Open Generative AI 开源入门教程：600+ 模型 5 分钟做出 AI 绘画与视频-平芜编程栈

Open Generative AI 开源入门教程：600+ 模型 5 分钟做出 AI 绘画与视频

【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

这篇文章介绍 Open Generative AI——一个开源的 AI 图像与视频生成工作室，把 Flux、Midjourney、Kling、Sora、Veo 等 600+ 主流模型接进同一个界面，没有内容过滤，不收订阅费，可以完全自托管。读完后，你能画出第一张 AI 绘画、让一张照片动起来、让肖像开口说话，并把同样的能力接进自己的应用。

🖼️ 文生图：写出真正出效果的提示词

图像工作室走"双轨"逻辑：默认是文生图模型，你一旦上传一张参考图，它就自动切换到图生图模型，不用手动切换模式。

写提示词时，把主体说全比堆形容词重要："一只在阳光里睡觉的橘色虎斑猫，毛发有光泽"比"一只猫"好用得多；风格直接点名（油画、水墨、赛博朋克）；光线、拍摄角度、材质这类细节值得单独一句。不想要的东西写进负面提示。第一次生成的结果不满意很正常，对照差距一次只改一处，迭代几轮通常会明显收敛。

新手选模型速查表

想做什么	推荐模型	备注
纯文字画图	Flux、Nano Banana 2	输出稳定，适合起步
改已有图片	Nano Banana 2 Edit、Flux Kontext	风格迁移、局部重绘
文字生成视频	Kling、Seedance 2.0	支持 5/10/15 秒时长
让肖像说话	Infinite Talk、LTX Lipsync	配合上传的音频

部分编辑类模型还支持多图输入，一次最多带 14 张参考图，上传面板带顺序编号，按你勾选的次序发给模型。实现细节可以看图像工作室源码。

🎬 文生视频与 AI 口型同步

视频工作室和图像是同一套双轨：不传图走文生视频（40+ 模型），上传首帧走图生视频（60+ 模型）。时长、画幅（16:9、9:16 等）和质量档位都在同一块区域调整。

口型同步的两种模式与 9 个模型

Lip Sync 分两种输入模式：

肖像图 + 音频：最常用，模型让图里的人开口并对上音轨，输出 480p 到 1080p；
现有视频 + 音频：修正已有视频里的人物口型。

操作流程是固定的：选模式 → 传图或传视频 → 传音频 → 可选写一句期望的动作描述 → 点生成。任务历史单独保存，刷新页面后未完成的任务会自动续上。

🎥 电影工作室：把虚拟相机调出胶片感

想要"电影感"画面，用 Cinema Studio。它提供一台虚拟相机，把你的选择自动翻译成提示词修饰语，不用自己手抄相机参数。

四个相机参数要知道

机身：从 16mm 复古胶片到 8K 数字，共 6 种，决定画面"底子"；
镜头：变形宽银幕、复古定焦、旋焦人像等 11 种；
焦距：8mm 超广角到 85mm 人像，控制取景范围；
光圈：f/1.4 浅景深、f/4 均衡、f/11 前后都实。

对应实现在 src/components/CinemaStudio.js。

💻 Open Generative AI 的三种安装方式

方式	需要什么	适合谁
在线版	一个浏览器	快速体验，零安装
桌面应用	DMG / EXE / DEB 安装包	日常使用、本地推理
源码构建	Node.js 18+	改功能、提代码

在线版打开即用，模型版本始终最新；桌面应用一键安装，还额外支持下面说的本地推理。走源码路线时，克隆命令必须带--recurse-submodules——工作流与 agent 两个子包放在子模块里，漏了的话启动会报"找不到 pages 目录"。

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；npm run dev 启动网页版，地址 :3000

首次使用会要求填 API key；只打算跑本地模型的话可以跳过。

⚡ 桌面本地推理：用自己的显卡生成

桌面应用打开设置 → Local Models，会看到两个可选引擎：

sd.cpp：引擎随应用附带、一键下载，能跑 SD 1.5、SDXL、Z-Image 系列；Apple Silicon 走 Metal 加速，无需 API key，在图像工作室模型选择器旁打开"Local"开关即可用；
Wan2GP：你自己跑一个服务端（Python + PyTorch，NVIDIA/AMD 显卡），应用只连它的 URL，可以跑 Flux、Qwen-Image、Wan 2.2、Hunyuan 这类大模型。

内存方面注意：Z-Image 系列建议 16GB 内存，8GB 的 Mac 用轻量 SD 1.5 更稳。模型权重默认放在应用数据目录（macOS 是~/Library/Application Support/open-generative-ai/local-ai），可通过环境变量挪到别的磁盘，设置面板会显示解析后的目录。

🛟 常见启动与生成问题排查

启动被拦怎么办

macOS Gatekeeper 拦截：在终端执行一次xattr -cr "/Applications/Open Generative AI.app"，或对应用图标右键选择"打开"，只需做一次；
Windows SmartScreen 警告：点"更多信息"→"仍要运行"；
Linux 下 AppImage 起不来：先给它执行权限；还报错就补装 libfuse2 依赖；Ubuntu 24.04 及更新版本建议直接装 .deb，它自带 AppArmor 配置，能避开内核沙箱限制。