目前，在文生图领域，有几个表现较为出色的模型：
Kolors：这是最近开源的文生图模型中非常出色的一个。从技术报告来看，它有诸多改进，如更强的中文文本编码器、高质量的文本描述、人标的高质量图片、强大的中文渲染能力，以及巧妙解决高分辨率图加噪不彻底的问题。实测效果很不错，展示了快手的强大技术实力。 腾讯混元大模型：其仍在不断升级中。在小范围体验中，有以下特点： 对 prompt 提示词撰写的精细度与准确度要求较高，建议反复细化、调整、优化 prompt 以实现想法。 每次生成的内容具有不确定性，生成结果未达到 100%可控生成，建议多次尝试。 主要优势在于生成照片的真实感较强，包括人像、场景与自然景观，能画出符合古诗词描述的诗句，生成的图片风格多样、美观。但中远景人脸生成目前仍是业界难题，仍在不断优化中。其中，Kolors 可以说是目前主流的文生图训练技巧都用上了，而腾讯混元大模型在中文语义理解和某些特定场景的生成方面有其优势。
