Nano Banana 2: Combining Pro capabilities with lightning-fast speed★ 70
Google DeepMind Blog96d agoReleaseGoogle DeepMind 推出最新圖像生成模型 Nano Banana 2。該模型在維持極速（Flash speed）的同時，融入了先進的世界知識與生產級規格。此外，它還具備強大的「主體一致性」功能，能為專業創作者與開發者提供兼具速度與品質的圖像生成體驗。這款模型的推出，解決了過往 AI 繪圖難以在連續場景中保持角色一致的痛點，並大幅縮短了設計工作流的等待時間。
Build with Nano Banana Pro, our Gemini 3 Pro Image model★ 78
Google DeepMind Blog194d agoReleaseGoogle DeepMind 宣布推出名為「Nano Banana Pro」的 Gemini 3 Pro 圖像模型。作為 Gemini 3 世代的專業級視覺模型，它旨在為開發者提供更強大的影像生成或理解能力。標題「Build with...」顯示該模型已開放 API 或開發工具，鼓勵開發者將其整合至各式應用中。
Open Preference Dataset for Text-to-Image Generation by the 🤗 Community★ 75
Hugging Face Blog540d agoReleaseHugging Face 宣布推出由社群共同協作完成的文字生成圖像（Text-to-Image）開源偏好資料集。該資料集透過社群成員對不同 AI 生成圖像進行投票與評分，收集了大量人類真實偏好數據。這項開源資源將大幅降低開發者進行圖像生成模型 RLHF（人類回饋強化學習）或 DPO（直接偏好優化）的門檻，推動更具美感與對齊能力的開源圖像模型發展。
Stable Diffusion 3.5 is here★ 75
Replicate Blog588d agoReleaseStability AI 正式推出最新一代文字生成圖片模型 Stable Diffusion 3.5，並已同步上架至 AI 雲端託管平台 Replicate。開發者與創作者現在無需自行配置高規格 GPU 顯示卡，即可直接透過 Replicate 提供的雲端 API 快速將 SD 3.5 整合至自己的應用程式或工作流中，極大地降低了開發與部署的門檻。
Fine-tune FLUX.1 to create images of yourself★ 80
Replicate Blog641d agoTutorial本教學介紹如何利用 LoRA 技術微調 FLUX.1 [dev] 模型以生成個人專屬圖像。使用者只需準備 10 至 20 張不同角度與背景的個人照片並打包成 ZIP 檔，即可透過 Replicate 的 Web 介面或 API 進行訓練。訓練過程僅需約 20 分鐘、花費數美元，完成後即可使用自訂觸發詞生成各種風格的個人寫真。
FLUX.1: First Impressions★ 85
Replicate Blog669d agoRelease由 Stable Diffusion 原班人馬創立的 Black Forest Labs 推出全新圖像生成模型家族 FLUX.1。該模型包含 Schnell、Dev 和 Pro 三個版本，在文字生成、複雜指令遵循以及人體細節上展現出驚人實力。Replicate 平台第一時間上架並進行深度實測，認為其美學風格與寫實度已能與 Midjourney v6 匹敵，為開源 AI 繪圖立下新標竿。
Introducing Würstchen: Fast Diffusion for Image Generation★ 75
Hugging Face Blog993d agoReleaseHugging Face 介紹了新型圖像生成模型 Würstchen，其核心在於創新的三階段架構，能將潛在空間壓縮高達 42 倍。這使得它在生成速度和訓練成本上遠優於傳統的 Stable Diffusion，同時保持優異的視覺品質。目前該模型已整合至 Diffusers 函式庫中，適合硬體資源有限的開發者與研究人員。
Painting with words: a history of text-to-image AI
Replicate Blog1015d agoCommentary本文回顧了文字生成圖像（Text-to-Image）技術的演進歷程。從早期的 GAN 限制，到 2021 年 VQGAN+CLIP 掀起的社群藝術熱潮，再到 2022 年 DALL-E 2 與 Stable Diffusion 的爆發。隨著 Stable Diffusion 迎來一週年及 SDXL 的推出，開源社群與微調技術正以前所未有的速度重塑視覺創作。
Ethics and Society Newsletter #4: Bias in Text-to-Image Models
Hugging Face Blog1072d agoCommentary本期 Hugging Face 倫理與社會電子報聚焦於文字生成圖像（Text-to-Image）模型的偏見。文章指出，這些模型在生成職業、社會角色等圖像時，常顯露出嚴重的性別與種族刻板印象。這源於訓練數據中不均衡的代表性，Hugging Face 呼籲社群透過開發評估工具與推動數據透明化來共同應對此挑戰。
Japanese Stable Diffusion
Hugging Face Blog1336d agoReleaseStability AI 於 2022 年 10 月推出了「Japanese Stable Diffusion」模型。該模型專為日語語境進行優化，解決了先前英文版 Stable Diffusion 難以精確理解日語輸入與日本文化細節的問題。用戶可以直接使用日語進行 Prompt 創作，生成更符合日本審美與文化背景的圖像，並已開源託管於 Hugging Face。