xAI发布Grok Imagine Video1.5预览版，进军AI视频生成赛道。该模型可将单张静态图片转换为短视频，支持720p分辨率输出。用户上传图片后，通过文本提示描述镜头运动、画面节奏和氛围，模型能保留原始图像细节、光影和风格，生成自然流畅的动态视频。
谷歌Gemini安卓测试版升级图像编辑功能，引入标记界面与实时文本描述，提升AI图像局部调优能力，解决指令传递不精准问题，重构交互逻辑。
以色列科技公司Lightricks推出LTX-2视听合成系统，能根据文本描述直接生成20秒高清视频，实现音画同步。该系统突破传统“先画面后配音”流程，采用双流并行计算架构，通过190亿参数提升计算效能，更真实还原自然音画环境。
腾讯混元团队开源HY-Motion1.0模型，基于DiT架构与流匹配技术，通过文本描述即可生成高质量3D骨骼动画，兼容主流3D工具，大幅降低动画制作门槛。该模型采用全阶段训练策略，利用超3000小时动作数据优化生成效果。
AI驱动，将图像和视频转化为描述、OCR、Alt文本等多种形式
最简单的AI家谱图生成器，可文本描述或上传图像，秒建、分析并导出PDF。
一款集成在Blender中的AI插件，可通过文本描述直接生成高质量、拓扑结构清晰的3D模型。
基于腾讯开源模型，可将文本描述即时转化为高保真3D角色动画。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
Baidu
128
$6
$24
256
Bytedance
$1.2
$3.6
4
$2
$3.9
$15.2
64
gguf-org
flux2-dev-gguf 是一个基于 FLUX.2-dev 的图像到图像转换模型，专门用于根据文本提示生成特定风格的图像。该模型支持在 ComfyUI 环境中运行，能够将文本描述转换为风格化的视觉内容。
ostris
这是一个基于LoRA技术的文本到图像转换模型，专门用于生成具有法国印象派画家贝尔特·莫里索艺术风格的图像。该模型在FLUX.2-dev基础模型上训练，能够将普通图像或文本描述转换为莫里索风格的画作。
uriel353
Anime2Realism是一个基于Qwen/Qwen-Image基础模型的文本到图像转换模型，专门实现从动漫风格到写实风格的图像转换。该模型利用LoRA和Diffusers技术，能够根据文本描述生成相应的写实风格图像。
QuantStack
这是一个将hlwang06/HoloCine模型转换为GGUF格式的文本到视频生成模型，支持通过文本描述生成视频内容，采用Apache-2.0许可证。
GatorBarbarian
TRELLIS Text XL是一个大型3D生成模型，是TRELLIS的文本条件版本，模型大小为XL。该模型基于论文《Structured 3D Latents for Scalable and Versatile 3D Generation》提出，能够根据文本描述生成高质量的3D内容。
briaai
FIBO是首个专为长结构化描述训练的开源文本到图像模型，为可控性、可预测性和特征解耦设定了新标准。该模型拥有80亿参数，仅使用有许可的数据进行训练，支持专业工作流程需求。
lichorosario
这是一个基于Qwen-Image模型训练的LoRA（Low-Rank Adaptation）模型，专门用于文本到图像的生成任务。该项目使用AI Toolkit训练，能够将文本描述转化为高质量的图像，支持在多种图像生成工具中使用。
bghira
这是一个基于PixArt-900M-1024模型的LyCORIS适配器，专门用于文本到图像的转换任务。该模型能够根据输入的文本描述生成相应的图像，支持多种分辨率的图像生成。
rajinikarcg
这是一个基于BERT微调的软件需求二分类模型，专门用于识别和分类软件需求文档中的需求与非需求文本，准确区分功能性需求描述与其他内容。
MadhavRupala
Stable Diffusion v1-5是基于潜在扩散技术的文本到图像生成模型，能够根据文本描述生成逼真的图像。该模型在LAION-2B数据集上训练，支持英语文本输入，生成512x512分辨率的图像。
这是一个基于Qwen-Image模型使用LoRA技术进行微调的文本到图像生成模型，能够将输入的文本描述转化为对应的图像，支持生成人物形象、影视角色和特定场景等多种类型的图像。
John6666
Illustrious-xl-early-release-v0 是一款基于 Stable Diffusion XL 架构的文本到图像生成模型，专门针对动漫和2D插画风格进行优化，能够根据文本描述生成高质量的图像作品。
hunyuanvideo-community
混元图像2.1是基于diffusers库的文生图模型，能够根据文本描述生成高质量的图像，支持中英双语输入，为用户提供便捷的图像生成体验。
manycore-research
FLUX.1 Wireframe [dev] LoRA 是 FLUX.1-Layout-ControlNet 的改进版本，作为 SpatialGen 的关键组件，能够根据文本描述生成图像，同时遵循给定线框图像的结构。该模型适用于 FLUX.1 [dev] 框架，专门用于室内场景生成任务。
uwcc
poshanimals是一个基于FLUX.1-dev模型训练的文本到图像生成模型，使用AI Toolkit by Ostris训练，能够根据文本描述生成具有特定风格的图像作品。
tekoaly4
这是一个基于stabilityai/stable-diffusion-3.5-large的LyCORIS适配器，专门用于文本到图像生成，能够根据文本描述生成高质量的产品摄影图像，特别针对Borges品牌产品进行了优化。
FLUX.1-Layout-ControlNet是SpatialGen框架的关键组件，是一个基于语义图像条件化的ControlNet模型。它能够根据文本描述生成2D图像，同时严格遵循输入语义图像的布局约束，主要用于3D室内场景合成。
Immac
NetaYume Lumina Image 2.0 是一个文本到图像的扩散模型，经过GGUF格式量化处理，能够将文本描述转换为图像。该模型经过优化，在保持生成质量的同时减少了内存使用和提升了性能。
davidrd123
这是一个基于Qwen/Qwen-Image的LyCORIS适配器，专门用于文本到图像的生成任务。该模型能够根据输入的文本描述生成相应的图像，特别擅长生成具有涂鸦风格和混合媒体效果的图像内容。
duyntnet
Chroma 是一个高质量的文本到图像生成模型，专注于生成逼真的图像内容。该模型采用先进的扩散技术，能够根据文本描述生成高质量的视觉内容，特别适合本地部署环境下的图像创作需求。
PaperBanana是一个自动化生成学术图表和统计图的智能框架，支持从文本描述生成高质量的论文插图，采用多智能体管道和迭代优化，提供CLI、Python API和MCP服务器等多种使用方式。
基于即梦AI的图像生成服务，专为Cursor IDE设计，实现文本描述到图像的生成与保存。
tldraw-agent是一个基于AI的文本转图表生成工具，支持通过命令行、库、MCP服务等多种方式使用，可将文本描述（如架构图、流程图）自动生成为PNG或SVG格式的图表。
一个提供图像识别功能的MCP服务器，支持Anthropic和OpenAI的视觉API，具备图像描述、多格式支持、可配置主备服务商及OCR文本提取功能。
一个基于Go语言的MCP服务器，通过OpenAI的DALL-E API实现文本描述生成图像功能，可与Claude等大型语言模型集成使用。
一个基于Google Gemini图像生成模型的MCP服务器，允许AI代理通过文本提示生成、编辑和描述图像，支持多种模型和配置选项。
Gemini Nanobanana MCP 是一个让用户通过文本描述生成AI图像的Claude插件，集成了Google Gemini 2.5 Flash图像生成功能，支持多种图像编辑和创作方式。
一个基于Inspire后端图像搜索能力的MCP服务器，提供通过文本描述搜索相似图片的功能。
该项目实现了一个MCP服务器，通过OpenAI的gpt-image-1模型提供图像生成和编辑功能，支持文本描述生成图像、基于参考图像编辑或修复图像，并可将结果保存到本地。
MCP-Diagram是一个通过文本描述快速生成多种类型图表（如架构图、UML类图等）的服务器工具，支持与Claude等AI助手集成。
Flux Image MCP Server是一个基于Flux Schnell模型的图像生成服务，通过Replicate平台提供API接口，支持通过文本描述生成图像。
manim-mcp 是一个基于 manimgl 库的文本转视频动画生成工具，通过多智能体 LLM 流水线将自然语言描述转换为高质量数学动画，可作为 CLI 工具、AI 代理或 MCP 服务器与 Claude 等助手集成。
一个基于Amazon Bedrock Nova Canvas模型的MCP服务器，提供高质量的AI图像生成服务，支持文本描述生成图像、负面提示优化、尺寸配置和种子控制等功能。
一个基于grep命令的MCP服务器，提供强大的文本搜索功能，支持自然语言描述和正则表达式搜索。
一个基于Freepik Flux AI的MCP服务器，用于通过文本描述生成图像，支持多种宽高比，并与Claude Desktop集成。
Nano Banana是一个专业的MCP扩展，用于通过文本描述生成、编辑和修复图像，支持多种图像处理功能，如生成图标、图案、故事和图表等。
一个基于HTTP的图片生成服务器，通过调用Replicate的Flux Schnell模型来根据文本描述生成图像。
一个基于Go语言的MCP服务器，通过OpenAI的DALL-E API实现文本描述生成图像功能，支持与Claude等大型语言模型集成。
一个基于Model Context Protocol的豆包图片和视频生成服务器，支持通过文本描述生成高质量图片和视频，并查询视频生成任务状态。
Stream Deck MCP是一个让AI通过自然语言描述来设计和配置Elgato Stream Deck布局的工具。用户只需用英语描述需求，AI即可自动创建页面、设置按钮（包括文本、图标、颜色和操作），支持多页面工作流、家庭自动化、游戏配置等场景。使用前需关闭Elgato官方软件以获取USB独占访问权限。
%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)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
