产品库

Illusion Diffusion是一款免费创新的AI工具，通过文本提示将普通照片转化为迷人的图像，将艺术之美与AI技术相结合。

Illusion Diffusion是一款免费创新的AI工具，通过Stable Diffusion和Controlnet AI模型，将普通照片转化为艺术品，提供文本提示来生成视觉错觉和超现实图像。

一种用于虚拟试穿任务的扩散模型，特别在真实世界场景中提高图像保真度和细节保存。

IDM-VTON是一种新型的扩散模型，用于基于图像的虚拟试穿任务，它通过结合视觉编码器和UNet网络的高级语义以及低级特征，生成具有高度真实感和细节的虚拟试穿图像。该技术通过提供详细的文本提示，增强了生成图像的真实性，并通过定制方法进一步提升了真实世界场景下的保真度和真实感。

智能工具，激发创意无限

DeepAI是一个提供多种人工智能工具的网站，包括AI视频生成器、AI图像生成器、AI图像编辑器和AI角色聊天等。用户可以利用这些工具将静态图片和文本提示转换成简短的视频动画，或者通过输入提示来生成图像。DeepAI的AI图像编辑器允许用户快速编辑图片，而AI角色聊天则可以与各种角色进行互动。此外，还有去除背景和给黑白照片上色的功能。DeepAI提供PRO会员服务，享受无广告体验、私有图片存储和API访问等特权。

快速生成三维模型的AI工具

AI 3D Generation是Spline推出的一款3D设计工具，它支持文本到3D生成和图像到3D生成，允许用户通过简单的文本提示或2D图像自动创建出详细且精确的3D模型。该工具具有生成变体与混合、直观且适合初学者、创建独特的3D库、平台集成与实时协作、易于集成和发布等功能。

基于LDM的服装驱动图像合成AI

MagicClothing是一种基于潜在扩散模型（LDM）的新型网络架构，专门用于服装驱动的图像合成任务。它能够根据文本提示生成穿着特定服装的定制化角色图像，同时确保服装细节的保留和对文本提示的忠实呈现。该系统通过服装特征提取器和自注意力融合技术，实现了高度的图像可控性，并且可以与ControlNet和IP-Adapter等其他技术结合使用，以提升角色的多样性和可控性。此外，还开发了匹配点LPIPS（MP-LPIPS）评估指标，用于评价生成图像与原始服装的一致性。

基于大语言模型的个性化图像生成工具

MoMA Personalization 是一款基于开源 Multimodal Large Language Model (MLLM) 的个性化图像生成工具。它专注于主题驱动的个性化图像生成，可以根据参考图像和文本提示生成高质量、保留目标物体特征的图像。MoMA 不需要任何 fine-tuning，是一个插件式的模型，可以直接应用于现有的 diffusion 模型中，并在保留原模型性能的同时提高生成图像的细节和 prompt 忠实度。

ComfyUI 的 IPAdapter 模型参考实现

这是一个 ComfyUI 的 IPAdapter 模型参考实现。IPAdapter 是一种非常强大的模型,用于基于一个或多个参考图像进行图像到图像的条件生成。通过文本提示、控制网络和掩码,您可以生成增强图像的变体。可以将其视为单张图像的 Lora。该实现代码内存高效、运行快速,并且不会因 Comfy 更新而中断。作为开源项目,开发者欢迎捐赠以支持项目维护和新功能开发。

通用视觉-语义物体检测，无需任务特定调优

T-Rex2是一种范式突破的物体检测技术,能够识别从日常到深奥的各种物体,无需任务特定调优或大量训练数据集。它将视觉和文本提示相结合,赋予其强大的零射能力,可广泛应用于各种场景的物体检测任务。T-Rex2综合了四个组件:图像编码器、视觉提示编码器、文本提示编码器和框解码器。它遵循DETR的端到端设计原理,涵盖多种应用场景。T-Rex2在COCO、LVIS、ODinW和Roboflow100等四个学术基准测试中取得了最优秀的表现。

基于稳定扩散生成高质量动漫风格图像的文本到图像模型

Animagine XL 3.1 是一款能够基于文本提示生成高质量动漫风格图像的文本到图像生成模型。它建立在稳定扩散 XL 的基础之上,专门针对动漫风格进行了优化。该模型具有更广泛的动漫角色知识、优化过的数据集和新的美学标签,从而提高了生成图像的质量和准确性。它旨在为动漫爱好者、艺术家和内容创作者提供有价值的资源。

实时交互生成，基于区域语义控制

StreamMultiDiffusion是一个实时交互多文本到图像生成平台，用户可以根据指定的区域文本提示进行生成。通过操控含义而非颜色的画笔进行绘画创作。

生成AI图像，保护知识产权

Invoke是一款生成AI图像的工具，用户可以通过输入文本提示、图像提示或自己的草图，将创意转化为专业质量的图像。它还提供工作流程管理、队列管理等功能，保护用户的知识产权。价格从39美元/月起。

PIXART-Σ是一个用于4K文本到图像生成的扩散变换器模型（Diffusion Transformer）

PIXART-Σ是一个直接生成4K分辨率图像的扩散变换器模型，相较于前身PixArt-α，它提供了更高的图像保真度和与文本提示更好的对齐。PIXART-Σ的关键特性包括高效的训练过程，它通过结合更高质量的数据，从“较弱”的基线模型进化到“更强”的模型，这一过程被称为“弱到强训练”。PIXART-Σ的改进包括使用更高质量的训练数据和高效的标记压缩。

高分辨率3D内容生成的多视图高斯模型

LGM是一个用于从文本提示或单视图图像生成高分辨率3D模型的新框架。它的关键见解是:(1) 3D表示:我们提出了多视图高斯特征作为一个高效 yet 强大的表示,然后可以将其融合在一起进行不同iable 渲染。(2) 3D主干:我们呈现了一个不对称U-Net作为一个高通量的主干操作多视图图像,这可以通过利用多视图扩散模型从文本或单视图图像输入中产生。大量的实验表明了我们方法的高保真度和效率。值得注意的是,我们在将训练分辨率提高到512的同时保持生成3D对象的快速速度,从而实现了高分辨率的3D内容生成。

开放式基于提示的图像生成

GLIGEN是一个开放式的基于文本提示的图像生成模型,它可以基于文本描述和边界框等限定条件生成图像。该模型通过冻结预训练好的文本到图像Diffusion模型的参数,并在其中插入新的数据来实现。这种模块化设计可以高效地进行训练,并具有很强的推理灵活性。GLIGEN可以支持开放世界的有条件图像生成,对新出现的概念和布局也具有很强的泛化能力。

基于视频扩散先验为开放域图像添加动画的工具

DynamiCrafter是一款由Jinbo Xing、Menghan Xia等人开发的图像动画工具。通过利用预训练的视频扩散先验，DynamiCrafter可以基于文本提示为开放域的静止图像添加动画效果。该工具支持高分辨率模型，提供更好的动态效果、更高的分辨率和更强的一致性。DynamiCrafter主要用于故事视频生成、循环视频生成和生成帧插值等场景。

ComfyUI下的非官方InstantID实现

这是一个在 ComfyUI 环境下对 InstantID 的非官方实现,可以让用户无需部署服务端就可以体验 InstantID 带来的人物图像生成效果。它支持从 huggingface hub 自动下载模型,也可以加载本地模型。兼容各种文本提示词输入和 styler,可以轻松实现不同风格的人物图像生成。

稳定扩散：距离快速多样的文本生成3D仅一步之遥

HexaGen3D是一种用于从文本提示生成高质量3D资产的创新方法。它利用大型预训练的2D扩散模型，通过微调预训练的文本到图像模型来联合预测6个正交投影和相应的潜在三面体，然后解码这些潜在值以生成纹理网格。HexaGen3D不需要每个样本的优化，可在7秒内从文本提示中推断出高质量且多样化的对象，相较于现有方法，提供了更好的质量与延迟权衡。此外，HexaGen3D对于新对象或组合具有很强的泛化能力。

秒速零拍照生成身份保留

InstantID是一种基于强大扩散模型的解决方案，能够在各种风格下使用单张面部图像进行图像个性化处理，同时确保高保真度。我们设计了一个新颖的IdentityNet，通过施加强大的语义和弱空间条件，将面部和地标图像与文本提示集成，引导图像生成。InstantID在实际应用中表现出色，并且能够与流行的预训练文本到图像扩散模型（如SD1.5和SDXL）无缝集成，作为一个可适配的插件。我们的代码和预训练检查点将在此URL上提供。

AI图像生成器，从文本创作真实/动漫图像

SoulGen AI是一款AI图像生成器，能够从简单的文本提示中创作出真实或动漫风格的图像。用户可以通过描述梦中的女孩，名人或朋友的样貌，让AI生成对应的艺术作品。此外，用户还可以通过输入文本提示来编辑、扩展和去除图像内容，以及通过调整图像大小并输入文本提示来为图像添加新元素。SoulGen AI还支持描述理想中的动漫角色并将其转化为动漫图片。用户可以根据自己的创意飞翔想象，将其转化为独特的动漫形象。

基于人脸识别模型的图片生成

这是一个实验性质的基于人脸识别模型提取的面部ID嵌入进行图像生成的模型。它使用了LoRA来提高ID一致性。IP-Adapter-FaceID可以仅通过文本提示生成各种风格的人脸图像。

从文字生成惊艳图片

AI Image Generator是一个使用人工智能技术根据文本提示生成图像的工具。它可以将您的描述转化为视觉艺术作品，提供从逼真到动漫风格的多种选择。无论是艺术家还是爱好者，都可以在几秒钟内创造出独特和引人入胜的图像。

AI图像生成，秒级响应

RenderNet是一款快速AI图像生成器，基于超快的GPU，运行最稳定的Diffusion模型。通过文本提示，可在几秒钟内生成非凡的AI图像。登录即可获取免费积分。

AI驱动的SVG生成工具

neoSVG是一款使用AI技术将简单文本提示转化为精美SVG图形的工具。它能简化工作流程、提升创造力，立即创建独特的矢量图像。通过提供早期访问权限，它将改变你的设计体验！

使用AI将文本转换为SVG

AI文本转SVG是一个免费的工具，可以将文本转换为独特的SVG图像。只需输入文本提示，即可在20秒内生成美观、独特的SVG图像。该工具使用先进的AI技术，没有任何限制和水印。适用于各种设计项目和创意应用。

单文本/图像生成可导航3D场景

LucidDreamer是一种无域3D场景生成技术，通过充分利用现有大规模扩散生成模型的能力，可以从单个文本提示或单个图像生成可导航的3D场景。该方法具有梦境和对齐两个交替步骤，首先根据输入生成多视角一致的图像，然后将新生成的3D场景部分和谐地整合在一起。LucidDreamer生成的高度详细的高斯斑点与以往的3D场景生成方法相比没有目标场景域的限制。

AI驱动的文本到视频生成

Emu Video是一种基于扩散模型的简单文本到视频生成方法，将生成过程分解为两个步骤：首先根据文本提示生成图像，然后根据提示和生成的图像生成视频。分解生成方式能够高效训练高质量的视频生成模型。与以往的方法相比，我们的方法只需使用两个扩散模型即可生成分辨率为512像素、播放速度为每秒16帧、时长为4秒的视频。

AI艺术生成器，通过文本提示创作图像

Midjourney是一款AI图像生成工具，通过简单的文本提示即可立即创建高度风格化的艺术图像。其专有算法可以生成非常详细和逼真的图像，具有梦幻般的质感。Midjourney的关键特点包括直观的基于文本的界面、定期更新的模型以不断提高图像质量、用于精细调整图像的强大编辑工具以及提供具体生成配额和功能的灵活订阅计划。凭借其用户友好的提示系统、不断发展的技术和与其他AI艺术生成器相比的独特美学，Midjourney迅速成为最受欢迎的平台之一，轻松创建独特的AI生成艺术品。

高度详细的图像生成器

DALL-E 3是OpenAI的最新一代AI图像生成器，能够从文本提示中精确地生成高度逼真和详细的视觉效果。它首先于2023年10月发布给ChatGPT Plus和企业用户，并与ChatGPT紧密集成，简化了创建提示和维护图像上下文的过程。DALL-E 3采用了针对有害内容的安全措施，并使艺术家能够对其作品的使用行为进行控制。

一键优化AI生成艺术创意

Prompter是一个Chrome浏览器插件,能够一键优化用户的文本提示,生成更加精美、细节丰富的AI艺术图像。关键功能包括:一键优化提示文本,实时预览创作效果,提示笔记本随时记录灵感等。适用于Midjourney、Stable Diffusion等主流生成平台,支持图像、视频、3D等创作,是创意工作者的最佳助手。

Meta 推出的AI助手,可在WhatsApp、Messenger和Instagram使用

Meta AI是一款由Meta公司推出的AI助手,用户可以在WhatsApp、Messenger和Instagram等应用中使用它。Meta AI能够提供实时信息,还可以通过文本提示快速生成照片级图像。此外, Meta AI具有独特的个性和兴趣爱好,甚至有些版本是由文化偶像和网红充当的。