AI モデルハブ

ACE-Stepは、StepFunとACE Studioが共同開発したオープンソースの音楽生成基盤モデルであり、音楽生成、編集、オーディオ合成をサポートしています。

バージョン 2 件

Boogu-Imageは、ベース、ターボ、編集バリアントを持つ多用途画像生成モデルシリーズです。ComfyUIに対応。

バージョン 2 件

Chromaはlodestonesによるモデルシリーズで、Chroma1-HD（8.9B T2I）とChroma1-Radiance（開発中のアップスケーリング）を含み、両方ともApache 2.0ライセンスです。

バージョン 2 件

ERNIE-Imageは、Baiduの8Bパラメーターのオープンなテキストから画像へのモデルシリーズで、ライトなPrompt Enhancerを備え、テキストレンダリングと構造化生成に優れています。

バージョン 1 件

Flux は Black Forest Labs によるオープンソース画像生成モデルシリーズです。2世代: FLUX.1（3.8B DiT）とFLUX.2（32B dense transformer）。

バージョン 5 件

Gemma は、ComfyUI のテキストエンコーダとして使用するための Google DeepMind のオープンモデルファミリーです。E2B および E4B 命令調整済みバリアントを含む Gemma 4 が含まれます。

バージョン 1 件

HiDream-I1は、HiDream-aiによる17Bパラメータのテキストから画像モデルで、DiTとMoEアーキテクチャを組み合わせています。MITライセンスで、Full/Dev/Fastのバリアントがあります。

バージョン 2 件

Tencent のオープンソース動画生成モデルシリーズ。v1.0 から v1.5 まで、テキストから動画へ、画像から動画への高品質な生成を実現。

バージョン 2 件

Hunyuan3Dは、Tencentがオープンソースで公開した3D生成モデルシリーズです。バージョン2.0では、テキスト、画像、スケッチの入力から高忠実度の3Dモデル生成と高解像度テクスチャマップをサポートします。

バージョン 2 件

IC-Lightはlllyasvielによる画像再照明モデルシリーズです。では前景条件付けを導入し、プロ品質の画像再照明を実現します。

バージョン 0 件

Ideogram 4は、Ideogram AIによる最先端のテキストから画像へのAIモデルです。優れたタイポグラフィとフォトリアリスティックな生成能力を備えています。

バージョン 1 件

DeepSeek Janus Proは、DeepSeekが2025年1月にオープンソース化した、画像理解と生成の両方が可能なマルチモーダルAIモデルです。

バージョン 1 件

Krea 2は、KreaによるオープンソースのAI画像生成モデルです。Raw（フル品質）とTurbo（蒸留）の両方のバリアントを備え、スタイルLoRAによる多様な芸術的効果を実現します。

バージョン 1 件

MeituanによるLongCatは、画期的なオープンソースのバイリンガル（中国語・英語）画像生成用基盤モデルであり、優れた中国語テキストのレンダリングと写実性を提供します。

バージョン 2 件

LTX VideoはLightricksによる2BパラメータのDiTアーキテクチャ動画生成モデルであり、リアルタイム再生よりも高速に動画を生成できます。

バージョン 3 件

Alpha-VLLMによるLumina-Image 2.0は、テキストから画像へ生成のための2Bパラメータのフローベース拡散トランスフォーマーです。

バージョン 1 件

NewBie-image Exp0.1は、NewBie AI Labが開発した3.5B Next-DiTモデルで、アニメスタイルの画像生成に特化しています。

バージョン 1 件

OmniGenはVectorSpace Labによる統合マルチモーダル生成モデルシリーズです。T2I、画像編集、インコンテクスト生成をサポートします。

バージョン 1 件

OvisはAIDC-AIによるビジョン言語画像生成モデルシリーズで、ComfyUIで使用するために拡散モデルとテキストエンコーダを含みます。

バージョン 1 件

NVIDIA の PixelDiT は、テキストから画像への生成のための VAE-free ピクセル空間拡散トランスフォーマーです。4K までの超解像を実現する PiD（ピクセル拡散デコーダー）モデルが含まれています。

バージョン 1 件

AlibabaによるQwenテキストエンコーダモデルをComfyUIで使用：Qwen3-VL（ビジョン言語）およびQwen3.5（テキスト専用）。

バージョン 2 件

Qwen-ImageはAlibabaのQwenシリーズに属するオープンソース画像生成基盤モデルであり、複雑なテキストレンダリングと精密な画像編集に優れています。

バージョン 3 件

Stability AI による Stable Diffusion の系統: SD 1.5 (Runway)、SD 2.x、SDXL、SD 3.5。ComfyUI で広く使われるオープンなテキストから画像へのチェックポイント。

バージョン 7 件

Stable Audioは、Stability AIによるテキストから音声を生成するモデルファミリーで、音楽生成、効果音、フォーリー音響に対応。Stable Audio Open 1.0およびStable Audio 3を含みます。

バージョン 2 件

NetflixによるVOIDは、ビデオからオブジェクトとそれによって引き起こされる物理的相互作用をすべて削除するビデオオブジェクトおよびインタラクション削除モデルです。

バージョン 1 件

アリババクラウドのオープンソースビデオ生成モデルシリーズ。Wan2.1からWan2.2まで、MoEアーキテクチャによる高品質なテキストから動画へ・画像から動画への生成を実現。

バージョン 3 件

Z-Image は Tongyi-MAI (Alibaba) による効率的な画像生成モデルファミリーです。品質向け (Z-Image) と速度向け (Z-Image-Turbo) のバリアントを備えた 6B パラメータのシングルストリーム DiT アーキテクチャを特徴とします。

バージョン 2 件