HunyuanImage 3.0
混元图像 3.0，7.5K+ stars。腾讯混元原生多模态图像生成模型，强大的中文图像生成能力
🎯适用场景：多模态内容理解与生成
📥 收录于 2026/5/13
📊 仓库数据
📈 上次抓取以来 ↑+3 ⭐
✅ 优点
- •多模态输入输出支持
- •中文支持良好
- •3.1K+ stars
- •开源免费
⚠️ 限制
- •需要 Python 运行环境
- •通常需要 GPU 算力
- •文档与社区支持因项目而异
🔗 相关工具
awesome-nano-banana-pro-prompts
github.com/YouMind-OpenLab/awesome-nano-banana-pro-prompts
全球最大的 Nano Banana Pro 提示词库，收录超过一万条精选提示词，覆盖十六种语言和多场景应用。
🎯海量 Nano Banana Pro 提示词精选库
imaginAIry
github.com/brycedrennan/imaginAIry
Pythonic AI 图像和视频生成工具，用简洁的 Python API 调用 AI 模型生成创意内容
🎯用 Python 代码生成 AI 图片和视频，适合创意工作和内容创作
Stable Diffusion WebUI
github.com/AUTOMATIC1111/stable-diffusion-webui
最流行的 Stable Diffusion Web UI，162,491+ stars。提供直观的图形界面，支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能，是 AI 图像生成领域的事实标准工具
🎯大模型微调与训练、多模态内容理解与生成
ComfyUI
github.com/comfyanonymous/ComfyUI
节点式 Diffusion 模型 GUI，109,363+ stars。基于节点的工作流编排，可视化连接各处理模块，是最强大的图像生成工作流工具，支持 SDXL、Flux、Stable Cascade 等最新模型
🎯AI 工作流编排与自动化、多模态内容理解与生成
OpenAI Whisper
github.com/openai/whisper
OpenAI 开源语音识别模型，99.9K+ stars。支持 99 种语言自动语音识别与翻译，可本地部署保护隐私，广泛用于会议转录、字幕生成等场景
🎯多语言语音转文字、音频转录、本地私有化语音识别
Deep Live Cam
github.com/hacksider/Deep-Live-Cam
实时人脸替换工具，91,252+ stars。仅需一张照片即可实现实时视频换脸和一键视频 Deepfake，基于 AI 视觉模型实现高精度面部替换。支持摄像头实时预览和离线视频处理，是 AI 换脸领域最受欢迎的开源项目。
🎯多模态内容理解与生成