基于 Gradio 的 Stable Diffusion 网页界面，把文生图、图生图、局部重绘等能力做成可视化操作面板，不用写代码就能跑图像生成。

基于 ComfyUI 的全自动短视频生成引擎，串联文生图、语音合成与视频生成，一条流水线把创意直接做成短视频。

SANA 是英伟达开源的高效扩散生成模型与配套训练推理引擎，支持文生图、文生视频和世界模型，用线性注意力和 NVFP4 量化在低显存下实现快速生成。

帮你把随手写的提示词改写成结构清晰、效果更好的版本，还能对比测试不同提示词的效果，适合经常和 LLM 打交道的人。

面向 Stable Diffusion 的专业图像生成引擎，提供行业领先的 WebUI，支持文生图、图生图、局部重绘和扩图，适合创作者与商业产品集成。

开源文生视频和图生视频模型，CogVideoX 支持从文本或图片生成视频，适合搭建视频生成推理服务。

一站式 WebUI，基于 Diffusers 和 PyTorch 统一完成 AI 图像与视频生成、打标和后期处理，省去在多个工具间切换的麻烦。

开箱即用的视频扩散模型工具箱，支持文生视频和图生视频，重点解决高质量视频训练数据不足的问题。

基于 Nano Banana Pro 的小红书图文一站式生成器，输入一句话就能同时产出笔记文案和配图，省去分别写稿和找图的麻烦。

把随手写的提示词改写成更清晰、结构化的版本，让文生图和图像编辑模型生成效果更稳定。

MOSS-Image 是一个 50 亿参数的 DiT 基础模型，主打高质量文字渲染、布局生成和高效微调，适合需要精准控制文字与版式的文生图场景。

只用几张图片就能让文生图扩散模型学会多个新概念，并把它们组合到同一张图里，适合做个性化图像生成和少样本微调。

微软开源的统一多模态模型，用流匹配做图像编辑与文生图，同时支持流式视频理解和 GUI 电脑操作 Agent。

Infinity 是一个用位级自回归建模做高分辨率图像生成的模型，把 GPT 式架构扩展到视觉生成，解决高分辨率文生图的质量和扩展性问题。

在浏览器里直接修复 AI 生成的像素画和矢量图，不用装软件或上传服务器，适合处理文生图常见的锯齿、模糊和边缘失真问题。

基于 Diffusers 的实时扩散模型演示应用，用潜在一致性模型把文生图做到近乎即时的出图，并通过 MJPEG 推流展示生成过程。

把在线策略自蒸馏引入扩散模型后训练，用强化学习思路提升文生图和图像编辑的生成质量，省去额外奖励模型。

把主流大模型 API 和开源模型统一到一个 WebUI 里，覆盖知识库、数据库、角色扮演、文生图、LoRA 微调、数据集制作等全流程工具。

腾讯混元开源的 2K 高分辨率文生图扩散模型，能根据文字直接生成高清图像，兼顾生成效率与画质。

用 VQAScore 给文生图、文生视频和文生 3D 模型打分的评测工具，基于视觉语言模型判断生成内容与文本提示是否匹配。

为 Hugging Face diffusers 提供注意力图提取与可视化工具，方便查看 Stable Diffusion 文生图时文本如何影响图像区域。

FLUX.1 Krea 官方开源仓库，提供基于扩散模型的文生图能力，可生成高质量图像。

统一多模态模型，把图文理解、文生图和图像编辑整合进同一套框架，省去为不同任务分别部署模型的麻烦。

纯前端的多模型并行对话与文生图工具，填上 API Key 就能同时对比 ChatGPT、Claude 等模型的回答并生成图片，无需自建服务端。

MACE 是 CVPR 2024 提出的扩散模型大规模概念擦除方法，能从 Stable Diffusion 等文生图模型中批量移除指定概念，适合做内容安全与版权合规。

用 torchao 和 diffusers 优化扩散模型的端到端教程，覆盖推理加速和 FP8 训练，帮你在 Flux 等文生图模型上省显存、提速度。

RecA 用自监督学习让多模态模型在生成图像时借助自身的视觉理解能力，提升文生图和图像编辑的效果，可接入 ComfyUI 使用。

用掩码生成式 Transformer 做高分辨率文生图的官方实现，把非自回归架构重新拉回实用水平，兼顾生成效率与画质。

给照片加上对抗扰动，防止他人用 DreamBooth 等个性化文生图模型把你的脸合成到任意画面里。

7B 参数文生图模型，专攻高质量文字渲染，在严苛算力限制下也能高效出图，适合需要画面内准确排字的场景。

T2I-CompBench 是评估文生图模型组合能力的基准，覆盖属性绑定、物体关系和数量等维度，帮研究者量化模型是否真的画对了提示词。

用单个提示词就能让扩散模型生成前后一致的多图故事，无需额外训练或微调，解决文生图角色与场景不一致的问题。

基于 React 19 + FastAPI + LangChain/LangGraph 的 AI 修图智能体，用自然语言驱动 21 种编辑工具完成抠图、图层拆分、区域编辑和文生图，配套教程带你一周掌握 AI Agent 全栈开发。

首个开源的 JSON 原生文生图模型，用结构化 JSON 输入实现可控、可预测且版权合规的图像生成。

Kandinsky 5.0 是一套文生视频与文生图的扩散模型家族，支持视频和图像生成，并带有蒸馏加速能力。

UNO 是字节跳动开源的通用图像定制方法，基于扩散 Transformer，用同一套框架同时支持单主体和多主体参考图生成，解决多主体一致性难的问题。

把 MiniMax 的语音合成、文生图、文生视频等生成能力封装成 MCP 服务，让 Claude 等支持 MCP 的客户端直接调用。

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。

把 LLM、Embedding、Reranker、ASR、TTS、文生图和文生视频统一封装成 OpenAI 兼容接口，方便生产环境一键部署多种模型服务。

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。