Open Generative AI 实战指南14 个工作室、600 模型的可自托管 AI 生图与本地推理平台【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 是一个可自托管的开源 AI 图像/视频生成工作室14 个垂直工作室、600 模型覆盖 Flux、Midjourney、Kling、Sora、Veo无内容过滤、MIT 协议桌面版还支持免 key 的本地推理。这篇文章按跑起来 → 核心机制 → 本地推理 → 进阶玩法 → 边界的顺序把它拆开讲清楚。先说它瞄准的痛点商业平台按月订阅、prompt 被审核拦截、生图改图配音各用各的工具来回复制粘贴。这个项目把这三件事收进一个 monorepo——Web 版、桌面版、Docker 三种形态模型定义集中在一个文件里二次开发成本不高。三条路跑起来挑最不折腾的桌面预编译版最省事Releases 页提供 2.0.0 安装包——macOSIntel Apple Silicon 的 .dmg、Windows x64.exe、Linux.AppImage / .deb不需要 Node.js双击安装。⚠️ 但首次打开会碰到三件烦事提前知道macOS 应用未经 Apple 公证Gatekeeper 会拦终端跑一次xattr -cr /Applications/Open Generative AI.app再右键 Open 即可只需一次Windows SmartScreen 点仍要运行Ubuntu 24.04 的内核策略会挡住 AppImage 的 Chromium 沙箱导致闪退直接用.deb包它会自动配好 AppArmor 策略。还有一点很关键本地推理能力只有桌面版有Web 版永远走云端 API。源码构建贡献者路径git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI cd Open-Generative-AI npm run setup npm run dev # Next.js Web 版 → http://localhost:3000 npm run electron:dev # 桌面版Electron Vite这里有两个坑--recurse-submodules不能省Workflow 和 Agent 功能依赖两个 git 子模块缺了构建直接失败npm run setup展开是git submodule updatenpm install 构建 4 个 workspace 包studio、workflow-builder、agents、design-agent所以只跑npm install是不够的。如果你看到Couldnt find a pages directory报错基本就是没在仓库根目录执行确认当前目录同时有app/、package.json、next.config.mjs或子模块目录是空的重跑一次npm run setup即可。Docker 部署docker compose up -ddocker-compose.yml就干一件事用根目录 Dockerfile 构建生产镜像容器 3000 端口映射到宿主机 3001NODE_ENVproduction且崩溃自动重启浏览器访问http://localhost:3001。三条路都绕不开一件事云端模型是 BYOK 的。你需要一个 Muapi.ai 的 access key首次启动时粘贴只填 key 值别填 key 名称。key 存在浏览器 localStorage 里没有账号体系、不经过任何第三方服务器如果只用本地模型可以完全跳过。双模式工作室上传参考图就自动换模型集Image Studio 和 Video Studio 的设计思路是按输入定模型集而不是让你手动选模式不传图时加载文生图模型70Flux、Nano Banana 2、Seedream 5.0、Midjourney v7 等一旦上传参考图就自动切到图生图集合70。Video Studio 同理85 文生视频Kling、Sora、Veo、Seedance 2.0与 120 图生视频模型。比例、分辨率、时长这些控件会根据所选模型的能力动态变化不支持的选项直接不出现。一个值得注意的细节是多图输入Nano Banana 2 Edit 单次最多吃 14 张参考图选择器带序号复选框图片按你勾选的顺序提交而且Use Selected确认后才生效不会误触。所有上传过的参考图会进本地历史面板跨会话复用不用反复传同一批图。模型数据这块是全项目最单点的部分全部 420 个模型定义集中在 packages/studio/src/models.js 里四个数组t2iModels/i2iModels/t2vModels/i2vModels现在是约 3.5 万行的单文件是全项目唯一数据源加模型只改这一个文件。README 宣传 600自己核实的表格又写 420以文件实际内容为准。工作室组件本身在 ImageStudio.jsx 和 VideoStudio.jsx是独立 React 组件不绑死这个壳子——这也是它能被白牌化甚至转售的底层原因。本地出图不用配 keysd.cpp 与 Wan2GP 双引擎桌面版的Settings → Local Models面板里挂着两个互相独立的引擎。sd.cpp自带、一键装。点一下自动下载 stable-diffusion.cpp 的 C 引擎跑在应用同一台机器上Apple Silicon 走 MetalLinux/Windows 走 CUDA/Vulkan/ROCm。内置六款模型SD 1.5 三兄弟Dreamshaper 8、Realistic Vision v5.1、Anything v5各 2.1 GB、SDXL Base 1.06.9 GB、Z-Image Turbo/Base权重 2.5/3.5 GB 2.7 GB 共享辅助文件。M2 上 Metal 生效时实测约 1–2 秒/步。这里有个硬坑⚠️ Z-Image 建议 16 GB 内存起步8 GB 基础款 M 系列 Mac 上跑它会把整机带卡死这种机器本地只用 SD 1.5。回 Image Studio 打开模型选择器旁的 ⚡ Local 开关选模型直接生成全程无网络依赖。Wan2GP自带服务器。应用不打包 Python 和权重你在任何一台 CUDA/ROCm GPU 机器上自己跑 Wan2GP然后二选一接入指向本机的 Wan2GP 文件夹应用直接驱动它的wgp.py无头 CLI首次用某模型时权重自动下载并显示进度条或在另一台机器起 MCP server把 URL如http://192.168.1.42:7866/mcp填进设置面板点 Test。对只有 Mac 的人来说这条路等于把推理卸载给局域网里的显卡机器。可用模型包括 Wan 2.1 1.3B480p约 8 GB 显存、Wan 2.2 14B、Hunyuan Video 1.5、LTX-2 Distilled以及图像侧的 Flux.1 Dev 和 Qwen Image。注意一个常见误配Wan2GP 的 Gradio 网页端口 7860 不是 API不能填这里。引擎下载、断点续传和进度解析在 electron/lib/localInference.js远程通信在 electron/lib/wan2gpProvider.js本地模型清单在 electron/lib/modelCatalog.js。单点能力串成流水线工作流与垂直工作室顶部 Tab 一共 14 个工作室除了生图生视频比较值得看的几组Cinema Studio把摄影术语变成下拉选项6 种虚拟相机Modular 8K Digital、Grand Format 70mm Film、Classic 16mm Film 等、11 款镜头含 Swirl Bokeh Portrait、Halation Diffusion、8mm 到 85mm 六档焦距、f/1.4 / f/4 / f/11 三档光圈。这些选择不是玄学会被翻译成优化过的 prompt 修饰词随请求提交。每种镜头效果的预览图就在 public/assets/cinema/ 目录下。Lip Sync Studio有 9 个专用模型、两种输入模式肖像图 音频 → 说话视频已有视频 音频 → 对口型视频覆盖 Infinite Talk、LTX 2.3 Lipsync、LatentSync 等。Workflow Studio是把多步管道变可视化连线的地方Templates / My Workflows / Community 三个 Tab节点编辑器里把 A 模型的输出接到 B 模型的输入Playground 用表单 UI 交互式运行每条工作流同时可走 API 调用。引擎来自 git 子模块 packages/Vibe-Workflow/它本身是独立的开源工作流库UI 在 WorkflowStudio.jsx。Agent Studio走会话式路线用自然语言描述任务由代理规划并执行Design Agent Studio 是画布上的自主设计代理。剩下的 Audio、AI Clipping长视频自动切片、Vibe Motion、Recast主体/外观重演、Marketing、AI Influencer、Apps、MCP CLI 各自覆盖对应场景入口都在顶部 Tab。把生图接进自己的产品提交 轮询两步走所有云端调用都是同一个模式POST /api/v1/{模型端点}提交任务拿到request_id再GET /api/v1/predictions/{request_id}/result轮询直到completed认证走x-api-key头。本地开发时 vite.config.mjs 的代理会把/api转发到 Muapi 网关天然没有 CORS 问题const r await fetch(/api/v1/flux-dev, { method: POST, headers: { x-api-key: apiKey, content-type: application/json }, body: JSON.stringify({ prompt: a red fox in snow, 35mm film, aspect_ratio: 16:9 }) }); const { request_id } await r.json(); const out await fetch(/api/v1/predictions/${request_id}/result).then(x x.json()); // 轮询 out.status 直到 completed取 out.outputs[0].url仓库里 app/api/v1/creative-agent/ 是一个现成的 Next.js API 路由示例客户端封装逻辑可参考 src/lib/muapi.js照着改几行就能接进自己的站点。说人话的边界决策之前把这几条对照一下本地推理是桌面版独占Web/Docker 形态永远走云端 API形态选错等于白装。没有账号体系、没有多用户key 和全部生成历史存在浏览器 localStorage换设备历史不跟随团队协作需求直接排除。云端必须 BYOKMuapi.ai 的 key 自掏腰包无过滤是卖点也是意味着成本与合规都归你。Wan2GP 有硬件硬门槛推理节点必须有 CUDA/ROCm GPU且该运行时没有 Mac/MPS 路径没有显卡机器这一项就是关着的。排错日志不友好本地引擎的错误只输出到进程控制台想看日志得从终端启动应用。模型数量宣传口径不一600 vs 420以 models.js 实际内容为准。谁适合以及从哪下手适合想自托管并白牌化生成工具的开发者MIT 协议packages/studio 是独立组件库README 明确说可复用甚至转售已有产品想加一个AI 生图按钮的团队两步调用模式改动量小Mac 用户想免费试本地 SD 1.5 的对平台内容过滤有明确不满的创作者。不适合期望下载即用、零配置的用户需要多用户权限管理和云端历史同步的团队。下一步建议按这个顺序走先读 README.md 的部署与本地模型表格再看 project_knowledge.md 的代码走读想贡献代码最划算的切入点就是给 models.js 加一个模型或在 packages/studio/src/components/ 下新增一个工作室 UI部署和本地模型配置上的疑难杂症可以去项目 README 里给出的 Discord 社区问。【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