企业官网建设流程全解析

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 GPU，Linux/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

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。
• Windows：SmartScreen 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:3000

npm 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 RAM；8GB 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.cpp；Flux、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

1. 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。
2. 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。
3. 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