快手Kling AI 2.6版本发布，首次集成音频生成功能，支持中英双语对白、歌唱与音效，实现文本、视频、音频一键同步生成。技术采用扩散变换器与3D时空联合注意力架构，提升复杂指令遵守率15%，并增强跨镜头角色一致性。视频输出保持10秒1080P高清，生成成本降低30%。
苹果公司研发新型AI图像生成系统“STARFlow”，结合正则化流和自回归变换器技术，挑战当前主流扩散模型。该突破性成果已在研究论文中公布，并与多所学术机构合作完成。
阿里通义千问团队开源图像编辑模型Qwen-Image-Edit，基于20B参数多模态扩散变换器，在精准文本编辑、语义与外观编辑方面表现卓越，尤其在中文文本渲染上实现行业领先，支持中英文双语精准渲染。
研究人员推出Voost框架，通过单一扩散变换器实现虚拟试衣/试脱双向学习，无需额外标签。创新采用注意力温度缩放和自校正采样技术提升模型稳定性，在多项基准测试中表现优异，显著提升服装-身体对齐精度和生成质量。该技术为数字时尚领域带来突破，项目已开源。
基于扩散变换器的多角色肖像动画生成框架。
InstantCharacter 是一种基于扩散变换器的角色个性化框架。
在视频扩散变换器中合成任何内容的框架。
MakeAnything 是一个用于多领域程序化序列生成的扩散变换器模型。
Alibaba
-
Input tokens/M
Output tokens/M
Context Length
Google
Minimax
Chatglm
Owen777
UltraFlux是一款基于Flux的扩散变换器，专门用于原生4K文本到图像生成。它通过数据、架构和损失的协同设计，能够在各种不同纵横比下保持一致的图像质量。
RiverZ
ICEdit是一种创新的指令式图像编辑方法，通过大规模扩散变换器实现高效编辑，仅需0.5%的训练数据和1%的参数规模即可达到SOTA效果。
sanaka87
ICEdit是一种基于大规模扩散变换器的指令式图像编辑方法，仅需0.5%的训练数据和1%的参数即可实现最先进的编辑效果。
yyyyyxie
TextFlux是一个基于无OCR扩散变换器的高保真多语言场景文本合成模型，采用FLUX.1-Fill-dev作为基础模型，专注于场景文本合成任务。
kaupane
基于Wikiart数据集训练的扩散变换器模型，用于生成艺术作品图像
基于Wikiart数据集训练的扩散变换器模型，用于生成艺术风格图像
ByteDance
InfiniteYou（InfU）是一个基于FLUX扩散变换器（DiT）的身份保持图像生成框架，能够在保持身份特征的同时实现灵活的图片重塑。
Alpha-VLLM
Lumina-Image 2.0 是一个基于流的扩散变换器模型，拥有20亿参数，专注于文本到图像的生成任务。
Huage001
CLEAR 是一种基于扩散变换器的图像到图像生成模型，通过类卷积线性化技术加速预训练过程。
gpustack
Stable Diffusion 3.5大模型是一款多模态扩散变换器(MMDiT)文生图模型，在图像质量、文字排版、复杂提示词理解和资源效率方面均有显著提升。
StableDiffusion 3.5 中型模型的 GGUF 版本是基于文本生成图像的强大扩散模型，在图像质量、排版效果、复杂提示理解和资源效率方面有显著提升。该模型采用改进的多模态扩散变换器架构，支持多种文本编码器，适用于艺术创作、教育工具和生成模型研究等场景。
ckpt
采用改进型多模态扩散变换器（MMDiT-X）的文本生成图像模型，在图像质量、排版效果、复杂提示理解及资源效率方面均有显著提升
stabilityai
基于改进型多模态扩散变换器(MMDiT-X)的文生图模型，在图像质量、文字排版、复杂提示词理解和资源效率方面均有显著提升
adamo1139
基于多模态扩散变换器（MMDiT）的文本到图像模型，采用对抗扩散蒸馏（ADD）技术，优化了图像质量、排版和复杂提示理解，同时减少推理步骤。
基于多模态扩散变换器(MMDiT)的高级文生图模型，在图像质量、文字排版和提示词理解方面有显著提升
基于多模态扩散变换器（MMDiT）的文本生成图像模型，采用对抗扩散蒸馏（ADD）技术，提升图像质量、排版和复杂提示理解能力。
3DTopia
3DTopia-XL是一个基于扩散变换器（DiT）和PrimX表示的高质量3D资产生成模型，能够从文本或图像输入快速生成3D PBR资产。
Stability AI推出的多模态扩散变换器文生图模型，在图像质量、文字排版和复杂提示理解方面有显著提升
一款多模态扩散变换器(MMDiT)文本生成图像模型，在图像质量、文字排版、复杂提示理解及资源效率方面均有显著提升
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
