产品库

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。

将大型语言模型的编码能力转换为图像生成能力。

Omost是一个旨在将大型语言模型(LLM)的编码能力转化为图像生成（更准确地说是图像组合）能力的项目。它提供了基于Llama3和Phi3变体的预训练LLM模型，这些模型能够编写代码以使用Omost的虚拟Canvas代理来组合图像视觉内容。Canvas可以由特定的图像生成器实现来实际生成图像。Omost项目背后的技术包括Direct Preference Optimization (DPO)和OpenAI GPT4o的多模态能力。

先进的文本到图像生成系统

Stable Diffusion 3是一款先进的文本到图像生成系统，它在排版和提示遵循方面与DALL-E 3和Midjourney v6等顶尖系统相匹敌或更优。该系统采用新的多模态扩散变换器(MMDiT)架构，使用不同的权重集来改善图像和语言的表示，从而提高文本理解和拼写能力。Stable Diffusion 3 API现已在Stability AI开发者平台上线，与Fireworks AI合作提供快速可靠的API服务，并承诺在不久的将来通过Stability AI会员资格开放模型权重以供自托管。

AI创造性视觉的突破性AI

Stable Diffusion 3是Stability AI推出的最新创新，为创造性图像生成带来突破性的AI。它提供了改进的文本到图像生成算法、多模态能力和用户友好的许可证，免费使用SDXLTurbo.ai。革新设计、动画、游戏等领域，提升文本到图像生成、多模态能力和用户友好的许可证。探索、创造、转化。

GLM-4和CogView3，智能大模型与图像生成AI

智谱AI在首届技术开放日上发布了GLM-4和CogView3。GLM-4性能全面提升近60%，支持更长的上下文、更强的多模态支持和更快速的推理。CogView3逼近DALL·E 3的多模态生成能力。产品定位为下一代基座大模型和图像生成AI。

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。

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。

文本兼容图像提示适配器，用于文本到图像扩散模型。

IP-Adapter是一款轻量级的适配器，可为预训练的文本到图像扩散模型实现图像提示功能。其关键设计是解耦的交叉注意力机制，可将文本特征和图像特征的交叉注意力层分离。IP-Adapter不仅可以与现有的可控工具兼容，还可以与文本提示一起实现多模态图像生成。与其他现有方法相比，IP-Adapter不仅在图像质量方面表现更好，而且可以生成更符合多模态提示的图像。

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。

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。

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。

AI图像生成，多平台支持

ArtiverseHub是一个多平台AI图像生成工具，将文本转化为动态图像，支持DALLE、ChatGPT、Leonardo AI、Stability AI等多个平台。用户可以根据自己的创意选择合适的平台生成高质量的图像。ArtiverseHub提供个性化的体验，用户可以无缝切换平台，实现他们的艺术愿景。

高保真图像到视频生成框架

AtomoVideo是一个新颖的高保真图像到视频（I2V）生成框架，它从输入图像生成高保真视频，与现有工作相比，实现了更好的运动强度和一致性，并且无需特定调整即可与各种个性化T2I模型兼容。

参数高效微调个性化扩散模型

DiffuseKronA 是一种参数高效的微调方法，用于个性化扩散模型。它通过引入基于 Kronecker 乘积的适配模块，显著降低参数数量，提升图像合成质量。该方法减少了对超参数的敏感性，在不同超参数下生成高质量图像，为文本到图像生成模型领域带来重大进展。

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 内容生成平台

Sophic 是一个 AI 内容生成平台，通过与用户聊天分析用户的兴趣和个性，生成个性化的 AI 内容。用户可以通过与 Sophic 的对话来改善内容推荐。平台还提供图像生成功能，并实时分析对话生成相关问题。Sophic 还处于早期阶段，未来将引入更多形式的内容生成，如视频、音频等。请发送您的建议和问题至 markortega@berkeley.edu。

基于AI绘画的强大AI艺术图像生成插件

ArtAny是一款基于AI绘画技术的强大AI艺术图像生成插件，通过一键生成个性化图像。使用ArtAny插件的强大AI技术，在微信公众号、小红书、抖音、Instagram、Twitter等平台上生成创意营销图片，使您的内容创作脱颖而出。功能包括无限创意、自定义图像风格、一键生成、互动艺术、高质量输出、有趣实验、创意启发、提高工作效率、社区分享、持续更新。

AI文本到图像生成工具

NeutronField是一款AI文本到图像生成工具，通过输入文字描述，即可生成对应的图像。它具有稳定的扩散算法，能够生成高质量的图像作品。NeutronField的主要功能包括根据文本生成图像、展示AI文本到图像的作品、购买和出售AI文本到图像的作品等。它的优势在于能够快速生成多样化的图像作品，满足用户的个性化需求。NeutronField的定价根据作品的复杂程度和独特性而定，用户可以根据自己的需求选择合适的作品进行购买。NeutronField定位于为用户提供便捷、高效的AI文本到图像生成服务。

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。

最佳WordPress AI内容生成器

AIBud WP是一款强大的AI内容生成器和图像生成器插件。它可以帮助用户快速生成高质量的内容和图片，节省写作时间。它还具有智能聊天机器人功能，可以回答用户的问题并提供个性化的答案。AIBud WP使用直观的用户界面，使用户能够轻松选择风格和语调，并生成符合要求的内容。

AI驱动的图像生成器，轻松创建独特定制的图片

Stormi是一款免费的AI图像生成器，利用人工智能技术，能够轻松生成独特定制的图片。用户可以通过Stormi创建各种风格、主题的图片，无需设计经验，只需简单操作即可生成高质量的图片。Stormi适用于各种场景，包括个人使用、商业项目、设计创意等。它不仅提供了丰富的功能点，还能够满足用户的个性化需求。Stormi完全免费，无需付费订阅，用户可以随时随地使用。

AI图片生成的NFT平台

NFTngine是一个无需编码的平台，允许创作者将AI生成的图片制作成独一无二的NFT作品。用户可以使用NFTngine生成器来创建个性化的艺术作品，并将其发布到区块链上作为NFT进行销售和交易。NFTngine的优势包括简单易用的界面、高质量的AI图像生成、支持多个区块链平台以及安全可靠的交易。NFTngine提供免费和付费的套餐选项，用户可以根据自己的需求选择合适的定价计划。NFTngine定位于为创作者和艺术爱好者提供一个简单而强大的平台，让他们能够将自己的创作转化为有价值的数字资产。

AI创作工具，让艺术家更具创造力

Alpaca是一款个性化AI工具包，旨在帮助您更深入地探索、更快速地迭代，并发挥您的创造潜力-就在您工作的地方。它提供了一系列功能，包括受控图像生成、快速迭代、个性化工具集等。通过Alpaca，您可以将任何想法变为现实，以自己的风格进行生成，并以快速的速度不断探索各种可能性。

AI 驱动的创意工具集，激发无限想象。

Glif AI 应用是一个集成了多种 AI 创意工具的平台，用户可以在这里找到和构建各种 AI 驱动的图像生成器、漫画生成器、角色生成器等。这些工具利用最新的 AI 技术，如神经网络，为用户提供了一种全新的创作方式，使得即使是没有专业设计背景的用户也能轻松创作出高质量的图像和艺术作品。

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。

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。

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。

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。

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。