Home Progetti MinImagen
MinImagen

MinImagen

di AssemblyAI-Community · GitHub

MinImagen: Un'implementazione minima del modello text-to-image Imagen

Visualizza su GitHub
In parole semplici

Genera immagini basate su descrizioni testuali utilizzando un modello che trasforma le didascalie in visualizzazioni.

⭐ Stelle
🍴 Fork
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
MinImagen — GitHub preview card
📈 Storia delle stelle
315314
2026-07-202026-07-31
📈 Segui MinImagen

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

MinImagen: Un'implementazione minima del modello text-to-image Imagen

MinImagen ha 314 stelle su GitHub. È stato forkato 59 volte. MinImagen è scritto principalmente in Python. È in sviluppo attivo dal 2022. MinImagen è disponibile con licenza MIT. I suoi temi principali sono: deep-learning, diffusion-models, imagen, pytorch.

Frequently asked questions

Che cos'è MinImagen?

MinImagen: Un'implementazione minima del modello text-to-image Imagen

MinImagen è open source?

MinImagen è un progetto open source. È rilasciato con licenza MIT.

MinImagen è gratuito?

Sì. MinImagen è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è MinImagen?

MinImagen è disponibile con licenza MIT.

In quale linguaggio è scritto MinImagen?

MinImagen è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — MinImagen

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=assemblyai-community-minimagen)](https://olud.ai/project/assemblyai-community-minimagen.html)
Altre opzioni di badge →
🧬 Condivide il DNA con

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.