Open Generative AI：本地自托管 400+ 图像视频生成模型-平芜编程栈

Open Generative AI：本地自托管 400+ 图像视频生成模型

【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-AI

做 AI 素材的团队大多被同一个问题卡住：图走一个平台、视频走一个平台、口型同步再找一个平台，各自订阅、各自排队，提示词还不能跨平台复用。更隐蔽的成本是内容过滤——同一个角色设定，换个措辞才被放行，重做的时间比生成本身还长。

它是什么：一个自托管的 AI 图像视频工作台

Open Generative AI 是一个可自托管的工作台，把 400 多个图像、视频、音频模型（Flux、Midjourney、Kling、Sora、Veo 等）收进同一套界面，MIT 协议。它不是一个又一个模型 API 的目录，而是直接给你 10 个能用的工作室。

三个点让它和平台订阅制拉开差距：无订阅门槛，云端模型走 MuAPI 网关、本地推理完全免费；无内容过滤，提示词不会被拦截或改写；模型可插拔，全部参数定义集中在 packages/studio/src/models.js，加模型不用动 UI。

十个工作室一次装齐：图像、视频、口型、工作流

工作室	干什么
Image Studio	50+ 文生图、70+ 图生图，自动按是否提供参考图切换模型集
Video Studio	40+ 文生视频、120+ 图生视频（Kling、Sora、Veo、Seedance 2.0 等）
Lip Sync Studio	肖像图 + 音频，或视频 + 音频，9 个口型模型
Cinema Studio	按机身、镜头、焦段、光圈生成电影感画面
Audio Studio	文生音乐、remix 与音频编辑
Vibe Motion / AI Clipping	风格化动态生成；长视频自动剪辑高光
Recast Studio	图像或视频里替换主体外观
Marketing Studio	一个输入出多组广告素材变体
Workflow Studio	节点式编辑器串多步流水线，带社区模板库
Agent / Design Agent / AI Influencer	对话式任务规划、画布式自主设计、人设内容一致

五分钟上手：从克隆到出第一张图

装 Node.js 18+，克隆仓库（--recurse-submodules必带，workflow 和 agent 包都在子模块里）
npm run setup——它替你装依赖并构建 4 个 workspace 包，只跑npm install会缺东西
起服务：Web 版npm run dev（Next.js，访问 localhost:3000），桌面版npm run electron:dev
首次使用让你填 MuAPI key；只想用本地推理就直接跳过
进 Image Studio 输提示词生成；或到 Settings → Local Models 装本地引擎，之后生成不再需要 key

git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI cd Open-Generative-AI npm run setup npm run dev # 或 npm run electron:dev

不想折腾构建，也可以直接下官方预编译的桌面安装包（macOS/Windows/Linux 都有），或按 docker-compose.yml 一条docker compose up起在 3001 端口。

核心功能拆解：本地双引擎、14 图融合、虚拟摄影机

本地推理：sd.cpp 离线出图，8GB 机器也能跑

解决"没有网也不想让提示词出内网"的问题。桌面应用内置 electron/lib/localInference.js 调度的 sd.cpp 引擎，支持 Apple Silicon 的 Metal 和 Linux/Windows 的 CUDA、Vulkan、ROCm。用法是 Settings → Local Models 一键装引擎、下模型，回 Image Studio 打开模型选择框旁的本地开关，全程无 API key。

具体数字：SD 1.5 系模型（Dreamshaper 8、Realistic Vision v5.1）约 2.1GB，8GB 内存的 M 系 Mac 能跑，官方实测 Metal 生效时 1~2 秒一步；Z-Image Turbo 要 5.2GB 权重，建议 16GB 起步，8GB 机器上会卡死系统。实际体验上，如果出图慢到约 10 秒一步，多半是回退到了 CPU 而不是配置问题。

多参考图融合：一次喂 14 张图锁住角色一致性

解决"单张参考图锁不住角色 + 服装 + 道具"的问题。Nano Banana 2 Edit、Flux Kontext Dev 这类编辑模型最多接收 14 张参考图：多选面板里每张带序号标签，支持批量上传，按你点选顺序送进模型。实际体验是改设定不用重描述——把角色设定图、服装参考、色板图一次选进去，生成时按顺序生效。

Cinema Studio：把摄影机参数变成提示词

解决"AI 出图没有镜头语言"的问题。6 种机身（含 70mm 胶片、16mm 胶片）、11 种镜头、6 档焦段（8mm 到 85mm）、3 档光圈（f/1.4 到 f/11），选好后自动拼成优化过的提示词修饰，不碰 prompt 工程。

实际体验是同一组片子里景深和虚化终于一致了——以前全靠提示词里"cinematic"这种词碰运气，现在直接锁 f/4 + 50mm。

实战演练：30 张立绘加 6 段过场动画的一天

背景：小团队做手游首发素材，要 30 张角色立绘加 6 段过场动画，要求光影统一，但外包一轮报价超出预算，自己用商业平台又要分头订阅。

做法分四步。先用 Image Studio 出 3 张风格基准图；再开多参考图，把角色设定图、服装参考、色板图一起选进请求，批量生成 30 张立绘，角色和服装不用重新描述。过场部分固定 Cinema Studio 的机身、镜头、光圈，只换主体描述出静帧，光学风格自然一致；静帧送进 Video Studio 的图生视频模型转成 5 秒动画。最后把"参考图融合 → 静帧 → 动画"整条串进 Workflow Studio，下次只换角色参数重跑。

结果：36 件素材当天过完，立绘之间、立绘与过场之间的风格靠 Cinema 参数和多参考图兜底，没有再出现"同一角色两张图像两个人"的情况。

选型参考：什么人选它，什么人别选

适合：想把生成链路自托管、提示词和数据不过第三方平台的团队；有 GPU 想用 sd.cpp 离线出图、把推理成本压到自己电费上的；需要多模型串流水线、反复调参做 A/B 的。
不适合：想开箱即用到商业 SaaS 那种完整度的——自托管版仍是工作流，部分能力（比如 Wan2GP 视频模型在 Video Studio 的完整接入）还在路线图上；没有可用 GPU 也不想学模型配置的，订阅现成平台更省事。
和同类比：ComfyUI 偏节点流、面向专业流程、上手门槛高；Open Generative AI 是成品应用形态，10 个工作室开箱即用，代价是细粒度控制不如前者。
成本账：云端模型走 MuAPI，需要 key；纯本地推理零 key、离线可用。自托管就是 docker-compose.yml 一个服务，端口映射 3001。