Тем временем Nvidia показала новую крышесносную штуку — eDiff-I: новый генеративный ИИ для синтеза текста и изображения с мгновенной передачей стилей и «рисованием словами» Похоже на GauGAN, только работает с разными объектами, а не ландшафтами. А сами объекты задаются словами. Быстрее бы выкатили исходники, руки чешутся поюзать. тут подробнее а тут статья на архиве