尧图网站建设 
如何用免费开源的 Open Generative AI 在本地跑起 400 个 AI 图像与视频生成模型【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 是一个免费、开源MIT 协议的 AI 图像与视频生成工作室把 Flux、Midjourney、Kling、Sora、Veo 等 400 多个主流模型装进一个可自托管的界面里。如果你不想为每个生成平台各付一份月费或者希望关掉网络、不用 API key 也能出图它解决的就是这两件事。相当于把十几个收费 AI 创作平台装成一台可自部署的开源全家桶如果你习惯在 Midjourney、Runway、Kling 官网上按月付费可以把 Open Generative AI 理解成装在自己机器上的开源版自助摄影棚文字出图、参考图编辑、图生视频、对口型、影视级镜头控制都在同一套界面里完成。和收费平台的关键差异只有两条——没有内容过滤也没有订阅账单所有代码公开可以改 UI、加模型、二次打包。按使用目标看它能干什么文字出图还能拿参考图批量改图不传图时进入文字生图模式可选 50 个模型上传一张参考图后自动切到图生图模式可用 55 个编辑模型。支持多图输入的模型如 Nano Banana 2 Edit、Flux Kontext一次最多吃 14 张参考图上传顺序会作为参数传给模型省去了反复手动合图的步骤。静态图变视频或直接文字出片视频侧同样是双模式有首帧图就走 60 个图生视频模型没有就选 40 个文生视频模型时长、宽高比按所选模型的能力动态显示。无需 API key 的离线出图桌面端内置 sd.cpp 推理引擎在你本机上跑 SD 1.5、SDXL、Z-Image 等图像模型Apple Silicon 走 MetalLinux/Windows 走 CUDA、Vulkan 或 ROCm。模型在应用内一键下载生成过程完全不出本机网络。照片加音频变成口播视频Lip Sync 提供 9 个模型、两种入口肖像图 音频直接生成说话视频或对已有视频做口型重同步适合做数字人口播、多语言配音替换。把多个模型串成一条自动流水线Workflow Studio 用节点编辑器把图像、视频、音频模型连成可复用的流程跑通后保存模板不想手动连线的也可以直接套用社区发布的现成工作流。上手路径安装、配置、第一次生成安装最省事的路径是去 Releases 下载桌面安装包macOS / Windows / Linux 都有不碰命令行。想从源码跑就三步git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI cd Open-Generative-AI npm run setupsetup会拉子模块、装依赖并构建 studio 等工作区包跳过它直接npm install是跑不起来的。配置走云端模型需要一个 Muapi.ai 的 API key首次启动时提示输入只存在本地浏览器里只想用本地模型的话直接跳过。本地引擎在 Settings → Local Models 里配置一键装 sd.cpp再下载你要的模型权重即可全部放在应用数据目录不污染系统。第一次生成打开 Image Studio输入一句提示词模型选一个云端免费的如 flux-dev点 Generate几秒到几十秒后结果出现在画布和历史列表里想零成本试错就切到 ⚡ Local 开关选本地已下载的 SD 1.5 模型再出一次。一个独立开发者的完整工作流假设你要给一款待发布的小工具做发布素材。先在 Image Studio 里用本地模型把主视觉的构图和配色试出来——本地推理不用花钱提示词改了十几次也没心疼过一分钱等方向定了换到云端高质量模型出正式版并用参考图把 Logo 风格统一到 banner 里。接着在 Video Studio 里把定稿主图作为首帧让图生视频模型生成一段产品动画最后把动画和一段口播音频丢进 Lip Sync得到带数字人解说的完整发布视频。全程没有一个步骤离开这个应用也只有在最后几步才消耗云端额度。深挖本地推理为什么拆成两套引擎桌面端把本地推理分成两个独立引擎原因写得很直接sd.cpp 随应用捆绑在你当前机器上跑适合图像类模型而 Flux.1 Dev、Qwen Image 这类大模型以及 Wan 2.2、Hunyuan 等视频模型交给 Wan2GP——它是一个你自建的 GPU 服务器Python PyTorch仅 CUDA/ROCm桌面端只发提示词、收回结果。拆开的动机在于 Wan2GP 的运行栈没有 Apple Silicon 路径一台 Mac 用户可以把重活甩给局域网里的游戏 PC或租一台带 GPU 的实例主设备继续用轻量桌面端。调度细节见 本地推理实现下载支持断点续传和自动重试模型清单集中在 packages/studio/src/models.js 一个文件里云端和本地共用这份定义。几个容易踩的坑Z-Image 权重加计算缓冲接近 7GB8GB 内存的 Mac 上会拖死系统建议上 Z-Image 前先确认有 16GB 内存小内存机器留在 SD 1.5macOS 首次打开被 Gatekeeper 拦截时执行一次xattr -cr /Applications/Open Generative AI.app即可Ubuntu 24.04 上 AppImage 可能被 AppArmor 静默拦截直接装 .deb 包它自带对应配置。Open Generative AI 的价值在于把用 AI 生成从按月订阅的开支变成一套自己可控的工具个人创作者省掉重复的平台月费小团队则让素材数据留在本机。适合已经用过至少一个收费生成平台、想比较模型效果或降低固定成本的人。如果你正在选型建议先按上文的三步把本地链路跑通再决定把哪些环节留给云端模型。【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 如何用免费开源的 Open Generative AI 在本地跑起 400+ 个 AI 图像与视频生成模型
如何用免费开源的 Open Generative AI 在本地跑起 400 个 AI 图像与视频生成模型【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 是一个免费、开源MIT 协议的 AI 图像与视频生成工作室把 Flux、Midjourney、Kling、Sora、Veo 等 400 多个主流模型装进一个可自托管的界面里。如果你不想为每个生成平台各付一份月费或者希望关掉网络、不用 API key 也能出图它解决的就是这两件事。相当于把十几个收费 AI 创作平台装成一台可自部署的开源全家桶如果你习惯在 Midjourney、Runway、Kling 官网上按月付费可以把 Open Generative AI 理解成装在自己机器上的开源版自助摄影棚文字出图、参考图编辑、图生视频、对口型、影视级镜头控制都在同一套界面里完成。和收费平台的关键差异只有两条——没有内容过滤也没有订阅账单所有代码公开可以改 UI、加模型、二次打包。按使用目标看它能干什么文字出图还能拿参考图批量改图不传图时进入文字生图模式可选 50 个模型上传一张参考图后自动切到图生图模式可用 55 个编辑模型。支持多图输入的模型如 Nano Banana 2 Edit、Flux Kontext一次最多吃 14 张参考图上传顺序会作为参数传给模型省去了反复手动合图的步骤。静态图变视频或直接文字出片视频侧同样是双模式有首帧图就走 60 个图生视频模型没有就选 40 个文生视频模型时长、宽高比按所选模型的能力动态显示。无需 API key 的离线出图桌面端内置 sd.cpp 推理引擎在你本机上跑 SD 1.5、SDXL、Z-Image 等图像模型Apple Silicon 走 MetalLinux/Windows 走 CUDA、Vulkan 或 ROCm。模型在应用内一键下载生成过程完全不出本机网络。照片加音频变成口播视频Lip Sync 提供 9 个模型、两种入口肖像图 音频直接生成说话视频或对已有视频做口型重同步适合做数字人口播、多语言配音替换。把多个模型串成一条自动流水线Workflow Studio 用节点编辑器把图像、视频、音频模型连成可复用的流程跑通后保存模板不想手动连线的也可以直接套用社区发布的现成工作流。上手路径安装、配置、第一次生成安装最省事的路径是去 Releases 下载桌面安装包macOS / Windows / Linux 都有不碰命令行。想从源码跑就三步git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI cd Open-Generative-AI npm run setupsetup会拉子模块、装依赖并构建 studio 等工作区包跳过它直接npm install是跑不起来的。配置走云端模型需要一个 Muapi.ai 的 API key首次启动时提示输入只存在本地浏览器里只想用本地模型的话直接跳过。本地引擎在 Settings → Local Models 里配置一键装 sd.cpp再下载你要的模型权重即可全部放在应用数据目录不污染系统。第一次生成打开 Image Studio输入一句提示词模型选一个云端免费的如 flux-dev点 Generate几秒到几十秒后结果出现在画布和历史列表里想零成本试错就切到 ⚡ Local 开关选本地已下载的 SD 1.5 模型再出一次。一个独立开发者的完整工作流假设你要给一款待发布的小工具做发布素材。先在 Image Studio 里用本地模型把主视觉的构图和配色试出来——本地推理不用花钱提示词改了十几次也没心疼过一分钱等方向定了换到云端高质量模型出正式版并用参考图把 Logo 风格统一到 banner 里。接着在 Video Studio 里把定稿主图作为首帧让图生视频模型生成一段产品动画最后把动画和一段口播音频丢进 Lip Sync得到带数字人解说的完整发布视频。全程没有一个步骤离开这个应用也只有在最后几步才消耗云端额度。深挖本地推理为什么拆成两套引擎桌面端把本地推理分成两个独立引擎原因写得很直接sd.cpp 随应用捆绑在你当前机器上跑适合图像类模型而 Flux.1 Dev、Qwen Image 这类大模型以及 Wan 2.2、Hunyuan 等视频模型交给 Wan2GP——它是一个你自建的 GPU 服务器Python PyTorch仅 CUDA/ROCm桌面端只发提示词、收回结果。拆开的动机在于 Wan2GP 的运行栈没有 Apple Silicon 路径一台 Mac 用户可以把重活甩给局域网里的游戏 PC或租一台带 GPU 的实例主设备继续用轻量桌面端。调度细节见 本地推理实现下载支持断点续传和自动重试模型清单集中在 packages/studio/src/models.js 一个文件里云端和本地共用这份定义。几个容易踩的坑Z-Image 权重加计算缓冲接近 7GB8GB 内存的 Mac 上会拖死系统建议上 Z-Image 前先确认有 16GB 内存小内存机器留在 SD 1.5macOS 首次打开被 Gatekeeper 拦截时执行一次xattr -cr /Applications/Open Generative AI.app即可Ubuntu 24.04 上 AppImage 可能被 AppArmor 静默拦截直接装 .deb 包它自带对应配置。Open Generative AI 的价值在于把用 AI 生成从按月订阅的开支变成一套自己可控的工具个人创作者省掉重复的平台月费小团队则让素材数据留在本机。适合已经用过至少一个收费生成平台、想比较模型效果或降低固定成本的人。如果你正在选型建议先按上文的三步把本地链路跑通再决定把哪些环节留给云端模型。【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