mmagic
OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Sblocca la magia 🪄: Generative-AI (AIGC), API facili da usare, fantastico zoo di modelli, modelli di diffusione, per generazione di testo in immagine, restauro/miglioramento di immagini/video, ecc.
Genera immagini o video da descrizioni testuali utilizzando strumenti e modelli di IA avanzati.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiOpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Sblocca la magia 🪄: Generative-AI (AIGC), API facili da usare, fantastico zoo di modelli, modelli di diffusione, per generazione di testo in immagine, restauro/miglioramento di immagini/video, ecc.
mmagic ha 7.5k stelle su GitHub. È stato forkato 1.1k volte. mmagic è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2019. mmagic è disponibile con licenza Apache-2.0. I suoi temi principali sono: aigc, computer-vision, deep-learning, diffusion.
Confronta con gli strumenti a pagamento che sostituisceChe cos'è mmagic?
OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Sblocca la magia 🪄: Generative-AI (AIGC), API facili da usare, fantastico zoo di modelli, modelli di diffusione, per generazione di testo in immagine, restauro/miglioramento di immagini/video, ecc.
mmagic è open source?
mmagic è un progetto open source. È rilasciato con licenza Apache-2.0.
mmagic è gratuito?
Sì. mmagic è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è mmagic?
mmagic è disponibile con licenza Apache-2.0.
In quale linguaggio è scritto mmagic?
mmagic è scritto principalmente in Jupyter Notebook.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/open-mmlab-mmagic.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.