ERNIE-Image是百度文心团队开发的开源文生图模型，基于8B参数的Diffusion Transformer架构，支持多种视觉风格，适合海报和漫画等内容生产。该模型在Hugging Face上开源，支持多语言生成，降低了创作门槛，鼓励用户参与创作。

Wan2.7-Image模型具备文生图、图生组图和图像编辑等全链路能力，超越GPT-Image1.5，支持超长文本渲染和多种颜色调控，适用于影视、自媒体和电商等行业，提升创作效率。

本文介绍了在华为开发者空间中使用昇腾NPU部署SDXL文生图模型的案例。SDXL是一种先进的文本生成图像模型，适合个人开发者和高校学生，预计操作时间为30分钟。用户可通过Notebook环境进行代码开发，生成不同主题的图像，如三体太空电梯和古风美女。

Z-Image-Turbo是阿里通义实验室开源的图像生成模型，适合普通用户，硬件要求低，生成速度快且图像质量高，支持中文提示，完全免费。通过Draw Things在Mac上运行，能够生成多种风格的高质量图像，推动了AI图像生成技术的普及。

YOLOv13是最新的目标检测模型，采用超图自适应相关性增强机制，提升了全局特征融合能力，克服了以往模型的局限性。该模型在MS COCO和Pascal VOC数据集上表现优异，展现出更强的泛化能力和实用性。

字节跳动的Seedream 3.0图像生成模型已达到GPT-4o的水平，超越多款竞争模型，成为全球领先。该模型支持中英双语，能够快速生成高分辨率图像，解决小字体和复杂排版问题，提升生成效率和美感。未来将继续优化模型性能。

神秘文生图模型Mogao在Artificial Analysis排行榜上迅速崛起，得益于字节跳动的Seedream 3.0。该模型在海报设计和人像生成方面表现优异，真实感接近专业水平，生成速度快，支持2K图像输出，并在文本渲染上有显著提升。

字节跳动发布的Seedream 3.0技术报告提升了图像生成性能，支持2K分辨率和中英双语。新版本在小字生成、排版和美感等方面取得显著突破，能够在3秒内快速生成高质量图像，满足设计师需求。

HiDream-I1是一个开源的文生图模型，性能接近GPT-4o，具备高真实感和细腻度，表现优异，支持商用。即将推出的HiDream-E1将支持交互式图像编辑，填补开源版GPT-4o的空白。

自从GPT-4o推出后，网友们利用其文生图功能创作了许多有趣的作品，尤其是吉卜力风格的影视剧片段。博主们通过截取经典镜头，结合GPT-4o和其他AI工具进行风格转换和视频制作，效果令人惊艳。制作过程简单，主要包括截取镜头、风格转换和视频生成。

OpenAI 发布了 ChatGPT 4o，一个高质量的文生图模型，用户可以生成个性化的吉卜力风格卡通头像，并为老照片上色。该工具受到广泛欢迎。国内大模型竞争加剧，各大厂商纷纷推出新功能，未来可能会收费。

OpenAI于3月25日发布了GPT-4o，新增图像生成功能，用户可在ChatGPT中每日体验3次。该模型在文字处理和多对象生成方面表现出色，但仍存在幻觉和编辑一致性等局限性。

OpenAI新推出的文生图功能，用户通过简单文字指令即可生成高精度图片，表现优异。该功能强调指令遵循和一致性，支持图片修改，理解用户潜在意图，提升使用体验。整体上，更新显著优化了生成和修改过程。

AIxiv专栏促进了学术交流，报道了2000多篇内容。研究者探讨了思维链（CoT）在图像生成中的应用，提出了潜力评估奖励模型（PARM）及其增强版PARM++，有效提升了图像生成质量。实验结果表明，结合测试时验证和偏好对齐策略，生成图像的质量和文本一致性显著提高。