StreamV2V开源项目 – 实时视频转换工具

稳定扩散 - DreamStudio是一款创新的开源AI工具，允许用户基于文本描述生成个性化图像，适合艺术家和设计师使用。

RPG是一种新的无需训练的文本到图像生成/编辑框架，利用多模态LLM的强大推理能力来增强文本到图像扩散模型的组合性。该系统将生成复杂图像的过程分解为子区域内的多个简单生成任务，实现区域化的组合式生成，集成文本引导的图像生成和编辑，显著提高了泛化能力。

Flux Image Generator 是一款前沿的人工智能工具，能够将文本描述转化为高质量的图像。该平台在提示准确性和生成高品质视觉效果方面表现出色，适用于各种创意和设计需求。

DiffMoE是一个基于PyTorch的扩散模型项目，采用动态专家混合（MoE）架构，通过仅激活1倍参数即可超越3倍参数的密集模型。它在ImageNet上表现出色，FID50K分数低至2.30，Inception Score高达88.19，仅需700K训练步。项目主要用于图像生成任务，如类别条件生成和文本到图像生成。其核心创新包括批次级全局令牌池和动态容量预测器，能够根据噪声水平和样本复杂度智能分配计算资源。

StoryDiffusion专注于长程图像和视频生成，通过一致性自注意力机制生成连贯的图像和视频，创造魔法般的故事。项目支持生成复杂细节的图像和流畅的长视频，并引入语义运动预测器以提高生成的稳定性，适用于多种创意内容生成。

AnyControl 是一种新的文本到图像的引导方法，可以从各种控制信号（例如颜色、形状、纹理和布局）生成图像。

Google发布的MobileDiffusion，可以在手机设备上快速进行文本到图像的AI生成！这是一种新颖的方法，具有在设备上快速（亚秒级）文本到图像生成的潜力。

GenerateAny.Art是一个突破性的AI图像生成器，能够在几秒钟内根据文本提示生成图像，适用于多种创意场景，帮助用户轻松实现视觉创作。

LCM-LoRA 是由清华大学和 Hugging Face 研究人员开发的加速模块，基于潜在一致性模型（LCM）。它通过对稳定扩散模型（Stable Diffusion）进行知识蒸馏，将生成图像的步骤从 25-50 步减少到 4-8 步，速度提升 5-10 倍，实现实时生成效果。LCM-LoRA 利用低秩适应（LoRA）技术分解神经网络，降低内存消耗，支持多种模型如 SD-V1.5、SSD-1B 和 SDXL，无需重新训练即可嵌入。

CM3leon是一个多功能的生成性AI模型，能够高效地进行文本到图像和图像到文本的转换，适用于创意、研究及教育等多个领域。

Janus Pro AI 是一款超越 OpenAI 的先进统一多模态理解与生成模型，通过优化训练、使用更大数据集和模型扩展，相较于其前身 Janus 在文本到图像生成和多模态能力方面表现出色，适用于学术和商业用途，采用 MIT 许可证。

Fantasy是一款基于Stable Diffusion的应用，用户只需输入简单的文本提示，即可生成逼真的图像。

Kandinsky-3是基于Kandinsky2-x模型族构建的开源文本到图像扩散模型，旨在提供高质量的图像生成和多样化的风格选择，支持用户自定义输入，快速生成，并易于扩展。

自校正 LLM 控制的扩散模型，用于自动编辑任何图像或修复生成模型的文本到图像错位，无需额外训练。

IMGCreator是一个利用AI技术，根据用户的文本输入生成自定义图像的工具，支持多种风格和选项，包括真实照片、插图和动漫风格。