Open Generative AI 免费自托管指南一个本地工具接入 400 图像与视频模型【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写提示词时最让人上火的往往不是模型不够强而是被平台卡住提交后排队半小时、生成的图被内容过滤直接拦下或者想换个模型又得换一家订阅。Open Generative AI 就是冲着这几个痛点来的——它是一个 MIT 协议、可自托管的开源 AI 图像与视频生成工作室把 400 图像、视频、口型同步模型塞进同一个界面不内置内容过滤也不用你为每个模型单独付费。Image Studio 的文本到图生成入口Nano Banana 系列模型可直接出图它到底是什么为什么值得先看一眼一句话定位Open Generative AI 是一个免费、开源、无内容过滤的 AI 图像与视频生成工作室把主流生成模型收进一个可自托管的工具里。几个关键数字都来自仓库本身模型数量models.js 里实际登记 400 模型覆盖文本到图、图到图、文本到视频、图到视频、视频到视频、口型同步、换体和音频共 8 大类。工作室数量14 个独立 Studio从图像、视频到工作流和 Agent 各占一栏。许可证MIT可商用、可二次开发。多参考图兼容模型单次最多吃 14 张参考图这在同类工具里比较少见。它和普通在线生成站最大的区别模型列表、界面、API 客户端都是开源的你可以把它部署在自己机器上数据不出域。按一天使用流程拆四个核心能力选模型一个界面覆盖全部方向所有模型集中在单一数据源 models.js云端和本地读的是同一份定义。你切到 Image Studio它会根据你是否上传了参考图自动在文本到图72 个和图到图75 个两套模型之间切换切到 Video Studio 同理文本到视频90 个和图到视频132 个自动切换。你不用记每个模型的入口界面按输入类型帮你选好了模型集合。生成图像和视频双模式项目主打无内容过滤的图像与视频生成图像侧支持 Flux、Nano Banana、Seedream、Midjourney、GPT-4o 等视频侧覆盖 Kling、Sora、Veo、Wan、Seedance 2.0、Hailuo、Runway 等。每个模型能用的比例、时长、分辨率、质量档都会按模型能力动态显示你不用去猜参数。生成结果会存进历史记录可一键下载原图或原视频。本地推理加速两个引擎按需选这是桌面版独有的能力也是数据不出域的关键。它内置两个互不依赖的本地引擎都在 设置 → Local Models 里配置sd.cpp打包内置跑在本机Apple Silicon 走 Metal GPULinux/Windows 走 CUDA/Vulkan/ROCm支持 SD 1.5、SDXL、Z-Image 等图像模型无需 API key。Wan2GP自带服务器你在另一台有 CUDA/ROCm GPU 的机器上起服务桌面端只发提示词、收结果适合跑 Flux.1 Dev、Qwen Image 和 Wan 2.2、Hunyuan、LTX 等视频与大图像模型。Mac 用户可以用它把推理甩到局域网里的 Windows/Linux GPU 机器上。Cinema Studio 的光圈与焦距参数会自动转成提示词修饰Cinema Studio 则把虚拟摄影机参数化镜头类型、焦距8mm 超广角到 85mm 人像、光圈f/1.4 浅景深到 f/11 深焦都会自动转成优化过的提示词修饰省得你手写长提示。工作流编排把多个模型串成流水线Workflow Studio 提供模板库、社区模板、节点式拖拽编辑器和交互式 Playground还能把每个工作流通过 API 调用。Agent Studio 是一个多轮对话式 Agent按你的描述规划并执行生成任务。做批量、重复性内容时编排比单张生成省事得多。一张表看清它能覆盖什么能力覆盖范围典型场景文本到图 / 图到图72 75 个模型最多 14 张参考图角色设计、参考图风格转换文本到视频 / 图到视频90 132 个模型动态内容、静图动画化视频到视频 / 口型同步36 15 个模型视频特效、肖像驱动说话视频本地推理sd.cpp内置 Wan2GP远端 GPU数据不出域、免 API key工作流 / Agent节点式编排 对话式 Agent批量流水线、自动化生成上手路径桌面版一键安装与源码自部署路线一桌面版一键安装推荐新手去 Releases 下载对应平台的安装包macOS Apple Silicon / Intel、Windows x64、Linux AppImage 或 .deb装上就能用不需要 Node.js。macOS因为没做苹果公证首次打开会被 Gatekeeper 拦按 README 的说明在终端跑一次放行即可之后正常打开。WindowsSmartScreen 弹窗点更多信息 → 仍要运行。Linux优先用.deb自带 AppArmor profile避开 Ubuntu 24.04 的用户命名空间沙箱问题。路线二源码或容器自部署从源码跑最短可运行版本git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI cd Open-Generative-AI npm run setup npm run electron:dev # 桌面版Electron Vite # 或 npm run dev # Web 版Next.js起在 localhost:3000npm run setup会拉子模块、装依赖并构建 studio / workflow / agents 工作区这一步不能省只npm install是不够的。用容器则直接docker compose up -d --build # 见 docker-compose.yml起在 3001 端口Web 版首次使用会让你填 Muapi API key如果你只用本地模型可以跳过 key。避坑与调优先判断再动手先判断内存再下模型。sd.cpp 跑 Z-Image 需要 16GB RAM8GB 的 M 系 Mac 上 Z-Image 已知会卡死整机那台机器请改用 SD 1.5。先判断有没有 GPU 再决定本地推理。sd.cpp 无 GPU 也能跑但慢Wan2GP 需要独立的一台 CUDA/ROCm GPU 机器桌面端本身可以没显卡。先判断用哪条引擎。图像模型SD 1.5/SDXL/Z-Image走内置 sd.cppFlux、Qwen、视频大模型走 Wan2GP。别在 Mac 上指望本地跑视频甩到局域网 GPU 机才是正解。参考图只传一次。上传过的图会存进本地历史跨会话可直接复用别重复上传。想改模型目录位置用环境变量OPEN_GENERATIVE_AI_LOCAL_AI_DIR指向另一个盘避免多 GB 权重塞满系统盘。适合谁与不适合谁适合想要无内容过滤、可自托管、数据不出域又希望在一个界面里同时用图像、视频、口型、工作流模型的个人创作者和小团队以及愿意自己维护一台 GPU 机器做本地推理的开发者。不适合只想零配置、纯云端出图、不想碰终端和硬件的纯小白——那种场景用它的在线托管版更合适需要官方 SLA 和合规审计的企业级生产开源自托管仍需自己兜底。接下来可以做的三件事按你的硬件跑通一条路径Mac 用户从桌面版 sd.cpp 的 SD 1.5 起步有独立 GPU 的机器再配 Wan2GP。在 Image / Video Studio 各生成一次确认 API key 或本地引擎至少有一条链路是通的。用 Workflow Studio 搭一个两步以上的流水线把生成 → 后处理串起来体验编排带来的效率。【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 免费自托管指南：一个本地工具接入 400+ 图像与视频模型
Open Generative AI 免费自托管指南一个本地工具接入 400 图像与视频模型【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写提示词时最让人上火的往往不是模型不够强而是被平台卡住提交后排队半小时、生成的图被内容过滤直接拦下或者想换个模型又得换一家订阅。Open Generative AI 就是冲着这几个痛点来的——它是一个 MIT 协议、可自托管的开源 AI 图像与视频生成工作室把 400 图像、视频、口型同步模型塞进同一个界面不内置内容过滤也不用你为每个模型单独付费。Image Studio 的文本到图生成入口Nano Banana 系列模型可直接出图它到底是什么为什么值得先看一眼一句话定位Open Generative AI 是一个免费、开源、无内容过滤的 AI 图像与视频生成工作室把主流生成模型收进一个可自托管的工具里。几个关键数字都来自仓库本身模型数量models.js 里实际登记 400 模型覆盖文本到图、图到图、文本到视频、图到视频、视频到视频、口型同步、换体和音频共 8 大类。工作室数量14 个独立 Studio从图像、视频到工作流和 Agent 各占一栏。许可证MIT可商用、可二次开发。多参考图兼容模型单次最多吃 14 张参考图这在同类工具里比较少见。它和普通在线生成站最大的区别模型列表、界面、API 客户端都是开源的你可以把它部署在自己机器上数据不出域。按一天使用流程拆四个核心能力选模型一个界面覆盖全部方向所有模型集中在单一数据源 models.js云端和本地读的是同一份定义。你切到 Image Studio它会根据你是否上传了参考图自动在文本到图72 个和图到图75 个两套模型之间切换切到 Video Studio 同理文本到视频90 个和图到视频132 个自动切换。你不用记每个模型的入口界面按输入类型帮你选好了模型集合。生成图像和视频双模式项目主打无内容过滤的图像与视频生成图像侧支持 Flux、Nano Banana、Seedream、Midjourney、GPT-4o 等视频侧覆盖 Kling、Sora、Veo、Wan、Seedance 2.0、Hailuo、Runway 等。每个模型能用的比例、时长、分辨率、质量档都会按模型能力动态显示你不用去猜参数。生成结果会存进历史记录可一键下载原图或原视频。本地推理加速两个引擎按需选这是桌面版独有的能力也是数据不出域的关键。它内置两个互不依赖的本地引擎都在 设置 → Local Models 里配置sd.cpp打包内置跑在本机Apple Silicon 走 Metal GPULinux/Windows 走 CUDA/Vulkan/ROCm支持 SD 1.5、SDXL、Z-Image 等图像模型无需 API key。Wan2GP自带服务器你在另一台有 CUDA/ROCm GPU 的机器上起服务桌面端只发提示词、收结果适合跑 Flux.1 Dev、Qwen Image 和 Wan 2.2、Hunyuan、LTX 等视频与大图像模型。Mac 用户可以用它把推理甩到局域网里的 Windows/Linux GPU 机器上。Cinema Studio 的光圈与焦距参数会自动转成提示词修饰Cinema Studio 则把虚拟摄影机参数化镜头类型、焦距8mm 超广角到 85mm 人像、光圈f/1.4 浅景深到 f/11 深焦都会自动转成优化过的提示词修饰省得你手写长提示。工作流编排把多个模型串成流水线Workflow Studio 提供模板库、社区模板、节点式拖拽编辑器和交互式 Playground还能把每个工作流通过 API 调用。Agent Studio 是一个多轮对话式 Agent按你的描述规划并执行生成任务。做批量、重复性内容时编排比单张生成省事得多。一张表看清它能覆盖什么能力覆盖范围典型场景文本到图 / 图到图72 75 个模型最多 14 张参考图角色设计、参考图风格转换文本到视频 / 图到视频90 132 个模型动态内容、静图动画化视频到视频 / 口型同步36 15 个模型视频特效、肖像驱动说话视频本地推理sd.cpp内置 Wan2GP远端 GPU数据不出域、免 API key工作流 / Agent节点式编排 对话式 Agent批量流水线、自动化生成上手路径桌面版一键安装与源码自部署路线一桌面版一键安装推荐新手去 Releases 下载对应平台的安装包macOS Apple Silicon / Intel、Windows x64、Linux AppImage 或 .deb装上就能用不需要 Node.js。macOS因为没做苹果公证首次打开会被 Gatekeeper 拦按 README 的说明在终端跑一次放行即可之后正常打开。WindowsSmartScreen 弹窗点更多信息 → 仍要运行。Linux优先用.deb自带 AppArmor profile避开 Ubuntu 24.04 的用户命名空间沙箱问题。路线二源码或容器自部署从源码跑最短可运行版本git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI cd Open-Generative-AI npm run setup npm run electron:dev # 桌面版Electron Vite # 或 npm run dev # Web 版Next.js起在 localhost:3000npm run setup会拉子模块、装依赖并构建 studio / workflow / agents 工作区这一步不能省只npm install是不够的。用容器则直接docker compose up -d --build # 见 docker-compose.yml起在 3001 端口Web 版首次使用会让你填 Muapi API key如果你只用本地模型可以跳过 key。避坑与调优先判断再动手先判断内存再下模型。sd.cpp 跑 Z-Image 需要 16GB RAM8GB 的 M 系 Mac 上 Z-Image 已知会卡死整机那台机器请改用 SD 1.5。先判断有没有 GPU 再决定本地推理。sd.cpp 无 GPU 也能跑但慢Wan2GP 需要独立的一台 CUDA/ROCm GPU 机器桌面端本身可以没显卡。先判断用哪条引擎。图像模型SD 1.5/SDXL/Z-Image走内置 sd.cppFlux、Qwen、视频大模型走 Wan2GP。别在 Mac 上指望本地跑视频甩到局域网 GPU 机才是正解。参考图只传一次。上传过的图会存进本地历史跨会话可直接复用别重复上传。想改模型目录位置用环境变量OPEN_GENERATIVE_AI_LOCAL_AI_DIR指向另一个盘避免多 GB 权重塞满系统盘。适合谁与不适合谁适合想要无内容过滤、可自托管、数据不出域又希望在一个界面里同时用图像、视频、口型、工作流模型的个人创作者和小团队以及愿意自己维护一台 GPU 机器做本地推理的开发者。不适合只想零配置、纯云端出图、不想碰终端和硬件的纯小白——那种场景用它的在线托管版更合适需要官方 SLA 和合规审计的企业级生产开源自托管仍需自己兜底。接下来可以做的三件事按你的硬件跑通一条路径Mac 用户从桌面版 sd.cpp 的 SD 1.5 起步有独立 GPU 的机器再配 Wan2GP。在 Image / Video Studio 各生成一次确认 API key 或本地引擎至少有一条链路是通的。用 Workflow Studio 搭一个两步以上的流水线把生成 → 后处理串起来体验编排带来的效率。【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