Open source проекты по теме «diffusion-model»

Открытый диффузионный трансформер на 5 млрд параметров для генерации изображений по тексту, с точным рендерингом текста и управлением композицией через JSON.

Открытые генеративные модели для создания видео по тексту, изображениям, речи и движениям персонажей; доступны MoE-модели и разрешение 720P.

Открытая модель Tencent Hunyuan, создающая интерактивные игровые видео по референсному изображению и командам с клавиатуры или мыши.

Локальная open-source модель для генерации музыки: создаёт целые песни по тексту и предлагает инструменты для редактирования — каверы, перерисовку фрагментов и разделение на дорожки.

Единый движок для обучения мультимодальных моделей с поддержкой архитектур vision-language, diffusion и MoE, а также FSDP2, Muon и ядер Liger.

Фреймворк с открытым исходным кодом для генерации видео с аватарами в реальном времени по аудио с практически неограниченной длительностью на базе модели Wan2.2-S2V на 14B параметров.

Модели с открытым исходным кодом и 6 млрд параметров: создают цельные визуальные макеты по текстовому описанию и разделяют готовые изображения на прозрачные редактируемые слои.