生成式模型是一類在機器學習和人工智能領域廣泛應用的模型，它們能夠根據提供的輸入或條件生成相應的輸出。這些模型可以大致分爲以下幾類：
概率圖模型。包括貝葉斯網絡、馬爾可夫隨機字段和隱變量模型等，這些模型通過概率論來捕捉數據之間的依賴關係。
經典生成式模型。如主成分分析（PCA）、因子分析、變分自動編碼器（VAEs）和密度估計模型等，這些模型適用於不同類型的數據生成任務。
深度學習生成式模型。如PixelCNN、正態化流、自迴歸模型、隱式生成模型（例如生成對抗網絡，GANs）、顯式生成模型（如流模型和自迴歸模型）、PixelRNN和WaveNet等，這些模型利用神經網絡技術進行數據生成。
特定領域的生成式模型。例如用於文本生成的Transformer模型，用於圖像生成的StyleGAN，以及用於3D圖像生成的NerFs等。
這些模型在自然語言處理、圖像處理、音頻合成等多箇領域都有廣泛應用。