文本转图像 AI

BLIP3o 是一个统一的多模态模型，它将自回归模型的推理和指令跟随优势与扩散模型的生成能力相结合。与之前扩散 VAE 特征或原始像素的模型不同，BLIP3o 扩散语义丰富的 CLIP 图像特征，从而为图像理解和生成构建了强大而高效的架构。该模型完全开源，包括训练数据、训练方案、模型权重和代码。

BLIP3o 在各种图像理解和生

Seedream 3.0 是字节跳动开发的新一代文本转图像基础模型，旨在以前所未有的速度和保真度生成高分辨率、中英文双语图像。该平台在技术能力和用户体验方面均实现了重大飞跃，提供原生 2K 分辨率输出，无需后期处理即可获得清晰细腻的视觉效果。Seedream 3.0 擅长将生成的图像与复杂的文本提示进行匹配，从而生成结构精准、美学精致的构图。其先进的架

HiDream-I1 是一个开源的高性能文本转图像生成模型，旨在将文本描述转化为照片级逼真且富有创意的视觉输出。HiDream-I1 基于先进的扩散模型架构，旨在满足研究和实际应用的需求，为用户提供一个灵活的框架，用于生成与其提示高度匹配的图像。该模型注重高保真度、细致入微的细节以及解读复杂指令的能力，使其适用于各种创意和专业用例。

Nim 是一个创新的人工智能驱动平台，通过集成超过 15 种先进的人工智能模型和工具（包括 Hunyuan、Mochi 和 CogVideoX），彻底改变了视频和图像创作方式。这套功能全面的套件使用户能够轻松高效地将他们的想法转化为高质量的视觉内容。

Nim 的一大亮点是其文本转图像功能，允许用户在几秒钟内将文本描述生

MagicQuill 是一款创新的开源图片编辑工具，由香港科技大学、蚂蚁集团、浙江大学和香港大学联合开发。这款智能交互系统旨在通过先进的人工智能驱动功能简化和增强图片编辑流程。通过允许用户进行精确的局部编辑，MagicQuill 旨在让专业平面设计师和普通用户都能轻松表达自己的创造力。

MagicQuill 的核心是利

RF-Inversion 是一款创新的 AI 驱动工具，使用整流随机微分方程进行语义图像反演和编辑。这项尖端技术解决了两个关键任务：反转生成模型以将图像转换回结构化噪声，以及使用 Flux 等整流流模型的随机等效模型编辑真实图像。

该系统采用一种新颖的方法，充分利用整流 (RF) 的优势，为扩散模型提供了一种有前途的替

表情编辑器托管在 Hugging Face Spaces 上，是一款创新工具，用于操纵和编辑图像中的面部表情。该应用程序由 fffiloni 创建，利用先进的机器学习技术，让用户能够以惊人的精度和真实感修改照片中面部的情绪表情。

表情编辑器的核心是使用复杂的 AI 模型，该模型已在大量面部表情数据集上进行训练。这使该工

Kolors 虚拟试穿是一款创新的人工智能工具，用户无需去实体试衣间即可虚拟试穿衣服。这项尖端技术利用先进的机器学习算法，创建逼真的可视化效果，展示衣服穿在人身上的效果。

该工具旨在通过更准确地向客户提供衣服穿在身上的效果，从而提升在线购物体验。用户只需上传自己的全身照和所需衣服的照片即可。然后，人工智能会处理这些输入

OmniGen 是 VectorSpaceLab 开发的创新开源项目，旨在彻底改变图像生成和处理领域。这种统一的扩散模型旨在处理各种与图像相关的任务，从文本到图像的生成到复杂的图像编辑和视觉条件生成。OmniGen 的与众不同之处在于它能够在不依赖额外模块或外部组件的情况下执行这些不同的功能，使其成为研究人员、开发人员和创意专业人士的多功能高效工具。<

AI Portrait 旨在利用 AI 技术快速高效地生成专业头像。该平台迎合了希望提升专业形象的个人，尤其是针对商业和 LinkedIn 个人资料。AI Portrait 拥有简化的流程，让用户只需几分钟即可获得高质量的头像，在数码摄影解决方案领域脱颖而出。

AI Portrait 的入门流程简单易用。用户只需上传一

Google Imagen 3 是 Google 先进的文本转图像生成模型的最新版本，由 Google DeepMind 开发。这款由 AI 驱动的工具代表了图像合成领域的一次重大飞跃，提供了从文本描述生成高质量、详细图像的增强功能。

Imagen 3 在前代产品的基础上改进了图像生成的几个关键方面。它在理解和解释复杂提示方面表

Black Forest Labs 是一家新成立的公司，其使命是开发和推进用于图像和视频等媒体的最先进的生成式深度学习模型。该公司旨在让这些模型广泛应用、教育公众并增强人们对这些模型安全性的信任。为了实现这一目标，他们发布了 FLUX.1 模型套件，推动了文本到图像合成的前沿发展。

FLUX.1 套件包含三个变体：FL

Flux LoRA Collection 是 Flux 文本转图像模型的经过训练的 LoRA（低秩适配器）存储库。此集合为 Black Forest Labs 的 FLUX.1-dev 模型提供了一个经过训练的 LoRA 检查点。XLabs AI 团队已对 Flux 脚本（包括 LoRA 和 ControlNet）进行了微调，并使其可供使用。

Stable-Hair 是一种新颖的发型转移方法，它使用基于扩散的方法将各种现实世界的发型稳健地转移到用户提供的脸上，以供虚拟试发。这项技术有可能彻底改变虚拟试发行业，使用户能够轻松准确地尝试不同的发型。

Stable-Hair 框架由两阶段管道组成，其中第一阶段涉及使用 Bald Converter 和稳定扩散从用户

AuraFlow 是一个开源 AI 模型系列，可实现文本到图像的生成。这项创新技术允许用户根据文本提示生成图像，具有出色的提示跟随能力。AuraFlow 是研究人员和开发人员的合作成果，展示了开源社区在 AI 开发方面的韧性和决心。

AuraFlow v0.1 是该模型系列的第一个版本，拥有令人印象深刻的技术细节，包括

CatVTON 是一个虚拟试穿传播模型，可以将任意类别的店内或已穿服装无缝转移到目标人群。它以简单高效的方法实现了逼真的试穿效果，无需额外的网络模块、图像编码器和复杂的预处理步骤。

该模型的效率体现在三个方面：轻量级网络，参数量仅为 899.06M；参数高效训练，可训练参数量仅为 49.57M；简化推理，在 1024x

FlashFace 是一款人工智能驱动的工具，专为人类图像个性化而设计，专注于高保真身份保存和定制。FlashFace 由阿里巴巴和香港大学的研究人员开发，允许用户通过修改面部属性来创建逼真的图像，同时保留原始身份的本质。这款应用程序特别适用于娱乐、广告和社交媒体等各个行业，这些行业对个性化图像的需求越来越大。

FlashFac

PaintsUndo 是一款创新工具，旨在彻底改变数字绘画的创作和分析方式。该模型专注于捕捉和复制数字绘画过程中涉及的复杂行为。该系统能够将静态图像转换为动态视频，展示数字艺术作品的逐步创作，从而深入了解艺术创作过程。

PaintsUndo 的突出功能之一是它能够处理数字艺术的各个领域。用户可以输入静态图像并接收视频，

HALLO 是复旦大学团队开发的尖端生成视觉模型。该模型利用先进的机器学习技术，从最少的输入数据创建高度逼真且细节丰富的图像。通过理解和解释视觉信息，HALLO 可以生成连贯且上下文准确的图像，使其成为数字艺术、设计和自动内容创建等各种应用的强大工具。

HALLO 的主要重点是通过为艺术家和设计师提供智能助手来增强创作

LivePortrait：带拼接和重定向控制的高效人像动画。该框架由快手科技团队开发，旨在从单一源图像合成逼真的视频。LivePortrait 使用外观参考和来自各种输入（例如驾驶视频、音频、文本或生成）的运动数据，在计算效率和可控性之间取得平衡。

关键创新在于其基于隐式关键点的框架，它有别于主流的基于扩散的方法，可增