产品库

多轮交互式图像生成技术

AutoStudio是一个基于大型语言模型的多轮交互式图像生成框架，它通过三个代理与一个基于稳定扩散的代理来生成高质量图像。该技术在多主题一致性方面取得了显著进步，通过并行UNet结构和主题初始化生成方法，提高了图像生成的质量和一致性。

自回归模型在可扩展图像生成领域的新突破

LlamaGen是一个新的图像生成模型家族，它将大型语言模型的原始下一个token预测范式应用于视觉生成领域。该模型通过适当的扩展，无需对视觉信号的归纳偏差即可实现最先进的图像生成性能。LlamaGen重新审视了图像分词器的设计空间、图像生成模型的可扩展性属性以及它们的训练数据质量。

ComfyUI实现的Omost模型

ComfyUI_omost是一个基于ComfyUI框架实现的Omost模型，它允许用户与大型语言模型(LLM)进行交互，以获取类似JSON的结构化布局提示。该模型目前处于开发阶段，其节点结构可能会有变化。它通过LLM Chat和Region Condition两个部分，将JSON条件转换为ComfyUI的区域格式，用于图像生成和编辑。

基于LLM的文本到图像生成系统

DiffusionGPT是一种基于大型语言模型（LLM）的文本到图像生成系统。它利用扩散模型构建了针对各种生成模型的领域特定树，从而能够无缝地适应各种类型的提示并集成领域专家模型。此外，DiffusionGPT引入了优势数据库，其中的思维树得到了人类反馈的丰富，使模型选择过程与人类偏好保持一致。通过广泛的实验和比较，我们展示了DiffusionGPT的有效性，展示了它在不同领域推动图像合成边界的潜力。

学习模型间字符串关系，检查视觉世界

这篇论文系统评估了大型语言模型（LLMs）生成和识别逐渐复杂的视觉概念的能力，并展示了如何使用文本模型训练初步的视觉表示学习系统。虽然语言模型不能直接处理像素级的视觉信息，但使用代码表示图像进行研究。LLM 生成的图像虽然不像自然图像，但在图像生成和纠正方面的结果表明，准确建模字符串可以教会语言模型许多关于视觉世界的方面。此外，利用文本模型生成的图像进行自监督视觉表示学习的实验，突出了只使用 LLMs 就能训练能够对自然图像进行语义评估的视觉模型的潜力。

AI学习平台

Generative AI Courses是一家提供AI学习课程的在线平台。通过课程学习，用户可以掌握GenAI、AI、机器学习、深度学习、chatGPT、DALLE、图像生成、视频生成、文本生成等技术，并了解2024年AI领域的最新发展。

无需机器学习知识，为你的软件添加人工智能

Cargoship是一个AI模型集合，提供预训练的模型和易于使用的API，无需机器学习知识即可将AI集成到你的软件中。Cargoship提供的模型包括文本处理、文本生成、图像识别、图像生成、音频转录等多个领域，用户可以选择自己需要的模型。Cargoship的模型集合不断增长，同时也保证与AI领域的发展保持同步。用户可以选择自己托管模型或者获取个人API密钥。

AI模型拖拽构建工具

Takomo.ai是一款无代码AI模型构建工具，通过拖拽和连接预训练的机器学习模型，快速生成适用于各种场景的API。它具有灵活性、可定制性和可扩展性，适用于生成图像、视频、音频等多种类型的内容。Takomo.ai提供强大的功能点列表，包括GPT文本生成、图像生成、音频转录等。它的使用场景广泛，可以应用于创意生成、图像处理、自动化任务等领域。

构建一个会讲故事的人工智能大型语言模型。

LLM101n是一个开源课程，旨在教授如何从头开始构建一个能讲故事的人工智能大型语言模型（LLM）。课程内容涵盖了从基础到高级的多个方面，包括语言模型、机器学习、深度学习框架等，适合希望深入理解AI和LLM的编程人员和研究人员。

快速生成高质量图像的扩散模型

Flash Diffusion 是一种高效的图像生成模型，通过少步骤生成高质量的图像，适用于多种图像处理任务，如文本到图像、修复、超分辨率等。该模型在 COCO2014 和 COCO2017 数据集上达到了最先进的性能，同时训练时间少，参数数量少。

提升市场搜索、推荐和原生广告的排名

Promoted是一个专注于市场搜索、推荐和原生广告排名的解决方案，通过先进的机器学习技术和大型语言模型搜索相关性AI技术，显著提升转化率和广告质量。它为市场平台提供了统一的搜索、推荐和广告服务，帮助企业实现更好的匹配和更高的收益。

评估图像生成模型在不同地理区域的质量、多样性和一致性。

DIG-In是一个用于评估文本到图像生成模型在不同地理区域中质量、多样性和一致性差异的库。它使用GeoDE和DollarStreet作为参考数据集，通过计算生成图像的相关特征和精度、覆盖度指标，以及使用CLIPScore指标来衡量模型的表现。该库支持研究人员和开发者对图像生成模型进行地理多样性的审计，以确保其在全球范围内的公平性和包容性。

高性能图像生成模型的蒸馏加速版本

HunyuanDiT Distillation Acceleration 是腾讯 Hunyuan 团队基于 HunyuanDiT 模型开发的蒸馏加速版本。通过渐进式蒸馏方法，在不降低性能的情况下，实现了推理速度的两倍提升。该模型支持多种GPU和推理模式，能够显著减少时间消耗，提高图像生成效率。

多分辨率扩散变换器，支持中英文理解

HunyuanDiT-v1.1是由腾讯Hunyuan团队开发的一款多分辨率扩散变换模型，它具备精细的中英文理解能力。该模型通过精心设计的变换器结构、文本编码器和位置编码，结合从头开始构建的完整数据管道，实现数据的迭代优化。HunyuanDiT-v1.1能够执行多轮多模态对话，根据上下文生成和细化图像。经过50多名专业人类评估员的全面评估，HunyuanDiT-v1.1在中文到图像生成方面与其他开源模型相比，达到了新的最先进水平。

一种用于生成图像的深度学习模型。

SD3-Controlnet-Canny 是一种基于深度学习的图像生成模型，它能够根据用户提供的文本提示生成具有特定风格的图像。该模型利用控制网络技术，可以更精确地控制生成图像的细节和风格，从而提高图像生成的质量和多样性。

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内容生成研究组织

InstantX是一个专注于AI内容生成的独立研究组织，致力于文本到图像的生成技术。其研究项目包括风格保持的文本到图像生成（InstantStyle）和零样本身份保持生成（InstantID）。该组织通过GitHub社区进行项目更新和交流，推动AI在图像生成领域的应用和发展。

创新的AI基础模型，提供卓越的提示遵循能力。

Leonardo Phoenix是Leonardo AI平台推出的一款基础模型，它在提示遵循、图像生成清晰度和AI研究方面取得了突破性进展。该模型通过架构创新，提供了更高质量的图像生成，特别是在人像、横幅、海报和标志的文本生成方面表现出色。此外，它还增强了创造性控制，允许用户通过提示增强和AI提示编辑来轻松获取和快速修改生成内容。尽管目前一些功能如图像引导、元素和照片写实尚未集成，但预计将在不久的将来加入。

AI图像生成器，一键生成专业插图。

Illustration Generator是Icons8推出的AI图像生成器，由专业艺术家和工程师团队打造。它能够根据用户提供的文本提示或参考图像，生成具有一致艺术风格的插图，满足网页、桌面和移动应用、社交媒体、市场营销等设计需求。AI模型基于Icons8艺术家制作的视觉素材进行训练，确保生成的AI艺术作品具有一致性和专业外观。

先进的文本到图像AI模型，实现高质量图像生成。

Stable Diffusion 3 Medium是Stability AI迄今为止发布的最先进文本到图像生成模型。它具有2亿参数，提供出色的细节、色彩和光照效果，支持多种风格。模型对长文本和复杂提示的理解能力强，能够生成具有空间推理、构图元素、动作和风格的图像。此外，它还实现了前所未有的文本质量，减少了拼写、字距、字母形成和间距的错误。模型资源效率高，适合在标准消费级GPU上运行，且具备微调能力，可以吸收小数据集中的细微细节，非常适合定制化。

您的智能副驾驶，提升日常任务处理能力。

Alva AI 是一款浏览器扩展程序，旨在帮助用户组织日程、监督目标，并提供多种AI文本模型以优化聊天体验。它具备聊天保存、消息排序、AI文本生成、图像生成、翻译助手、语法检查和文本创作等功能，支持个性化设置，旨在提升用户的日常工作效率。

简化SdxlWebUi的安装和使用，让图像生成更便捷。

EasySdxlWebUi是一个开源项目，旨在简化SdxlWebUi的安装和使用过程，使得用户可以更加方便地利用Stable Diffusion web UI和forge等工具进行图像生成。项目支持多种扩展功能，允许用户通过web界面进行参数设置和图像生成，同时也支持自定义和自动化安装，适合需要快速上手和高效生成图像的用户。

将手绘草图变为现实色彩图像。

SketchDeco是一个创新的在线工具，它能够将黑白草图、遮罩和色彩调色板转化为逼真的彩色图像，无需用户定义文本提示。这项技术结合了ControlNet和分阶段生成的方法，使用Stable Diffusion v1.5和BLIP-2文本提示，提供了忠实的图像生成和用户导向的色彩化。它不仅快速、无需训练，而且与消费级Nvidia RTX 4090 Super GPU兼容，为创意专业人士和爱好者提供了宝贵的资源。

AI模型和图像生成服务的集成平台

Mamouth是一个集成了多种先进AI模型和图像生成服务的平台，旨在帮助用户保持在人工智能技术的前沿。平台提供包括GPT-4o、Claude、Llama、Mistral、Gemini等在内的AI语言模型，以及Dall-E、Midjourney和Stable Diffusion等图像生成工具。Mamouth通过订阅服务模式，为用户提供高效、便捷的AI使用体验，同时支持团队管理和工作空间功能，满足不同用户的需求。

一种通过3D感知递归扩散生成3D模型的框架

Ouroboros3D是一个统一的3D生成框架，它将基于扩散的多视图图像生成和3D重建集成到一个递归扩散过程中。该框架通过自条件机制联合训练这两个模块，使它们能够相互适应，以实现鲁棒的推理。在多视图去噪过程中，多视图扩散模型使用由重建模块在前一时间步渲染的3D感知图作为附加条件。递归扩散框架与3D感知反馈相结合，提高了整个过程的几何一致性。实验表明，Ouroboros3D框架在性能上优于将这两个阶段分开训练的方法，以及在推理阶段将它们结合起来的现有方法。

快速个性化文本到图像模型

HyperDreamBooth是由Google Research开发的一种超网络，用于快速个性化文本到图像模型。它通过从单张人脸图像生成一组小型的个性化权重，结合快速微调，能够在多种上下文和风格中生成具有高主题细节的人脸图像，同时保持模型对多样化风格和语义修改的关键知识。

创建不同姿势的给定角色图像

cog-consistent-character 是一个基于 AI 的图像生成模型，允许用户创建给定角色在不同姿势下的图像。它利用了 Stable Diffusion 技术，通过 ComfyUI 提供了一个用户友好的界面，使得即使是没有编程背景的用户也能轻松生成高质量的图像。

AI 思维导图，解析一切

Mapify 是一款 AI 驱动的思维导图工具，能够帮助用户从多种文件格式、网页内容或视频等资料中快速提取核心观点，并整理输出为结构化的思维导图。它通过一键做图、缩放导图、内置 AI 模板等功能，极大提升了用户的生产力和创造力。Mapify 还具备与 AI 对话、实时网络访问和图像生成等高级功能，使用户能够更高效地展示和分享思维导图。

高分辨率多视角扩散模型，使用高效行注意力机制。

Era3D是一个开源的高分辨率多视角扩散模型，它通过高效的行注意力机制来生成高质量的图像。该模型能够生成多视角的颜色和法线图像，支持自定义参数以获得最佳结果。Era3D在图像生成领域具有重要性，因为它提供了一种新的方法来生成逼真的三维图像。

高效能的文本到图像生成模型

SDXL Flash是由SD社区与Project Fluently合作推出的文本到图像生成模型。它在保持生成图像质量的同时，提供了比LCM、Turbo、Lightning和Hyper更快的处理速度。该模型基于Stable Diffusion XL技术，通过优化步骤和CFG（Guidance）参数，实现了图像生成的高效率和高质量。