CM3Leon 是一种多模态语言模型，擅长生成和填充文本和图像。它是首个采用纯文本语言模型训练方法的多模态模型，包括大规模检索增强预训练和多任务监督微调阶段。
CM3Leon 是 Meta AI 发布的一种多模态语言模型，擅长生成和填充文本和图像。它是首个采用纯文本语言模型训练方法的多模态模型，包括大规模检索增强预训练和多任务监督微调阶段。
Infinity 是字节跳动推出的基于位级自回归建模的视觉生成模型，能根据语言指令生成高分辨率、逼真的图像。Infinity 通过无限词汇量的标记器、分类器和位自纠正机制，显著提升图像生成的细节和质量。
Imagen 2 是 Google DeepMind 开发的最先进的文本到图像扩散技术。它能够生成高质量、逼真的图像，这些图像与用户的提示紧密对齐且一致。
ControlNet 不是独立的图像生成模型。相反，它是一个功能强大的附加组件，可与其他模型（如 Stable Diffusion）配合使用。它让你可以对生成的图像的结构和组成进行令人难以置信的控制。
通义万相是阿里云推出的视觉生成大模型，涵盖图像和视频生成。其2.0版本在文生图和文生视频方面进行了重大升级，采用 Diffusion Transformer 架构，提升了模型的灵活性和可控性。
Flux.1 是最新和最强大的 AI 图像生成模型之一，它使用一种称为潜在扩散模型的高级架构。Flux.1 最受欢迎的版本包括 Flux.1 Pro、Flux.1 Dev 和 Flux.1 Schnell，作为 Midjourney 和 DALLE3 模型竞品，尤其是在比较图像质量和细节时体验更好。
Janus Pro 7B 是 DeepSeek 的开创性 AI 模型，将文本和图像能力结合在一个强大的系统中。基于 DeepSeek-LLM-7b-base，它具有先进的视觉编码，支持高达 384x384 的高分辨率图像处理。
Infinity 是字节跳动推出的基于位级自回归建模的视觉生成模型，能根据语言指令生成高分辨率、逼真的图像。Infinity 通过无限词汇量的标记器、分类器和位自纠正机制，显著提升图像生成的细节和质量。