ROCm 环境多模态开发开源项目汇总

参考开源项目： 

ComfyUI：节点式 AI 图像 / 视频生成工作流

https://github.com/Comfy-Org/ComfyUI

Stable Diffusion WebUI：经典 AI 文生图 / 图生图 Web UI

https://github.com/AUTOMATIC1111/stable-diffusion-webui

Diffusers：Hugging Face 扩散模型工具库，适合自定义 AI 生成流程

https://github.com/huggingface/diffusers

Transformers：多模态模型、视觉语言模型、文本 / 视觉 / 多模态模型基础库

https://github.com/huggingface/transformers

InvokeAI：AI 图像生成与创作工作流

https://github.com/invoke-ai/InvokeAI

Fooocus：简化版 AI 图像生成工具

https://github.com/lllyasviel/Fooocus

ControlNet：可控图像生成参考

https://github.com/lllyasviel/ControlNet

InstantID：基于人脸身份保持的 AI 图像生成参考

https://github.com/InstantID/InstantID

Real-ESRGAN：AI 图像 / 视频超分辨率增强

https://github.com/xinntao/Real-ESRGAN

GFPGAN：AI 人脸修复与增强

https://github.com/TencentARC/GFPGAN

AnimateDiff：AI 图像动画 / 视频生成参考

https://github.com/guoyww/AnimateDiff

Stable Video Diffusion：AI 视频生成参考

https://github.com/Stability-AI/generative-models

See-through：单张动漫角色图像自动分层 / 补全 / PSD 输出，可参考 AI 角色素材拆分、Live2D 前处理、2.5D 创作工具方向

https://github.com/shitagaki-lab/see-through

CosyVoice：多语言 AI 语音生成 / TTS / 声音克隆参考，可用于方言绕口令、AI 配音、角色语音、有声内容创作等方向

https://github.com/FunAudioLLM/CosyVoice