企业官网建设流程全解析

Open Generative AI 实战指南：本地 AI 图像与视频生成

【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

Open Generative AI 是一个可以自托管的 AI 图像与视频生成工作室：400+ 个模型定义集中在同一个文件里，配两套本地推理引擎（sd.cpp 和 Wan2GP），外加十几个入口不同的工作室界面。项目采用 MIT 许可证，没有订阅费，走本地引擎出图不需要 API key。本文按"最快路径 → 第一次出图 → 硬件成本"的顺序走一遍。

谁适合用（以及谁不需要它）

• 适合想在自己机器上对比一批图像/视频模型的人：所有模型入口都在同一套界面里，切换模型只是换下拉框，不用在多个平台之间来回注册。
• 适合需要自托管的人：MIT 许可，代码可直接阅读和二次开发，容器化部署只需要一个 docker-compose.yml。
• 不需要它：对单一平台订阅体验已经满意的人；不装桌面应用、也不碰终端的人（本地推理只在桌面版可用，网页版要配 Muapi 的 access key）；以及指望 8GB 内存跑 Z-Image 这类大模型的人（下面硬件一节会讲清楚）。

能实际完成哪些任务

• 出图：Image Studio 覆盖 70+ 文生图和 70+ 图生图模型；上传一张参考图会自动切到编辑类模型组，多参考图模型最多可喂 14 张。
• 做短视频：Video Studio 有 85+ 文生视频、120+ 图生视频模型，Seedance 2.0、Kling、Sora、Veo 都在列表里，时长和宽高比按所选模型的能力显示。
• 做嘴型同步：Lip Sync Studio 提供 9 个模型，"肖像图 + 音频"和"视频 + 音频"两种输入方式各走一条流程。
• 搭工作流：Workflow Studio 是节点式编辑器，把图像、视频、音频模型串成流水线，预置模板加上社区分享，Playground 里可以交互式跑通。
• 调电影感画面：Cinema Studio 把机身、11 种镜头、8mm–85mm 焦距、f/1.4–f/11 光圈转成提示词修饰，适合做写实镜头的静态画面。

本地第一次出图：最快路径

不用装 Node.js，直接拿桌面版：到项目 Releases 页面下载 1.0.9 的安装包（macOS Apple Silicon 是 .dmg，Windows 是 .exe，Ubuntu 是 .deb）。macOS 因为应用没有公证，首次启动前先执行一条命令解除限制：

xattr -cr "/Applications/Open Generative AI.app"

Windows 上 SmartScreen 弹窗点"仍要运行"即可；Ubuntu 24.04+ 建议装 .deb 而不是 AppImage，因为 .deb 自带 AppArmor profile，否则 Chromium 沙箱可能被系统拦掉。

界面是深色的：左侧是模型选择和参数区，右侧是生成历史。下面是不用任何 key 的第一张图。

走查：从 2GB 模型出第一张图

1. 打开Settings → Local Models，点击安装 sd.cpp 引擎（自动下载，装在应用数据目录，不动系统环境）。
2. 下载Dreamshaper 8（SD 1.5，2.1GB，是最轻的可用模型）。
3. 回到 Image Studio，在模型选择器旁边打开⚡ Local开关。
4. 选中 Dreamshaper 8，填提示词，点 Generate——这一步不经过任何 API key。

模型权重默认放在应用数据目录（macOS 是~/Library/Application Support/open-generative-ai/local-ai）。多 GB 的文件想挪到别的盘，启动前设置环境变量OPEN_GENERATIVE_AI_LOCAL_AI_DIR即可。

硬件成本账：两档配置怎么选

基础档（只出图）：近几年的 Mac 或 PC 都行。8GB 内存能跑 SD 1.5 系列（Dreamshaper 8、Realistic Vision v5.1，各 2.1GB）；Z-Image Turbo/Base 需要 16GB RAM（7.4GB 权重 + 2.4GB 计算缓冲），8GB 的 M 系列 Mac 上已知会挂系统，那种机器就留在 SD 1.5 上。

生产档（要视频或大模型）：在局域网里找一台 CUDA 或 ROCm 的 GPU 机器跑 Wan2GP 服务（Python + PyTorch），桌面端只负责界面，Settings 里填服务器 URL、点 Test 就能用——桌面端本身甚至可以是一台 Mac。这条路径解锁 Flux.1 Dev、Qwen Image、Wan 2.2、Hunyuan Video、LTX Video。

选择依据一句话：只出图选基础档；要视频或大模型，必须加一台 GPU 机器。钱方面，软件本身 MIT 免费、无订阅；云模型路线用 Muapi 的 access key 计费，本地引擎路线不花这笔钱。

进阶入口：想往下挖看哪里

模型定义全部集中在 packages/studio/src/models.js，它是云端和桌面版共用的单一数据源，加模型就改这里；本地引擎逻辑在 electron/lib/localInference.js；容器部署就是一个 docker-compose.yml（映射 3001 端口）。Metal 加速验证、AppArmor 排障这类细节在 README.md 里都有现成命令。

git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI

【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