gongminmin/awesome-aigc · 上手攻略

  • 仓库：gongminmin/awesome-aigc
  • 链接：https://github.com/gongminmin/awesome-aigc
  • 分类：AIGC · Awesome List
  • 作者：Tom
  • 更新：2026-08-27

这是什么

gongminmin/awesome-aigc 是一个 AIGC（AI Generated Content）技术分类索引库，按模态（文本→图像→视频→3D→语音→音乐）和任务类型对主流 AIGC 项目进行结构化整理。每个条目标注 TRL（Technology Readiness Level，技术成熟度等级），参考 NASA TRL 标准，从 1（基础原理）到 9（大规模落地验证）。

核心解决的问题：在 AIGC 工具爆发时代，为研究者和从业者提供一个有质量标注的结构化导航，而非简单堆砌链接。

解决什么问题

  1. AIGC 信息过载：每天都有新模型、新工具发布，这个列表帮你快速定位某个方向有哪些成熟方案。
  2. 技术成熟度不透明：很多 Awesome List 只列名字，不告诉你这东西能不能用。TRL 标注让你知道这项技术是"论文刚出"还是"日活千万"。
  3. 跨模态概览缺失：文本生成、图像生成、视频生成分散在不同列表里，这个库用统一框架覆盖全模态。

快速安装

这是一个纯静态 README 索引库，无需安装，直接浏览即可：

https://github.com/gongminmin/awesome-aigc

如需本地离线查阅：

git clone https://github.com/gongminmin/awesome-aigc.git
# 然后用任意 Markdown 阅读器打开 README.md

核心用法

目录结构

Text to Text        → LLM 对话/代码生成（ChatGPT、Claude、GPT-4、LLaMA…）
Text to Image       → 文生图（DALL·E 2、MidJourney、Stable Diffusion…）
Text to Video       → 文生视频（Make-A-Video、Phenaki…）
Text to Mesh        → 文生 3D（DreamFusion、Magic3D、Text2Mesh…）
Text to Voice       → 语音合成（Murf…）
Text to Music       → 音乐生成（Mubert…）
Image to Text       → 图生文（BLIP-2…）
Image to Image      → 图生图（img2img…）
Image to Mesh       → 图生 3D（GET3D、nvdiffrec…）
Image to Video      → 图生视频（Make-A-Video…）
Enhancement         → AIGC 增强工具（ControlNet、GPTCache…）

TRL 速查指南

TRL 含义 适合人群
1-3 基础原理 / 概念验证 学术研究者
4-5 研究原型已验证 早期采用者
6-7 专业用户可操作原型 开发者集成
8-9 真实产品，大规模验证 生产落地

关键条目一览

Text to Text（TRL 5-9） - ChatGPT（TRL 8-9）：OpenAI 主流对话模型 - Claude（TRL 5-6）：Anthropic 安全对齐模型 - GPT-4（TRL 7-8）：多模态旗舰 - Copilot（TRL 8-9）：代码专用 - LLaMA（TRL 6-7）：Meta 开源基础模型

Text to Image（TRL 5-9） - MidJourney（TRL 8-9）：商业成熟 - Stable Diffusion（TRL 7-8）：开源主流 - DALL·E 2（TRL 7-8）：OpenAI 产品

Text to Video（TRL 4-5） - Make-A-Video（TRL 4-5）：Meta 开源方案 - Phenaki（TRL 4-5）：Google 研究

Enhancement（TRL 5-6） - ControlNet（TRL 5-6）：图像生成条件控制 - GPTCache（TRL 5-6）：LLM 响应缓存

典型适用场景

场景 推荐 TRL 推荐工具
产品选型 TRL 8-9 ChatGPT、MidJourney、Stable Diffusion
学术调研 TRL 4-6 LLaMA、DreamFusion、ControlNet
集成开发 TRL 6-7 Stable Diffusion API、GPT-4 API
前沿追踪 TRL 3-5 Make-A-Video、Phenaki、Magic3D
性能优化 TRL 5-6 GPTCache、ControlNet

坑与注意

  1. TRL 是主观评估：TRL 由仓库维护者评定，未经第三方审计。部分 TRL 5-6 的工具实际上已经非常成熟（如 ControlNet），也有 TRL 7-8 的工具存在访问限制（MidJourney 需付费订阅）。

  2. 链接可能失效：Awesome List 的常见问题是外部链接随时间失效（网站下线、API 变更），建议使用前逐一验证链接可用性。

  3. 不含中文资料：主流条目以英文为主，适合国际化视角调研；中文 AIGC 工具（如通义千问、文心一言）暂未收录，如需中文生态建议搭配其他列表使用。

  4. 贡献规范需遵守：PR 需符合 CONTRIBUTING.md 规范，TRL 标注需有合理依据，随意拉高 TRL 会被拒绝合并。

  5. 非工具合集：这个列表侧重技术/模型，不包含提示词工程、工作流框架或 SaaS 产品层面内容。想找"怎么用"而非"有哪些模型"，请参考相关 Prompt Engineering 列表。

与同类对比

列表 覆盖模态 TRL 标注 更新频率 特点
gongminmin/awesome-aigc 10+ 模态 ✅ 有 中等 结构清晰、TRL 导航
** Awesome-AGI** 全 AGI ❌ 无 较快 覆盖广、偏综述
stable-diffusion 单模态 ❌ 无 快 专项深入
luban-agi/Awesome-AIGC-Tutorials 全模态 ❌ 无 快 教程为主

gongminmin 的差异化在于 TRL 量化质量评估，对选型决策最有价值；缺点是偏向"有哪些"而非"怎么用"。

一句话推荐结论

如果你需要快速评估某个 AIGC 方向的技术成熟度来决定是否投入，这个列表的 TRL 标注是市面上最有用的导航锚点——用它定位，再配合官方文档深入，比在信息海洋里盲目搜索高效得多。

原始 commit：https://github.com/gongminmin/awesome-aigc/commits/main（SHA：需 clone 后 git rev-parse HEAD 获取）