把文字描述直接变成可编辑的 3D 模型和 CAD 设计，省去从零建模的麻烦，适合 3D 打印和快速原型场景。

5 秒克隆任意人声，实时合成任意语音，基于 PyTorch 的语音克隆与文本转语音工具。

用自然语言描述就能生成 STEP、STL 等 CAD 模型文件，把文字直接变成可加工的三维零件设计，适合机械工程和机器人领域的快速原型。

用聊天方式让 AI 直接绘制和编辑 draw.io 图表，提供网页版、桌面版和 MCP 服务器，可接入 Claude Code、Cursor 等编码工具。

无需分词器的多语言语音合成模型，支持创意音色设计和逼真声音克隆，可直接从文本生成自然语音。

从下载数据到生成文本，手把手教你从零训练自己的大语言模型，适合想搞懂 LLM 训练全流程的开发者动手实践。

给 AI Agent 用的排版规则和模板，能把内容导出成 PDF、PNG 和可编辑的 PowerPoint，省去手动调版式。

微软开源的统一 3D 生成模型，用结构化 3D 潜变量把文本或图像转成高质量 3D 资产，支持大规模、多用途的 3D 内容创作。

Roblox 开源的 3D 基础模型，能从文本生成 3D 形状，为 3D 内容创作提供通用智能底座。

NeurIPS 2024 提出的掩码扩散语言模型，用简单的掩码扩散训练方式做文本生成，效果优于传统扩散语言模型，代码基于 Python 可直接复现。

用 PEFT 和 LoRA 对 Falcon、Llama、Llama2 等大模型做低成本微调的实战教程合集，以 Jupyter Notebook 形式提供可直接跑通的训练流程。

把文本生成 CAD 模型拆成多个智能体协作完成，通过约束式测试时计算提升生成质量，适合机械设计与 3D 打印场景。

基于扩散 Transformer 的开源文本生成音乐模型，输入文字描述即可合成音乐片段，适合做 AI 音乐生成的研究与二次开发。

基于 3D 高斯泼溅的文本生成 3D 场景工具，通过 Formation Pattern Sampling 从文字描述直接构建可渲染的三维场景，适合做 3D AIGC 内容创作。

无需训练的长篇故事可视化迭代框架，通过多轮迭代生成保持角色与情节一致的故事配图，解决长文本生成图像时前后不一致的问题。

基于扩散模型的时间流逝视频生成模型，能把文本提示变成物体随时间逐渐变形的延时视频，还配套了专门的延时数据集。

腾讯混元开源的多模态扩散模型，根据视频画面和文本描述生成高保真拟音音效，解决视频配音中脚步声、环境声等 Foley 音效制作费时费力的问题。

把语言模型直接当作统一的多模态生成器，用自回归方式同时做文本到图像生成，省去额外扩散模型。

给 Payload CMS 装的 AI 插件，在后台直接做文本生成、AI 写作、翻译和图像生成，省去接第三方服务的麻烦。

提供 AsymFlow、pi-Flow、GMFlow 等流匹配与扩散蒸馏算法的官方 PyTorch 实现，用于加速文本到图像生成模型的训练与推理。

DF-GAN 是 CVPR2022 提出的文本到图像生成基线，用简洁的 GAN 结构从文字描述合成图像，效果稳定且易于复现。

用 OpenAI 的 CLIP 引导扩散模型，把文字描述直接生成图片，提供命令行工具和 Python 模块两种用法。

无需微调即可把任意参考图的风格迁移到任意内容上，生成高质量个性化风格化图片的风格迁移模型。

把一句文字提示变成可编辑的参数化 3D 程序，而不是死模型，方便后续改尺寸、换材质和加关节，适合 CAD 与机器人场景。

无需训练就能把故事文本转成富有表现力的分镜图，基于扩散模型直接生成，省去微调成本。

从文本、图像或 3D 条件生成 3D 内容的扩散模型，通过检索增强引入参考模型，提升生成质量与可控性。

让大模型在机器写作时通过「思考」主动扩展知识边界，缓解长文生成中内容浅薄、信息重复的问题，适合新闻等长文本创作场景。

基于多模态大模型的视频剪辑智能体，能把文字需求直接变成成片，自动完成剪辑、合成与全流程视频生产。

汇总视频生成领域的论文与资源清单，覆盖扩散模型、GAN、文本生成视频等方向，方便快速追踪研究进展。

汇总视频扩散模型相关论文与资源的综述清单，覆盖文本生成视频、视频编辑等方向，帮研究者快速摸清领域脉络和代表工作。

整理文本生成视频（Text-to-Video）领域论文与资源的综述清单，帮研究者快速摸清扩散模型等技术路线和代表工作。

收集整理文本生成 3D 与扩散生成 3D 方向的论文与资源清单，方便快速跟进文生 3D、图生 3D 和 NeRF 相关进展。

汇总文本到图像生成与合成领域论文、模型和资源的综述清单，方便快速了解 GAN、多模态等方向的研究进展。

汇总文本到图像扩散模型可控生成方向的论文、代码与工具资源，覆盖空间控制、多概念组合和个性化生成，方便快速查找与调研。

汇总文本到图像生成领域的研究论文与资源，方便快速跟进扩散模型等文生图方向的进展。