GLIGEN

GLIGEN是一款开放式的条件式图像生成学术项目站点，核心为基于扩散模型的可控图像生成技术。用户可结合文本描述与空间边界框、参考图像等条件，生成符合指定布局与内容要求的图像；模型采用模块化训练设计，保留预训练扩散模型的基础生成能力的同时，扩展了空间控制属性。该站点面向AI图像生成研究者、计算机视觉从业者、内容创作人员、设计人员等群体，可用于学术研究验证、可控图像内容创作、多模态模型效果测试、概念设计初稿生成等场景，帮助用户在图像生成过程中实现更精准的内容与布局控制。

主要功能

• 文本引导生成：用户输入自然语言描述的图像主题、内容风格、场景元素等信息，模型即可基于文本语义生成对应的图像内容，支持多种风格与场景的描述输入，生成结果贴合文本表述的核心语义，适配不同内容创作的基础需求。
• 边界框布局控制：用户可在画布上绘制不同大小、位置的边界框，同时为每个边界框单独添加对应的文本描述，指定该区域需要呈现的元素，模型生成时会严格遵循边界框的位置与尺寸约束，让指定元素出现在预设的区域内，实现布局的精准控制。
• 模块化扩散架构：模型主体采用冻结预训练扩散模型参数、新增可控条件注入模块的架构设计，训练阶段仅需优化新增模块参数，无需重新训练整个基础模型，降低了功能扩展的训练成本，同时保留了基础模型对海量通用概念的生成能力。
• 开放概念泛化：模型支持未在训练数据中出现过的新概念组合生成，用户输入新的概念搭配与布局要求时，模型可结合已学习的语义知识与空间控制能力，生成符合要求的图像结果，适配新型概念设计、创意组合类的生成需求。
• 多条件组合生成：支持同时输入文本描述、边界框布局、参考图像特征等多类条件，模型可融合多类条件的约束信息，生成同时符合内容语义、空间布局、风格参考要求的图像，满足用户多维度的可控生成需求。
• 推理结果预览：站点提供在线推理演示界面，用户输入条件后可直接在页面查看生成的图像结果，支持多次调整参数与条件重新生成，方便用户对比不同条件下的生成效果，快速验证模型的控制能力与生成质量。

怎么使用

1. 1. 进入GLIGEN官方站点，找到在线演示功能入口，浏览页面内的功能说明与生成示例，了解模型支持的控制条件与生成效果范围。 2. 选择合适的生成模式，可选择基础文本生成模式或者带布局控制的生成模式，根据自身需求确定本次生成需要使用的约束条件。 3. 输入对应的生成条件，若使用布局控制则绘制边界框并为每个框填写元素描述，同时可补充整体图像的风格、场景等全局文本描述。 4. 确认所有条件设置无误后，点击生成按钮等待模型推理，推理过程中请勿关闭或刷新页面，避免生成过程中断。 5. 生成完成后查看结果图像，若不符合预期可调整文本描述、边界框位置或参数后重新生成，满意后可下载图像到本地使用。

适合什么人群

• AI图像生成研究者（模型架构研究场景）
• 计算机视觉从业者（可控生成技术落地场景）
• UI设计师（界面元素布局初稿生成场景）
• 创意内容创作者（定制化图像素材生成场景）
• 概念设计师（产品/场景概念草图生成场景）
• 多模态技术学习者（扩散模型原理学习场景）

总结

这款基于扩散模型的可控图像生成项目，在现有文生图模型的基础上拓展了空间布局控制能力，解决了传统文生图模型难以精准控制元素位置、大小的痛点。其采用的模块化训练设计，既保留了预训练扩散模型的通用生成能力，又降低了新增控制功能的训练成本，对于后续可控生成模型的发展有较高的参考价值。站点除了提供详细的论文说明、技术架构介绍外，还配备了可直接体验的在线演示功能，用户无需自行部署模型即可测试不同条件下的生成效果，无论是从事相关技术研究的人员，还是需要可控图像生成能力的创作者，都可以通过该站点获取所需的资源与工具。相比其他同类可控生成项目，它对开放概念的泛化能力表现突出，能够支持更多新型概念组合的生成，适配更多创意类的使用需求。

价格与免费额度

GLIGEN作为学术开源项目，其核心模型代码、论文资料与在线演示功能均向公众免费开放，免费使用无功能限制，用户可直接访问站点体验在线演示，也可下载开源代码在本地部署调整。目前项目无官方付费版本，若需要商用定制化的部署方案或更高算力的生成支持，可联系项目研发团队沟通合作需求，非商业的研究、学习、非盈利创作场景使用免费版本即可满足需求。

优点与不足

能帮你做的 8 件事

1. 01文本引导生成
2. 02边界框布局控制
3. 03模块化扩散架构
4. 04开放概念泛化
5. 05AI图像生成场景的常用方案
6. 06扩散模型场景的常用方案
7. 07AI图像生成研究者（模型架构研究场景）的日常效率工具
8. 08先用免费额度验证需求再决定付费

更新历史

• 2026.06.14GLIGEN 收录进 Toolifai 目录
• 页面资料核验与信息更新

常见问题