Очень неплохие результаты показывает опенсорсная модель https://huggingface.co/Tongyi-MAI/Z-Image

Z-Image — это базовая модель семейства ⚡️-Image, разработанная для обеспечения высокого качества, широкого разнообразия генеративных возможностей, разнообразия стилей и точного соответствия требованиям. В то время как Z-Image-Turbo создан для скорости, Z-Image — это полнофункциональный, неискаженный трансформер, призванный стать основой для создателей, исследователей и разработчиков, которым требуется высочайший уровень творческой свободы.