Open Generative AI 实战指南本地 AI 图像与视频生成【免费下载链接】Open-Generative-AIUnrestricted Open-source alternative to AI video platforms — Free AI image video generation studio with 600 models (Flux, Midjourney, Kling, Sora, Veo). No content filters. Self-hosted, MIT licensed.项目地址: https://gitcode.com/GitHub_Trending/ch/Open-Generative-AIOpen Generative AI 是一个可以自托管的 AI 图像与视频生成工作室400 个模型定义集中在同一个文件里配两套本地推理引擎sd.cpp 和 Wan2GP外加十几个入口不同的工作室界面。项目采用 MIT 许可证没有订阅费走本地引擎出图不需要 API key。本文按最快路径 → 第一次出图 → 硬件成本的顺序走一遍。谁适合用以及谁不需要它适合想在自己机器上对比一批图像/视频模型的人所有模型入口都在同一套界面里切换模型只是换下拉框不用在多个平台之间来回注册。适合需要自托管的人MIT 许可代码可直接阅读和二次开发容器化部署只需要一个 docker-compose.yml。不需要它对单一平台订阅体验已经满意的人不装桌面应用、也不碰终端的人本地推理只在桌面版可用网页版要配 Muapi 的 access key以及指望 8GB 内存跑 Z-Image 这类大模型的人下面硬件一节会讲清楚。能实际完成哪些任务出图Image Studio 覆盖 70 文生图和 70 图生图模型上传一张参考图会自动切到编辑类模型组多参考图模型最多可喂 14 张。做短视频Video Studio 有 85 文生视频、120 图生视频模型Seedance 2.0、Kling、Sora、Veo 都在列表里时长和宽高比按所选模型的能力显示。做嘴型同步Lip Sync Studio 提供 9 个模型肖像图 音频和视频 音频两种输入方式各走一条流程。搭工作流Workflow Studio 是节点式编辑器把图像、视频、音频模型串成流水线预置模板加上社区分享Playground 里可以交互式跑通。调电影感画面Cinema Studio 把机身、11 种镜头、8mm–85mm 焦距、f/1.4–f/11 光圈转成提示词修饰适合做写实镜头的静态画面。本地第一次出图最快路径不用装 Node.js直接拿桌面版到项目 Releases 页面下载 1.0.9 的安装包macOS Apple Silicon 是 .dmgWindows 是 .exeUbuntu 是 .deb。macOS 因为应用没有公证首次启动前先执行一条命令解除限制xattr -cr /Applications/Open Generative AI.appWindows 上 SmartScreen 弹窗点仍要运行即可Ubuntu 24.04 建议装 .deb 而不是 AppImage因为 .deb 自带 AppArmor profile否则 Chromium 沙箱可能被系统拦掉。界面是深色的左侧是模型选择和参数区右侧是生成历史。下面是不用任何 key 的第一张图。走查从 2GB 模型出第一张图打开Settings → Local Models点击安装 sd.cpp 引擎自动下载装在应用数据目录不动系统环境。下载Dreamshaper 8SD 1.52.1GB是最轻的可用模型。回到 Image Studio在模型选择器旁边打开⚡ Local开关。选中 Dreamshaper 8填提示词点 Generate——这一步不经过任何 API key。模型权重默认放在应用数据目录macOS 是~/Library/Application Support/open-generative-ai/local-ai。多 GB 的文件想挪到别的盘启动前设置环境变量OPEN_GENERATIVE_AI_LOCAL_AI_DIR即可。硬件成本账两档配置怎么选基础档只出图近几年的 Mac 或 PC 都行。8GB 内存能跑 SD 1.5 系列Dreamshaper 8、Realistic Vision v5.1各 2.1GBZ-Image Turbo/Base 需要 16GB RAM7.4GB 权重 2.4GB 计算缓冲8GB 的 M 系列 Mac 上已知会挂系统那种机器就留在 SD 1.5 上。生产档要视频或大模型在局域网里找一台 CUDA 或 ROCm 的 GPU 机器跑 Wan2GP 服务Python PyTorch桌面端只负责界面Settings 里填服务器 URL、点 Test 就能用——桌面端本身甚至可以是一台 Mac。这条路径解锁 Flux.1 Dev、Qwen Image、Wan 2.2、Hunyuan Video、LTX Video。选择依据一句话只出图选基础档要视频或大模型必须加一台 GPU 机器。钱方面软件本身 MIT 免费、无订阅云模型路线用 Muapi 的 access key 计费本地引擎路线不花这笔钱。进阶入口想往下挖看哪里模型定义全部集中在 packages/studio/src/models.js它是云端和桌面版共用的单一数据源加模型就改这里本地引擎逻辑在 electron/lib/localInference.js容器部署就是一个 docker-compose.yml映射 3001 端口。Metal 加速验证、AppArmor 排障这类细节在 README.md 里都有现成命令。git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI【免费下载链接】Open-Generative-AIUnrestricted Open-source alternative to AI video platforms — Free AI image video generation studio with 600 models (Flux, Midjourney, Kling, Sora, Veo). No content filters. Self-hosted, MIT licensed.项目地址: https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Open Generative AI 实战指南：本地 AI 图像与视频生成
Open Generative AI 实战指南本地 AI 图像与视频生成【免费下载链接】Open-Generative-AIUnrestricted Open-source alternative to AI video platforms — Free AI image video generation studio with 600 models (Flux, Midjourney, Kling, Sora, Veo). No content filters. Self-hosted, MIT licensed.项目地址: https://gitcode.com/GitHub_Trending/ch/Open-Generative-AIOpen Generative AI 是一个可以自托管的 AI 图像与视频生成工作室400 个模型定义集中在同一个文件里配两套本地推理引擎sd.cpp 和 Wan2GP外加十几个入口不同的工作室界面。项目采用 MIT 许可证没有订阅费走本地引擎出图不需要 API key。本文按最快路径 → 第一次出图 → 硬件成本的顺序走一遍。谁适合用以及谁不需要它适合想在自己机器上对比一批图像/视频模型的人所有模型入口都在同一套界面里切换模型只是换下拉框不用在多个平台之间来回注册。适合需要自托管的人MIT 许可代码可直接阅读和二次开发容器化部署只需要一个 docker-compose.yml。不需要它对单一平台订阅体验已经满意的人不装桌面应用、也不碰终端的人本地推理只在桌面版可用网页版要配 Muapi 的 access key以及指望 8GB 内存跑 Z-Image 这类大模型的人下面硬件一节会讲清楚。能实际完成哪些任务出图Image Studio 覆盖 70 文生图和 70 图生图模型上传一张参考图会自动切到编辑类模型组多参考图模型最多可喂 14 张。做短视频Video Studio 有 85 文生视频、120 图生视频模型Seedance 2.0、Kling、Sora、Veo 都在列表里时长和宽高比按所选模型的能力显示。做嘴型同步Lip Sync Studio 提供 9 个模型肖像图 音频和视频 音频两种输入方式各走一条流程。搭工作流Workflow Studio 是节点式编辑器把图像、视频、音频模型串成流水线预置模板加上社区分享Playground 里可以交互式跑通。调电影感画面Cinema Studio 把机身、11 种镜头、8mm–85mm 焦距、f/1.4–f/11 光圈转成提示词修饰适合做写实镜头的静态画面。本地第一次出图最快路径不用装 Node.js直接拿桌面版到项目 Releases 页面下载 1.0.9 的安装包macOS Apple Silicon 是 .dmgWindows 是 .exeUbuntu 是 .deb。macOS 因为应用没有公证首次启动前先执行一条命令解除限制xattr -cr /Applications/Open Generative AI.appWindows 上 SmartScreen 弹窗点仍要运行即可Ubuntu 24.04 建议装 .deb 而不是 AppImage因为 .deb 自带 AppArmor profile否则 Chromium 沙箱可能被系统拦掉。界面是深色的左侧是模型选择和参数区右侧是生成历史。下面是不用任何 key 的第一张图。走查从 2GB 模型出第一张图打开Settings → Local Models点击安装 sd.cpp 引擎自动下载装在应用数据目录不动系统环境。下载Dreamshaper 8SD 1.52.1GB是最轻的可用模型。回到 Image Studio在模型选择器旁边打开⚡ Local开关。选中 Dreamshaper 8填提示词点 Generate——这一步不经过任何 API key。模型权重默认放在应用数据目录macOS 是~/Library/Application Support/open-generative-ai/local-ai。多 GB 的文件想挪到别的盘启动前设置环境变量OPEN_GENERATIVE_AI_LOCAL_AI_DIR即可。硬件成本账两档配置怎么选基础档只出图近几年的 Mac 或 PC 都行。8GB 内存能跑 SD 1.5 系列Dreamshaper 8、Realistic Vision v5.1各 2.1GBZ-Image Turbo/Base 需要 16GB RAM7.4GB 权重 2.4GB 计算缓冲8GB 的 M 系列 Mac 上已知会挂系统那种机器就留在 SD 1.5 上。生产档要视频或大模型在局域网里找一台 CUDA 或 ROCm 的 GPU 机器跑 Wan2GP 服务Python PyTorch桌面端只负责界面Settings 里填服务器 URL、点 Test 就能用——桌面端本身甚至可以是一台 Mac。这条路径解锁 Flux.1 Dev、Qwen Image、Wan 2.2、Hunyuan Video、LTX Video。选择依据一句话只出图选基础档要视频或大模型必须加一台 GPU 机器。钱方面软件本身 MIT 免费、无订阅云模型路线用 Muapi 的 access key 计费本地引擎路线不花这笔钱。进阶入口想往下挖看哪里模型定义全部集中在 packages/studio/src/models.js它是云端和桌面版共用的单一数据源加模型就改这里本地引擎逻辑在 electron/lib/localInference.js容器部署就是一个 docker-compose.yml映射 3001 端口。Metal 加速验证、AppArmor 排障这类细节在 README.md 里都有现成命令。git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI【免费下载链接】Open-Generative-AIUnrestricted Open-source alternative to AI video platforms — Free AI image video generation studio with 600 models (Flux, Midjourney, Kling, Sora, Veo). No content filters. Self-hosted, MIT licensed.项目地址: https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考