文本到图像

基于LoRA的扩散模型概念控制技术，可精细调整图像属性 Concept Sliders是面向扩散模型图像生成的概念精确控制技术，基于低秩适配器LoRA架构在预训练扩散模型上部署，无需大幅改动原有模型，支持用户通过文本描述或图像对训练特定属性的控制方向。可在保留图像整体结构的前提下，实现对眼睛大小、光照等细节的细微调整，避免生成模糊扭曲输出。

基于Stable Diffusion 3模型的免费在线AI文本生成图像平台 本平台基于Stability AI开发的原生Stable Diffusion 3模型搭建，采用多模态扩散变换器（MMDiT）架构，相比前代模型提升了图像保真度、多主体处理与文本匹配能力。支持免费在线使用，无需本地部署高性能硬件，同时提供API调用与模型下载渠道，适配不同创作需求。

支持多种AI模型的免费在线AI图像生成创作平台 Bylo.ai是在线AI图像生成平台，支持文本生成图像，开放负面提示词功能，可接入包括Flux在内的多款主流AI图像生成模型。平台无需下载客户端，可免费在线访问，生成速度较快，支持灵活调整图像参数，输出图像质量较高，可满足个人与商业场景使用需求。

基于改进U-Net的AI生成模型，可单步去噪生成3D一致多视图图像 ViewDiff是一款针对多视角3D一致图像生成的AI模型，通过在传统U-Net网络中融入3D体积渲染模块与跨帧注意力层，优化生成逻辑，可在单个去噪过程中完成生成流程。相较于同领域现有生成方案，ViewDiff输出的多视图图像不仅视觉表现更优，同时整体3D一致性更强，可更好支撑后续3D相关应用开发。

专注内容完整性的开源文本到图像风格迁移模型 InstantStyle-Plus是面向文本到图像生成的风格迁移模型，将风格迁移拆分为风格注入、空间结构保持、语义内容保持三个子任务，基于InstantStyle框架实现轻量高效风格注入，通过技术方案同时保证风格效果与内容完整性，解决了同类模型常见的内容失真问题。

基于FLUX的AI肖像生成工具，生成肖像皮肤质感更细腻真实 AWPortraitCN是部署于suchmuch.ai的AI肖像生成工具，基于FLUX.1-dev开发，具备较强泛化能力，支持室内外肖像、时尚摄影、摄影棚等多场景肖像生成。对比原始版本，该工具针对性优化了肖像的皮肤细节，生成效果更细腻真实，可搭配AWPortraitSR工作流程进一步提升图像真实度，提供在线推理服务。

基于LCM-Lookahead技术的文生图个性化AI生成模型，提升身份保真度 该模型是面向基于编码器的文本到图像个性化任务的AI模型，通过在模型训练和分类器指导中传播图像空间损失，优化传统方案的缺陷，相比同类方法，可实现更高的身份保真度，同时保留生成结果的布局多样性与提示词对齐能力，属于计算机视觉领域的开源AI项目。

基于单张人脸的AI个性化图像生成工具，可快速生成保身份高质量图像 PhotoVerse是一款创新AI图像生成工具，采用双分支条件机制实现生成过程的可控性，引入面部身份损失增强训练阶段的身份保留效果。它仅需一张目标人脸照片，无需测试阶段调整，降低了生成的资源成本，单次训练后几秒即可出图，可生成多场景多风格的定制图像，相比同类方法生成更快、身份保留更准确。

基于混合2D/3D架构的AI动态人脸视频生成技术，无需额外测试微调 Stable Video Portraits是德国马克斯·普朗克智能系统研究所推出的AI人脸生成技术，采用创新混合2D/3D生成架构，结合预训练文本到图像模型与3D形态模型工作。该技术通过人物特定微调将通用文生图模型改造为视频模型，以时序3D形态信息为条件引入时间去噪，可生成时间平滑的人脸动态视频，支持编辑生成文本定义的名人形象，无需额外测试时微调，效果优于多数现有单目头部化身方案。

基于价值混合交叉注意力提升扩散模型美学的即插即用适配器 VMix是用于提升文本到图像扩散模型美学质量的技术，依托创新的价值混合交叉注意力条件控制方法，系统性增强生成图像美学表现。它作为即插即用的美学适配器，无需重新训练即可适配各类社区扩散模型，提升美学质量的同时保持文本与图像对齐，保留原有模型的视觉概念通用性。

优化空间一致性的文本转图像AI模型及专用数据集 SPRIGHT是针对文生图领域空间一致性不足问题推出的AI模型及配套数据集。项目通过重新标注600万张图像构建专属数据集，大幅增加描述中的空间短语维度，再基于含大量物体的样本完成微调，优化生成图像的空间关系准确性，目前在多个基准测试中空间一致性达当前最优水平，同时提升了生成图像的质量。

开源文生视频AI模型，可高效生成高质量可扩展视频内容 Kandinsky Deforum是AI Forever开发的开源文生视频AI模型，核心采用生成参考帧、前帧小变换、图生图扩散的处理流程，区别于传统文生视频模型，它兼顾生成效率与输出质量，具备良好的可扩展性与灵活调整空间，可适配不同创作需求输出连贯清晰的视频内容。

提供AI文本转图像服务与作品交易，算法稳定生成效率高 NeutronField依托稳定扩散算法，可根据用户文本提示生成高质量AI图像，同时支持用户公开展示已生成的文生图作品，搭建了AI生成图像的买卖交易通道。平台生成速度快，可产出多样化图像适配个性化创作需求，定价随作品复杂度与独特性浮动，形成文生图加交易的完整服务闭环。

免费在线AI图像生成平台，支持文生图与图像编辑处理 Stable Diffusion Web是基于Stable Diffusion模型的在线AI图像生成工具，无需本地部署环境，即可直接使用。平台搭载最新的Stable Diffusion XL模型，采用更大的UNet骨干网络，可输出更高质量的AI生成图像，除文本生成图像外，还支持图像修复、扩图等局部编辑操作，用户可免费在线使用。

轻量级LLM适配器，赋能扩散模型提升长文本提示跟随能力 ELLA是面向基于CLIP扩散模型的轻量级LLM适配方法，通过时间感知语义连接器，从预训练LLM提取对应不同去噪阶段的语义特征，动态适配不同采样步的语义需求，无需大幅改动原有模型，即可提升提示跟随能力，支持文本到图像模型理解长文本，在密集提示生成基准测试中表现突出，擅长处理复杂关系的生成需求。

面向文生图的增强身份保留的反馈学习技术框架 针对当前文本到图像生成中身份特征流失、生成审美不佳、与主流微调模型兼容性差的痛点，ID-Aligner通过奖励反馈学习机制，结合面部检测识别模型的反馈提升身份保真度，依托人工标注偏好与自动反馈提供审美调整信号，可适配LoRA与Adapter模型，经实验验证效果有效。

专注文生图的AI模型测试平台，支持同提示对比多模型表现 Prompt Llama是垂直于文本到图像生成领域的AI模型测试平台，区别于普通文生图创作平台，它核心服务于多模型效果对比需求，支持用户收集沉淀高质量文生图提示词，可导入同一提示测试Midjourney、DALL·E 3等多款主流模型的生成表现，为领域研究和爱好者体验提供清晰的横向对比参考。

NVIDIA开源的轻量高速文本到图像AI合成模型 Sana是NVIDIA开发的开源文本到图像生成模型，核心采用深度压缩自编码器、线性扩散变换器等创新架构。相比同类大模型，Sana-0.6B体积缩小20倍，吞吐量提升100倍以上，可部署在16GB显存笔记本GPU，不到1秒生成1024×1024高分辨率图像，文本对齐度高，降低了AI图像生成硬件门槛。

面向长故事可视化的文生图技术项目，保障语义连贯降低计算成本 针对传统文本到图像模型在长故事可视化中，存在的语义不一致、计算成本高的痛点，通过迭代范式和全局参考交叉注意力模块优化生成过程，无需额外训练，可生成细节丰富、语义连贯的长篇故事系列图像，弥补传统模型的缺陷。

支持动态条件组合的多条件文本到图像合成AI框架 该框架针对多条件文本到图像生成任务，通过动态组合不同类型、数量的控制信号完成图像合成。框架先通过双循环控制器结合预训练生成、判别模型生成初始条件分数排序，再借助多模态大语言模型优化排序，联合优化MLLM与扩散模型，最终通过并行多控制适配器调节ControlNet增强生成控制，可自适应不同条件需求。

基于预训练扩散模型的高效3D生成技术，保持3D一致性 DiffSplat是依托大规模预训练文本到图像扩散模型的3D内容生成技术，解决了传统3D生成方法存在的数据集规模有限、无法有效利用2D预训练模型能力的痛点，输出结果可保持稳定3D一致性。它可在1~2秒内生成高质量3D内容，支持多种输入条件，在需要快速生成高质量3D模型的场景具备广泛应用前景。

面向文本到图像合成的一致性蒸馏技术，低NFE下提升生成质量 TCD全称为Trajectory Consistency Distillation，是针对文本到图像合成开发的一致性蒸馏技术。该技术通过轨迹一致性函数（TCF）与策略性随机采样（SSS）减少合成错误，无需额外判别器或LPIPS监督，即可在低NFE（噪声自由能量）场景下显著提升生成图像质量，在高NFE场景下也能输出比教师模型细节更丰富的生成结果，兼顾不同推理条件下的生成质量。

支持像素级细粒度变化控制的AI图像生成编辑平台 这是一款基于变化量控制框架的图像生成与编辑工具，可结合文本提示与区域变化量地图修改图像，支持为每个像素或区域定制修改变化量。框架仅在推理阶段运行，无需模型训练微调，适配现有开源顶尖模型，可实现精准区域控制编辑与无缝图像补全。

特拉维夫大学等开发的AI可调控结构化SVG矢量生成方法 该方法受神经辐射场NeRF启发，将场景编码到小型MLP网络权重，采用分数蒸馏采样优化，引入dropout正则化鼓励SVG形成分层结构，各形状独立具备语义意义，支持推理阶段动态调整SVG颜色、宽高比等属性，生成效果优于现有同类方法，目前代码尚未公开。