GitHub · 3D 生成新仓库·· 9 天前AI 评分19
Multi-Modal-105：从零构建支持文生图与文生视频的多模态生成 Agent 开源仓库
AdilShamim8/Multi-Modal-105
来源与原文
GitHub · 3D 生成新仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/AdilShamim8/Multi-Modal-105
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
GitHub 仓库 Multi-Modal-105 提供一套生产级多模态生成 Agent，支持 Text-to-Image（512×512 至 1024×1024）与 Text-to-Video（16/32/64 帧）合成，以及基于 DDIM inversion 的图生图编辑。项目从零实现 VAE、StyleGAN2、VQ-VAE、U-Net、DiT 与 Video DiT 等架构，支持 BF16/FP16 混合精度与 1–512 GPU 分布式训练，并通过 FID、IS、CLIP Score 等指标评测。
来源：GitHub · 3D 生成新仓库 · github.com