Inicio Proyectos big-sleep
big-sleep

big-sleep

por lucidrains · GitHub

Una herramienta de línea de comandos simple para generación de texto a imagen, utilizando CLIP de OpenAI y un BigGAN. La técnica fue creada originalmente por https://twitter.com/advadnoun

Ver en GitHub
En palabras simples

Genera imágenes a partir de descripciones de texto utilizando una herramienta de línea de comandos simple.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 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 →
big-sleep — GitHub preview card
📈 Historial de estrellas
2 5712 569
2026-07-072026-07-29
📈 Sigue big-sleep

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 de línea de comandos simple para generación de texto a imagen, utilizando CLIP de OpenAI y un BigGAN. La técnica fue creada originalmente por https://twitter.com/advadnoun

big-sleep tiene 2.6k estrellas en GitHub. Se ha bifurcado 302 veces. big-sleep está escrito principalmente en Python. Se desarrolla activamente desde 2021. big-sleep está disponible bajo la licencia MIT. Sus temas principales son: artificial-intelligence, deep-learning, generative-adversarial-networks, multimodality.

Frequently asked questions

¿Qué es big-sleep?

Una herramienta de línea de comandos simple para generación de texto a imagen, utilizando CLIP de OpenAI y un BigGAN. La técnica fue creada originalmente por https://twitter.com/advadnoun

¿big-sleep es de código abierto?

big-sleep es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿big-sleep es gratis?

Sí. big-sleep es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está big-sleep?

big-sleep está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito big-sleep?

big-sleep está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — big-sleep

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=lucidrains-big-sleep)](https://opensourceai.tech/project/lucidrains-big-sleep.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
clip-guided-diffusion
Una herramienta CLI/módulo de Python para generar imágenes a partir de texto utilizando difusió…
459 · artificial-intelligence
compartemultimodalitytext-to-image
Keras-GAN
Implementaciones de Keras de redes generativas adversariales.
9.2k · deep-learning
compartegenerative-adversarial-networks
GPT4RoI
(ECCVW 2025)GPT4RoI: Ajuste de instrucciones de modelo de lenguaje grande en región de interés
556 · computer-vision
compartemultimodality
Ovis-Image
Ovis-Image es un modelo de texto a imagen de 7B específicamente optimizado para renderizado de…
321 · image-generation
compartetext-to-image
Pluralistic-Inpainting
[CVPR 2019]: Compleción de imagen pluralista
690 · generative-adversarial-networks
compartegenerative-adversarial-networks
RAG-Survey
Colección de artículos impresionantes de RAG para AIGC. Proponemos una taxonomía de fundamentos…
1.8k · aigc
compartemultimodality
DALLE2-pytorch
Implementación de DALL-E 2, la red neuronal de síntesis de texto a imagen actualizada de OpenAI…
11.3k · artificial-intelligence
compartetext-to-image
DF-GAN
[CVPR2022 oral] Una base simple y efectiva para la síntesis de texto a imagen
326 · generative-adversarial-network
compartetext-to-image
awesome-video-generation
Una colección de estudios increíbles sobre generación de video.
778 · diffusion-models
compartegenerative-adversarial-networks
VQGAN-CLIP
Solo jugando con hacer funcionar VQGAN+CLIP localmente, en lugar de tener que usar colab.
2.6k · text-to-image
compartetext-to-image

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