Inicio Proyectos clip-guided-diffusion
clip-guided-diffusion

clip-guided-diffusion

por afiaka87 · GitHub

Una herramienta CLI/módulo de Python para generar imágenes a partir de texto utilizando difusión guiada y CLIP de OpenAI.

Ver en GitHub
⭐ Estrellas
🍴 Ramas
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
clip-guided-diffusion — GitHub preview card
📈 Historial de estrellas
460459
2026-07-202026-07-29
📈 Sigue clip-guided-diffusion

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Una herramienta CLI/módulo de Python para generar imágenes a partir de texto utilizando difusión guiada y CLIP de OpenAI.

clip-guided-diffusion tiene 459 estrellas en GitHub. Se ha bifurcado 60 veces. clip-guided-diffusion está escrito principalmente en Python. Se desarrolla activamente desde 2021. clip-guided-diffusion está disponible bajo la licencia MIT. Sus temas principales son: artificial-intelligence, deep-learning, diffusion, image-generation.

Frequently asked questions

¿Qué es clip-guided-diffusion?

Una herramienta CLI/módulo de Python para generar imágenes a partir de texto utilizando difusión guiada y CLIP de OpenAI.

¿clip-guided-diffusion es de código abierto?

clip-guided-diffusion es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿clip-guided-diffusion es gratis?

Sí. clip-guided-diffusion es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está clip-guided-diffusion?

clip-guided-diffusion está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito clip-guided-diffusion?

clip-guided-diffusion está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — clip-guided-diffusion

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=afiaka87-clip-guided-diffusion)](https://opensourceai.tech/project/afiaka87-clip-guided-diffusion.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
blended-diffusion
Implementación oficial para "Difusión Mezclada para Edición impulsada por Texto de Imágenes Nat…
589 · blended-diffusion
comparteopenai-clipdiffusion
blended-latent-diffusion
Implementación oficial de "Difusión Latente Mezclada" [SIGGRAPH 2023]
632 · computer-vision
compartetext-to-image-synthesisdiffusion
CLIP-Guided-Diffusion
Solo jugando con la ejecución de CLIP Guided Diffusion localmente, en lugar de tener que usar c…
385 · openai-clip
comparteopenai-cliptext-to-image
MagicBrush
[NeurIPS'23] "MagicBrush: Un Conjunto de Datos Anotado Manualmente para Edición de Imágenes Gui…
411 · diffusion-models
compartetext-to-image-synthesistext-to-image
big-sleep
Una herramienta de línea de comandos simple para generación de texto a imagen, utilizando CLIP…
2.6k · artificial-intelligence
compartemultimodalitytext-to-image
Ovis-Image
Ovis-Image es un modelo de texto a imagen de 7B específicamente optimizado para renderizado de…
321 · image-generation
compartetext-to-imageimage-generation
reconstruction-alignment
[ICLR 2026] Repositorio oficial del artículo "La alineación de reconstrucción mejora los modelo…
411 · aigc
compartediffusiontext-to-image
Autoregressive-Models-in-Vision-Survey
[TMLR 2025🔥] Una encuesta sobre los modelos autorregresivos en visión.
805 · acceleration
compartediffusiontext-to-image
stable-diffusion-pytorch
Otra implementación de PyTorch de Stable Diffusion (probablemente fácil de leer)
593 · diffusion
compartediffusionimage-generation
UNO
[ICCV 2025] 🔥🔥 UNO: Un Método de Personalización Universal para Condicionamiento de Sujetos Ún…
1.4k · diffusion
compartediffusiontext-to-image

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.