多模态生成

收集视觉语言模型在流式视频场景下的论文与开源代码，帮研究者快速定位在线视频理解方向的资料。

为 ComfyUI 提供 MiniMax H3 文生图、参考图编辑和 Qwen 细节精修的节点与实测工作流，开箱即用。

GRACE

ForeverBlue816·Jupyter Notebook

面向视觉语言模型的 INT4 量化部署方案，通过量化感知蒸馏把大模型压缩到 4bit，在保持多模态能力的同时大幅降低显存占用。

在官方 DocVQA 基准上让智能体自动迭代 Qwen3-VL 的训练代码，省去手工调参和实验设计，支持 NVIDIA 多卡与 Apple Silicon。

pictex

francozanardi·Python

用 CSS Flexbox 布局语法在 Python 里生成图片，支持渐变、阴影和文字排版，适合批量出图或程序化设计。

Handwriting-simulator

bamboostrip·Python

把普通文本渲染成逼真的手写体图片，支持手写字体、信纸背景和字距行距笔画随机扰动，提供 GUI 和 CLI 两种用法。

汇总各家 AI 视频生成模型的横向对比清单，覆盖模型能力、可用 API、价格和生成速度，方便选型时快速查表。

收集整理 MiniMax H3 视频生成提示词，覆盖电影感、广告、动漫、UGC、产品视频等场景，附带可播放示例和创作者署名，方便直接参考套用。

把 Qwen-Image-2.1 的文生图和多图编辑提示词按阿里官方规范自动改写优化，让 AI Agent 出图更准。

从长视频游戏录像里自动剪出适合竖屏短视频的精彩片段，靠 AI 场景分析挑高光、GPU 加速渲染，还能加 AI 配音。

整理扩散模型风格迁移最新方法的资源清单，涵盖文本到图像、文本到视频等方向，方便快速查找和对比相关论文与实现。

CVPR'24 论文官方实现，用上下文残差学习加少量样本提示，让一个通用模型跨类别做异常检测，免去每类单独训练。