[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-gongminmin--awesome-aigc":3,"tool-gongminmin--awesome-aigc":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":78,"owner_location":79,"owner_email":78,"owner_twitter":78,"owner_website":78,"owner_url":80,"languages":78,"stars":81,"forks":82,"last_commit_at":83,"license":84,"difficulty_score":85,"env_os":86,"env_gpu":86,"env_ram":86,"env_deps":87,"category_tags":90,"github_topics":91,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":97,"updated_at":98,"faqs":99,"releases":100},417,"gongminmin\u002Fawesome-aigc","awesome-aigc","A list of awesome AIGC works","awesome-aigc 是一个精心整理的开源资源列表，汇集了当前主流和前沿的 AIGC（人工智能生成内容）项目，涵盖文本、图像、视频、3D 模型、语音和音乐等多个模态之间的相互生成技术。它帮助用户快速了解不同 AIGC 工具的能力边界与发展成熟度——通过 NASA 提出的技术就绪等级（TRL）对每个项目进行评估，TRL 从 1 到 9 表示从理论概念到大规模落地的不同阶段，列表中大多数项目处于 TRL 4 及以上，具备一定实用或研究价值。\n\n这份清单特别适合 AI 领域的研究人员、开发者以及对生成式 AI 感兴趣的产品设计师或技术爱好者使用，既能作为技术选型参考，也能辅助学习与探索创新应用方向。亮点在于结构清晰、分类细致，并引入 TRL 体系客观反映技术成熟度，避免盲目追逐“热门”而忽略实际可行性。","# Awesome AIGC\n\nA list of awesome AIGC works.\n\n- [Text](#text)\n  - [Text to Text](#text-to-text)\n  - [Text to Image](#text-to-image)\n  - [Text to Video](#text-to-video)\n  - [Text to Mesh](#text-to-mesh)\n  - [Text to Voice](#text-to-voice)\n  - [Text to Music](#text-to-music)\n- [Image](#image)\n  - [Image to Text](#image-to-text)\n  - [Image to Image](#image-to-image)\n  - [Image to Mesh](#image-to-mesh)\n  - [Image to Video](#image-to-video)\n- [Enhancement](#enhancement)\n\nWe are using Technology Readiness Level (TRL) to evaluate the maturity of each technology. It's defined close to [NASA's TRL concept](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FTechnology_readiness_level). The TRLs are scaled from 1 to 9, with 9 being the most mature technology.\n\n1. Basic principles reported\n2. Technology concept and\u002For application formulated\n3. Critical function proof-of concept\n4. Research work available\n5. Research prototype validated\n6. Prototype operated by professional users\n7. Prototype operated by end-users\n8. Actual product completed and validated by end-users\n9. Actual product proven by massive end-users for daily basis\n\nMost technologies in this list should fall into 4 or above.\n\n## Text\n\nThis category takes text as input.\n\n### Text to Text\n\n| Name | TRL | More Links |\n|-|-|-|\n| [Brad](https:\u002F\u002Fwww.bradai.chat) | 5-6 | |\n| [ChatGPT](https:\u002F\u002Fchatgptonline.net\u002F) | 8-9 | [[API]](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fchat) [[Paper]](https:\u002F\u002Fs3-us-west-2.amazonaws.com\u002Fopenai-assets\u002Fresearch-covers\u002Flanguage-unsupervised\u002Flanguage_understanding_paper.pdf) |\n| [Claude](https:\u002F\u002Fclaudeai.tech\u002F) | 5-6 | [[Paper]](https:\u002F\u002Fclaudeai.tech\u002Fconstitutional.pdf) |\n| [Copilot](https:\u002F\u002Fgithub.com\u002Ffeatures\u002Fcopilot) (Code only) | 8-9 | |\n| [GPT-4](https:\u002F\u002Fopenai.com\u002Fproduct\u002Fgpt-4) | 7-8 | [[API]](https:\u002F\u002Fopenai.com\u002Fwaitlist\u002Fgpt-4-api) [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2303.08774) |\n| [LLaMA](https:\u002F\u002Fdocs.google.com\u002Fforms\u002Fd\u002Fe\u002F1FAIpQLSfqNECQnMkycAp2jP4Z9TFX0cGR4uf7b_fBxjY_OjhJILlKGA\u002Fviewform) | 6-7 | [[Paper]](https:\u002F\u002Fresearch.facebook.com\u002Fpublications\u002Fllama-open-and-efficient-foundation-language-models\u002F) [[Code]](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fllama) |\n| [New Bing](https:\u002F\u002Fwww.bing.com\u002Fnew) | 7-8 | |\n| [StableLM](https:\u002F\u002Fstability.ai\u002Fblog\u002Fstability-ai-launches-the-first-of-its-stablelm-suite-of-language-models) | 5-6 | [[Code]](https:\u002F\u002Fgithub.com\u002Fstability-AI\u002FstableLM\u002F) |\n\n### Text to Image\n\n| Name | TRL | More Links |\n|-|-|-|\n| [DALL·E 2](https:\u002F\u002Fopenai.com\u002Fdall-e-2\u002F) | 7-8 | [[API]](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fimages\u002Fusage) [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2204.06125) |\n| [MidJourney](https:\u002F\u002Fwww.midjourney.com) | 8-9 | |\n| [Stable Diffusion](https:\u002F\u002Fommer-lab.com\u002Fresearch\u002Flatent-diffusion-models\u002F) | 7-8 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.10752) [[Code]](https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion) |\n| [TEXTure](https:\u002F\u002Ftexturepaper.github.io\u002FTEXTurePaper\u002F) (Texture only) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2302.01721.pdf) [[Code]](https:\u002F\u002Fgithub.com\u002FTEXTurePaper\u002FTEXTurePaper) [[Demo]](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FTEXTurePaper\u002FTEXTure) |\n\n### Text to Video\n\n| Name | TRL | More Links |\n|-|-|-|\n| [Fliki](https:\u002F\u002Ffliki.ai\u002F) | 8-9 | [[API]](https:\u002F\u002Ffliki.ai\u002Fresources\u002Fapi) |\n| [Make-A-Video](https:\u002F\u002Fmakeavideo.studio\u002F) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.14792) |\n| [Phenaki](https:\u002F\u002Fphenaki.video\u002F) | 4-5 | [[Paper]](https:\u002F\u002Fopenreview.net\u002Fforum?id=vOEXS39nOF) |\n\n### Text to Mesh\n\n| Name | TRL | More Links |\n|-|-|-|\n| [DreamFusion](https:\u002F\u002Fdreamfusion3d.github.io\u002Findex.html) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.14988) [[3rd Party Code]](https:\u002F\u002Fgithub.com\u002Fashawkey\u002Fstable-dreamfusion) |\n| [DreamFields](https:\u002F\u002Fajayj.com\u002Fdreamfields) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.01455) [[Code]](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fgoogle-research\u002Ftree\u002Fmaster\u002Fdreamfields) |\n| [Magic3D](https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Fdir\u002Fmagic3d\u002F) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2211.10440) |\n| [Text2Mesh](https:\u002F\u002Fthreedle.github.io\u002Ftext2mesh\u002F) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.03221) [[Code]](https:\u002F\u002Fgithub.com\u002Fthreedle\u002Ftext2mesh) |\n\n### Text to Voice\n\n| Name | TRL | More Links |\n|-|-|-|\n| [Murf](https:\u002F\u002Fmurf.ai\u002F) | 7-8 | [[API]](https:\u002F\u002Fmurf.ai\u002Ftext-to-speech-api) |\n\n### Text to Music\n\n| Name | TRL | More Links |\n|-|-|-|\n| [Mubert](https:\u002F\u002Fmubert.com\u002F) | 8-9 | [[API]](https:\u002F\u002Fpitch.com\u002Fpublic\u002Ffd02c60f-00a4-4a74-8772-423d4a607b94) |\n\n## Image\n\nThis category takes single image or multiple images as input.\n\n### Image to Text\n\n| Name | TRL | More Links |\n|-|-|-|\n| [BLIP-2](https:\u002F\u002Fhuggingface.co\u002Fblog\u002Fblip-2) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2301.12597) [[Code]](https:\u002F\u002Fgithub.com\u002Fsalesforce\u002FLAVIS\u002Ftree\u002Fmain\u002Fprojects\u002Fblip2) |\n\n### Image to Image\n\n| Name | TRL | More Links |\n|-|-|-|\n| [img2img](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Ffffiloni\u002Fstable-diffusion-img2img) | 6-7 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.10752) [[Code]](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Ffffiloni\u002Fstable-diffusion-img2img\u002Ftree\u002Fmain) |\n\n### Image to Mesh\n\n| Name | TRL | More Links |\n|-|-|-|\n| [GET3D](https:\u002F\u002Fnv-tlabs.github.io\u002FGET3D\u002F) | 4-5 | [[Paper]](https:\u002F\u002Fnv-tlabs.github.io\u002FGET3D\u002Fassets\u002Fpaper.pdf) [[Code]](https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGET3D) |\n| [nvdiffrec](https:\u002F\u002Fnvlabs.github.io\u002Fnvdiffrec\u002F) | 5-6 | [[Paper]](https:\u002F\u002Fnvlabs.github.io\u002Fnvdiffrec\u002Fassets\u002Fpaper.pdf) [[Code]](https:\u002F\u002Fgithub.com\u002FNVlabs\u002Fnvdiffrec) |\n| [pix2pix3D](http:\u002F\u002Fwww.cs.cmu.edu\u002F~pix2pix3D\u002F) | 5-6 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2302.08509) [[Code]](https:\u002F\u002Fgithub.com\u002Fdunbar12138\u002Fpix2pix3D) |\n\n### Image to Video\n\n| Name | TRL | More Links |\n|-|-|-|\n| [Make-A-Video](https:\u002F\u002Fmakeavideo.studio\u002F) | 4-5 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.14792) |\n\n## Enhancement\n\nThis category contains enhancement methods to other AIGCs.\n\n| Name | TRL | More Links |\n|-|-|-|\n| [ControlNet](https:\u002F\u002Fgithub.com\u002Flllyasviel\u002FControlNet) | 5-6 | [[Paper]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2302.05543) |\n| [GPTCache](https:\u002F\u002Fgptcache.readthedocs.io\u002Fen\u002Flatest\u002F) | 5-6 | [[Code]](https:\u002F\u002Fgithub.com\u002Fzilliztech\u002Fgptcache) |\n\n## Contributing\n\nContributions are super welcome. When you do it, please follow the [contribution guidelines](CONTRIBUTING.md).\n","# Awesome AIGC\n\n一份精选的 AIGC（人工智能生成内容，Artificial Intelligence Generated Content）项目列表。\n\n- [文本](#文本)\n  - [文本到文本](#文本到文本)\n  - [文本到图像](#文本到图像)\n  - [文本到视频](#文本到视频)\n  - [文本到网格模型（Mesh）](#文本到网格模型mesh)\n  - [文本到语音](#文本到语音)\n  - [文本到音乐](#文本到音乐)\n- [图像](#图像)\n  - [图像到文本](#图像到文本)\n  - [图像到图像](#图像到图像)\n  - [图像到网格模型（Mesh）](#图像到网格模型mesh)\n  - [图像到视频](#图像到视频)\n- [增强技术](#增强技术)\n\n我们使用技术就绪等级（Technology Readiness Level, TRL）来评估每项技术的成熟度。该分级标准接近于 [NASA 的 TRL 概念](https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FTechnology_readiness_level)。TRL 等级从 1 到 9，9 表示技术最成熟。\n\n1. 基本原理已发表  \n2. 技术概念和\u002F或应用场景已提出  \n3. 关键功能已完成概念验证  \n4. 已有相关研究工作  \n5. 研究原型已通过验证  \n6. 原型由专业用户操作使用  \n7. 原型由最终用户操作使用  \n8. 实际产品已完成并经最终用户验证  \n9. 实际产品已被大量最终用户在日常场景中验证  \n\n本列表中的大多数技术应处于第 4 级或以上。\n\n## 文本\n\n此类别以文本作为输入。\n\n### 文本到文本\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [Brad](https:\u002F\u002Fwww.bradai.chat) | 5-6 | |\n| [ChatGPT](https:\u002F\u002Fchatgptonline.net\u002F) | 8-9 | [[API]](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fchat) [[论文]](https:\u002F\u002Fs3-us-west-2.amazonaws.com\u002Fopenai-assets\u002Fresearch-covers\u002Flanguage-unsupervised\u002Flanguage_understanding_paper.pdf) |\n| [Claude](https:\u002F\u002Fclaudeai.tech\u002F) | 5-6 | [[论文]](https:\u002F\u002Fclaudeai.tech\u002Fconstitutional.pdf) |\n| [Copilot](https:\u002F\u002Fgithub.com\u002Ffeatures\u002Fcopilot)（仅限代码） | 8-9 | |\n| [GPT-4](https:\u002F\u002Fopenai.com\u002Fproduct\u002Fgpt-4) | 7-8 | [[API]](https:\u002F\u002Fopenai.com\u002Fwaitlist\u002Fgpt-4-api) [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2303.08774) |\n| [LLaMA](https:\u002F\u002Fdocs.google.com\u002Fforms\u002Fd\u002Fe\u002F1FAIpQLSfqNECQnMkycAp2jP4Z9TFX0cGR4uf7b_fBxjY_OjhJILlKGA\u002Fviewform) | 6-7 | [[论文]](https:\u002F\u002Fresearch.facebook.com\u002Fpublications\u002Fllama-open-and-efficient-foundation-language-models\u002F) [[代码]](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fllama) |\n| [New Bing](https:\u002F\u002Fwww.bing.com\u002Fnew) | 7-8 | |\n| [StableLM](https:\u002F\u002Fstability.ai\u002Fblog\u002Fstability-ai-launches-the-first-of-its-stablelm-suite-of-language-models) | 5-6 | [[代码]](https:\u002F\u002Fgithub.com\u002Fstability-AI\u002FstableLM\u002F) |\n\n### 文本到图像\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [DALL·E 2](https:\u002F\u002Fopenai.com\u002Fdall-e-2\u002F) | 7-8 | [[API]](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fimages\u002Fusage) [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2204.06125) |\n| [MidJourney](https:\u002F\u002Fwww.midjourney.com) | 8-9 | |\n| [Stable Diffusion](https:\u002F\u002Fommer-lab.com\u002Fresearch\u002Flatent-diffusion-models\u002F) | 7-8 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.10752) [[代码]](https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion) |\n| [TEXTure](https:\u002F\u002Ftexturepaper.github.io\u002FTEXTurePaper\u002F)（仅限纹理） | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2302.01721.pdf) [[代码]](https:\u002F\u002Fgithub.com\u002FTEXTurePaper\u002FTEXTurePaper) [[演示]](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FTEXTurePaper\u002FTEXTure) |\n\n### 文本到视频\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [Fliki](https:\u002F\u002Ffliki.ai\u002F) | 8-9 | [[API]](https:\u002F\u002Ffliki.ai\u002Fresources\u002Fapi) |\n| [Make-A-Video](https:\u002F\u002Fmakeavideo.studio\u002F) | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.14792) |\n| [Phenaki](https:\u002F\u002Fphenaki.video\u002F) | 4-5 | [[论文]](https:\u002F\u002Fopenreview.net\u002Fforum?id=vOEXS39nOF) |\n\n### 文本到网格模型（Mesh）\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [DreamFusion](https:\u002F\u002Fdreamfusion3d.github.io\u002Findex.html) | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.14988) [[第三方代码]](https:\u002F\u002Fgithub.com\u002Fashawkey\u002Fstable-dreamfusion) |\n| [DreamFields](https:\u002F\u002Fajayj.com\u002Fdreamfields) | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.01455) [[代码]](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fgoogle-research\u002Ftree\u002Fmaster\u002Fdreamfields) |\n| [Magic3D](https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Fdir\u002Fmagic3d\u002F) | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2211.10440) |\n| [Text2Mesh](https:\u002F\u002Fthreedle.github.io\u002Ftext2mesh\u002F) | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.03221) [[代码]](https:\u002F\u002Fgithub.com\u002Fthreedle\u002Ftext2mesh) |\n\n### 文本到语音\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [Murf](https:\u002F\u002Fmurf.ai\u002F) | 7-8 | [[API]](https:\u002F\u002Fmurf.ai\u002Ftext-to-speech-api) |\n\n### 文本到音乐\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [Mubert](https:\u002F\u002Fmubert.com\u002F) | 8-9 | [[API]](https:\u002F\u002Fpitch.com\u002Fpublic\u002Ffd02c60f-00a4-4a74-8772-423d4a607b94) |\n\n## 图像\n\n此类别以单张或多张图像作为输入。\n\n### 图像到文本\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [BLIP-2](https:\u002F\u002Fhuggingface.co\u002Fblog\u002Fblip-2) | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2301.12597) [[代码]](https:\u002F\u002Fgithub.com\u002Fsalesforce\u002FLAVIS\u002Ftree\u002Fmain\u002Fprojects\u002Fblip2) |\n\n### 图像到图像\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [img2img](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Ffffiloni\u002Fstable-diffusion-img2img) | 6-7 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.10752) [[代码]](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Ffffiloni\u002Fstable-diffusion-img2img\u002Ftree\u002Fmain) |\n\n### 图像到网格模型（Mesh）\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [GET3D](https:\u002F\u002Fnv-tlabs.github.io\u002FGET3D\u002F) | 4-5 | [[论文]](https:\u002F\u002Fnv-tlabs.github.io\u002FGET3D\u002Fassets\u002Fpaper.pdf) [[代码]](https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGET3D) |\n| [nvdiffrec](https:\u002F\u002Fnvlabs.github.io\u002Fnvdiffrec\u002F) | 5-6 | [[论文]](https:\u002F\u002Fnvlabs.github.io\u002Fnvdiffrec\u002Fassets\u002Fpaper.pdf) [[代码]](https:\u002F\u002Fgithub.com\u002FNVlabs\u002Fnvdiffrec) |\n| [pix2pix3D](http:\u002F\u002Fwww.cs.cmu.edu\u002F~pix2pix3D\u002F) | 5-6 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2302.08509) [[代码]](https:\u002F\u002Fgithub.com\u002Fdunbar12138\u002Fpix2pix3D) |\n\n### 图像到视频\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [Make-A-Video](https:\u002F\u002Fmakeavideo.studio\u002F) | 4-5 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.14792) |\n\n## 增强技术\n\n此类别包含用于增强其他 AIGC 能力的技术。\n\n| 名称 | TRL | 更多链接 |\n|-|-|-|\n| [ControlNet](https:\u002F\u002Fgithub.com\u002Flllyasviel\u002FControlNet) | 5-6 | [[论文]](https:\u002F\u002Farxiv.org\u002Fabs\u002F2302.05543) |\n| [GPTCache](https:\u002F\u002Fgptcache.readthedocs.io\u002Fen\u002Flatest\u002F) | 5-6 | [[代码]](https:\u002F\u002Fgithub.com\u002Fzilliztech\u002Fgptcache) |\n\n## 贡献指南\n\n非常欢迎贡献！提交贡献时，请遵循 [贡献指南](CONTRIBUTING.md)。","# awesome-aigc 快速上手指南\n\n`awesome-aigc` 是一个精选的 AIGC（生成式人工智能）工具与项目清单，按输入模态（文本、图像等）和任务类型分类，并标注了技术成熟度（TRL 1–9）。本指南帮助开发者快速了解并使用其中开源项目。\n\n---\n\n## 环境准备\n\n- **操作系统**：Linux \u002F macOS \u002F Windows（推荐 Linux 或 macOS）\n- **Python 版本**：≥ 3.8（多数项目要求）\n- **GPU 支持**：建议配备 NVIDIA GPU（CUDA ≥ 11.6）以加速推理\n- **依赖管理**：推荐使用 `conda` 或 `venv` 创建隔离环境\n- **国内加速**：建议配置以下镜像源：\n  - PyPI 镜像：`pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n  - Hugging Face 镜像（如需）：设置环境变量 `HF_ENDPOINT=https:\u002F\u002Fhf-mirror.com`\n\n---\n\n## 安装步骤\n\n`awesome-aigc` 本身是一个资源列表，不需安装。但其中开源项目可单独部署。以下以几个代表性项目为例：\n\n### 1. Stable Diffusion（文本生成图像）\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FCompVis\u002Fstable-diffusion.git\ncd stable-diffusion\npip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple -r requirements.txt\n```\n\n> ⚠️ 需自行申请模型权重（参考官方 README）\n\n### 2. LLaMA（本地大语言模型）\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fllama.git\ncd llama\npip install -e .\n# 按官方指引申请并下载模型权重\n```\n\n### 3. ControlNet（图像生成控制插件）\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Flllyasviel\u002FControlNet.git\ncd ControlNet\npip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple -r requirements.txt\n```\n\n---\n\n## 基本使用\n\n### 示例 1：使用 Stable Diffusion 生成图像（命令行）\n```python\nfrom diffusers import StableDiffusionPipeline\nimport torch\n\npipe = StableDiffusionPipeline.from_pretrained(\n    \"runwayml\u002Fstable-diffusion-v1-5\",\n    torch_dtype=torch.float16,\n    use_auth_token=\"YOUR_HF_TOKEN\"  # 需登录 Hugging Face\n).to(\"cuda\")\n\nimage = pipe(\"a photo of an astronaut riding a horse on mars\").images[0]\nimage.save(\"astronaut.png\")\n```\n\n### 示例 2：使用 BLIP-2 实现图像描述（Image-to-Text）\n```python\nfrom PIL import Image\nimport requests\nfrom transformers import Blip2Processor, Blip2ForConditionalGeneration\n\nprocessor = Blip2Processor.from_pretrained(\"Salesforce\u002Fblip2-opt-2.7b\")\nmodel = Blip2ForConditionalGeneration.from_pretrained(\"Salesforce\u002Fblip2-opt-2.7b\", torch_dtype=torch.float16).to(\"cuda\")\n\nurl = \"https:\u002F\u002Fstorage.googleapis.com\u002Fsfr-vision-language-research\u002FBLIP\u002Fdemo.jpg\"\nimage = Image.open(requests.get(url, stream=True).raw)\ninputs = processor(images=image, return_tensors=\"pt\").to(\"cuda\", torch.float16)\n\ngenerated_ids = model.generate(**inputs)\ncaption = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]\nprint(caption)  # 输出图像描述文本\n```\n\n> 💡 提示：首次运行会自动下载模型，建议在国内使用 `HF_ENDPOINT=https:\u002F\u002Fhf-mirror.com` 加速。\n\n---\n\n更多项目使用方式请参考各工具对应的 **Paper \u002F Code \u002F Demo** 链接。","某独立游戏开发团队正在制作一款奇幻题材的3D冒险游戏，需要快速生成大量风格统一的角色模型、场景贴图和背景音乐，但团队缺乏专业的美术和音频资源。\n\n### 没有 awesome-aigc 时\n- 团队成员需在多个论坛、GitHub 和论文网站中零散搜索 AIGC 工具，信息杂乱且难以判断技术成熟度。\n- 尝试使用未经验证的开源项目，结果因 TRL 过低（如仅停留在论文阶段）导致无法本地部署或输出质量极差。\n- 在文本生成图像、音频和3D模型等不同任务间切换时，需分别查找不同工具链，效率低下且风格难以统一。\n- 对新兴技术（如 Text-to-Mesh）完全不了解，错失用 AI 加速资产生产的可能性。\n\n### 使用 awesome-aigc 后\n- 通过分类清晰的列表快速定位到 TRL ≥5 的可用工具，例如选用 TRL 7-8 的 Stable Diffusion 生成角色概念图。\n- 根据 TRL 标注避开尚不成熟的方案（如 TRL 4 的 DreamFusion），优先采用已有社区支持的实现（如 stable-dreamfusion 第三方代码）。\n- 一站式发现从文本到图像（MidJourney）、语音（Fliki）乃至3D网格（Magic3D）的完整链路，大幅提升跨模态内容协同效率。\n- 借助列表中的论文与代码链接，快速评估并集成适合本地工作流的开源模型，显著缩短美术资源生产周期。\n\nawesome-aigc 通过结构化整合高可信度的 AIGC 技术资源，帮助开发者高效筛选、快速落地多模态生成方案。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgongminmin_awesome-aigc_d4ef8df0.png","gongminmin","Minmin Gong","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fgongminmin_a446b8b1.jpg",null,"Kirkland, WA, US","https:\u002F\u002Fgithub.com\u002Fgongminmin",565,43,"2026-03-16T16:39:21","CC0-1.0",5,"未说明",{"notes":88,"python":86,"dependencies":89},"该仓库为 AIGC 工具列表（Awesome List），不包含具体代码或运行环境，实际运行需求取决于所选的具体项目。建议参考各子项目的官方文档获取详细环境要求。",[],[14,13,15],[92,93,94,95,96],"aigc","awesome-list","awesome","lists","ai","2026-03-27T02:49:30.150509","2026-04-06T05:44:30.483612",[],[]]