Kandinsky-3是基于潜在扩散模型的文本到图像（T2I）生成框架，支持高质量和逼真度在图像合成。Kandinsky-3能适应多种图像生成任务，包括文本引导的修复/扩展、图像融合、文本-图像融合及视频生成等。研究者们推出一个简化版本的T2I模型版本，该版本在保持图像质量的同时，将推理速度提高3倍，仅需4步逆向过程即可完成。Kandinsky-3的显著特点在于架构的简洁性和高效性，能适应多种图像生成任务。

Kandinsky-baidu093 – 开源的文本到图像生成框架，适应多种图像生成任务 第1张
（图片来源网络，侵删）
Kandinsky-baidu093 – 开源的文本到图像生成框架，适应多种图像生成任务 第2张
（图片来源网络，侵删）