MMaDA是一类新型的多模态扩散基础模型，在文本推理、多模态理解和文本到图像生成等多个领域表现卓越。

MMaDA是一种新型多模态扩散基础模型，在文本推理、多模态理解和文生图等领域表现卓越。

基于多模态扩散变换器（MMDiT）的文本到图像模型，采用对抗扩散蒸馏（ADD）技术，优化了图像质量、排版和复杂提示理解，同时减少推理步骤。

该模型结合大语言模型与视频扩散技术，支持文本到视频生成，并可通过边界框条件输入控制视频内容。

AltDiffusion-m9是基于Stable Diffusion框架的多语言文本到图像生成模型，支持9种语言，由AltCLIP-m9多语言CLIP模型提供支持。