion 是一个支持多模态控制的主题驱动图像生成模型。它通过接受主题图像和文本提示作为输入，生成基于文本提示的主题图像。与现有模型相比，BLIP-Diffusion 提供了零 - shot 主题驱动生成和高效的定制主题微调。它还可以与其他技术（如 ControlNet 和 prompt-to-prompt）灵活结合，实现新颖的主题驱动生成和编辑应用。

小型多模态模型，支持图像和文本生成

Fuyu-8B是由Adept AI训练的多模态文本和图像转换模型。它具有简化的架构和训练过程，易于理解、扩展和部署。它专为数字代理设计，可以支持任意图像分辨率，回答关于图表和图形的问题，回答基于UI的问题，并对屏幕图像进行细粒度定位。它的响应速度很快，可以在100毫秒内处理大型图像。尽管针对我们的用例进行了优化，但它在标准图像理解基准测试中表现良好，如视觉问答和自然图像字幕。请注意，我们发布的模型是一个基础模型，我们希望您根据具体的用例进行微调，例如冗长的字幕或多模态聊天。在我们的经验中，该模型对于少样本学习和各种用例的微调都表现良好。

AI技术赋能的图像编辑工具

Fai-Fuzer是一个基于AI技术的图像编辑工具，它能够通过先进的控制网络技术，实现对图像的精确编辑和控制。该工具的主要优点在于其高度的灵活性和精确性，可以广泛应用于图像修复、美化以及创意编辑等领域。

多模态自回归模型，擅长文本生成图像

Lumina-mGPT是一个多模态自回归模型家族，能够执行各种视觉和语言任务，特别是在从文本描述生成灵活的逼真图像方面表现突出。该模型基于xllmx模块实现，支持以LLM为中心的多模态任务，适用于深度探索和快速熟悉模型能力。

图像编辑工具

Edit Anything 是一款功能强大的图像编辑工具，可以对图像进行各种编辑和生成操作。它基于 Segment Anything、ControlNet、Stable Diffusion 等技术，支持跨图像区域拖拽和合并、服装编辑、发型编辑、彩色隐形眼镜等功能。它还支持根据草图生成图像，并提供了美颜编辑和生成功能。用户可以根据需求自定义编辑布局，支持文本引导编辑和对象分割编辑等功能。Edit Anything 的应用场景广泛，可以应用于设计、艺术创作、摄影后期处理等领域。

简易AI图像生成和编辑器

DESIGNSTAFF是一个利用生成AI技术提供的服务，允许您轻松创建、编辑和修复高质量图像，而无需了解提示。

基于文本生成图像的多模态扩散变换器模型

Stable Diffusion 3.5 Medium是一个基于文本到图像的生成模型，由Stability AI开发，具有改进的图像质量、排版、复杂提示理解和资源效率。该模型使用了三个固定的预训练文本编码器，通过QK-规范化提高训练稳定性，并在前12个变换层中引入双注意力块。它在多分辨率图像生成、一致性和各种文本到图像任务的适应性方面表现出色。

快速高质量的基于拖拽的图像编辑技术

InstaDrag 是一种快速高质量的基于拖拽的图像编辑技术，利用视频中的信息进行训练，能够在大约 1 秒内实现像素级控制。通过消除梯度导向等耗时操作，提高了编辑速度和准确性。该技术能够广泛应用于图像编辑领域。

无限创意画板，集成领先AI图像编辑技术

Ideogram Canvas是一个为组织、生成、编辑和组合图像而设计的无限创意画板。它支持上传自有图像或在画板内生成新图像，并使用行业领先的Magic Fill（图像修复）和Extend（图像扩展）工具进行无缝编辑、扩展或组合。该产品特别适合图形设计，提供高级文本渲染和精确的提示遵循，通过灵活、迭代的过程将您的创意变为现实。Ideogram Canvas的背景信息显示，它是基于AI的创新界面，旨在通过AI的魔力增强您的迭代创意过程。无论您是经验丰富的设计师还是刚开始设计之旅，我们的灵活平台都能让您以惊人的速度和精度将愿景变为现实，扩展创意自由的边界。

通过自然语言指令实现智能图像编辑的开源技术。

MGIE（多模态大语言模型引导的编辑）是一项由苹果开源的技术，利用多模态大型语言模型（MLLMs）生成图像编辑指令，通过端到端训练，捕捉视觉想象力并执行图像处理操作，使图像编辑更加智能、直观。