Open Generative AI 快速上手：免费自建 400+ 模型的 AI 图像与视频生成工作室-二趣网

Open Generative AI 快速上手：免费自建 400+ 模型的 AI 图像与视频生成工作室

【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 是一个免费、开源（MIT 协议）的开源 AI 图像生成与 AI 视频生成工作室，聚合 400 多个 Flux、Midjourney、Kling、Sora、Veo 等模型，没有内容过滤，也支持完全自托管。它为想"把 AI 生图生视频搬到自己手里"的用户提供两条路径：Electron 桌面版安装包和可直接部署的 Next.js Web 版。最大特点是产品层面不做提示词拦截，模型网关基于 Muapi.ai，你只需用自己的 API Key 驱动，纯本地模型路线甚至可以不配 Key。

它解决什么问题

商业 AI 平台几乎都靠订阅收费、内置护栏，提示词被拦截或改写时你只能干瞪眼，数据则存在别人的服务器上。Open Generative AI 用三件事反着来：不做内容过滤、不拦截提示词、没有订阅费。代码是 MIT 协议的，你可以把它整套部署在自己的机器上，数据不出内网；不想自托管也可以直接用官方托管版。费用上你只需自备 Muapi.ai 的 API Key，如果只跑桌面端内置的本地模型，连 Key 都不用配。

三种方式把 Studio 跑起来

方式一：桌面安装包（最省事，免 Node.js）。从仓库 Releases 下载对应系统的安装包直接安装，适合只想看效果的普通用户。安装后第一次启动可能遇到系统拦截，处理办法见后面"踩坑速查"。

方式二：源码运行（贡献者路线）。必须装 Node.js 18+。两个易错点务必注意：git clone必须带--recurse-submodules（workflow 和 agent 功能依赖子模块包），装完依赖后必须执行npm run setup——它会在npm install之外额外构建packages/studio等 workspace 子包，只跑 install 应用是起不来的。

git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI.git cd Open-Generative-AI npm run setup npm run electron:dev # 或 npm run dev 启动 Web 版，访问 http://localhost:3000

方式三：Docker 一键部署（服务器自托管）。仓库自带 docker-compose.yml，把宿主 3001 端口映射到容器内 Next.js 的 3000 端口，production 模式运行并自动重启：

docker compose up -d

能做什么

应用内含 16 个工作区（Tab），在 components/StandaloneShell.js 的TABS数组中定义，归入 Images / Video / Audio / Agents & Automation 四大分类。按场景说：

图片：Image Studio 支持文生图（50+ 模型）与图生图（55+ 模型）双模式，上传参考图会自动切换到 i2i 模型集合，无需手动选模式。选中支持多图参考的模型时，上传入口变为多选模式——带顺序编号、批量上传，单次最多可喂 14 张参考图。所有上传过的图会以"URL + 缩略图"存在浏览器本地，跨会话复用，不用反复上传。
视频：Video Studio 同样是文生视频 / 图生视频双模式切换，覆盖 Kling、Sora、Veo、Wan 2.2、Seedance 2.0 等 100+ 模型；长视频自动剪辑、营销变体生成、电影感镜头（可选相机/镜头/焦距/光圈参数）各有专门工作区。
唇形同步：Lip Sync Studio 支持"人像图 + 音频"和"既有视频 + 音频"两种输入，9 个专用模型产出说话视频，生成历史独立保存，刷新页面后未完成任务自动恢复。
工作流与 Agent：Workflow Studio 提供节点式可视化编辑器，把多个模型串成多步 AI 流水线，可保存模板、浏览社区共享、在 Playground 交互运行；Agent Studio 则是对话式代理，帮你规划并执行生成任务。

本地推理怎么选：sd.cpp 还是 Wan2GP

桌面版内置两套互不依赖的本地推理引擎，在 Settings → Local Models 里分别配置。注意：本地推理仅桌面版可用，Web 版永远走云端 API。

sd.cpp（内置）	Wan2GP（自建服务器）
形态	与 App 同机运行的 C++ 引擎	指向你自己 GPU 服务器的 HTTP 客户端
覆盖模型	纯图像模型（Z-Image、SD 1.5、SDXL 等）	视频模型（Wan 2.2、Hunyuan、LTX）与大型图像模型（Flux、Qwen-Image）
硬件要求	全平台可 CPU 跑；Apple Silicon 走 Metal GPU；Linux/Windows 支持 CUDA/Vulkan/ROCm	服务器端需 NVIDIA/AMD GPU（PyTorch），桌面端本身可跑在 Mac 上
上手成本	一键安装引擎 + 下载模型，全部在应用内完成	需在 GPU 机器上自行部署 Wan2GP 并在桌面端填 URL 测试

模型权重默认存放在应用数据目录下的local-ai/中（bin/、models/、tmp/三个子目录），磁盘不够可用环境变量OPEN_GENERATIVE_AI_LOCAL_AI_DIR改道。路径解析逻辑见 electron/lib/localInferencePaths.js。选型的简单结论：只有 Mac、想本地出图 → sd.cpp；想本地出视频 → 必须上 Wan2GP，因为它的运行内核只支持 CUDA，没有 Apple Silicon 路径。

踩坑速查

macOS 首次打开被 Gatekeeper 拦截→ 应用未经 Apple 公证属正常现象；在终端执行xattr -cr "/Applications/Open Generative AI.app"后右键 Open 即可，或走"系统设置 → 隐私与安全性 → 仍要打开"。
Windows 弹出 SmartScreen 警告→ 安装包未做代码签名所致，点"更多信息 → 仍要运行"即可正常安装。
Ubuntu 24.04+ 上 AppImage 静默失败或闪退→ 新版内核的 AppArmor 策略禁用了 Chromium 需要的用户命名空间沙箱；推荐直接装.deb包（自带 AppArmor profile），或临时执行sudo sysctl -w kernel.apparmor_restrict_unprivileged_userns=0。
npm run dev报 "Couldn't find a 'pages' directory"→ 说明 Next.js 看不到app/目录；确认你在含app/和package.json的仓库根目录运行，且克隆时带了子模块（packages/下为空就重跑npm run setup）。
8GB 内存的 Mac 跑 Z-Image 整机卡死→ 该模型 7.4GB 权重加计算缓冲建议 16GB 内存起步，低配机型改用 SD 1.5 模型。
本地推理日志打印VRAM 0.00MB→ 说明二进制回退到了纯 CPU 路径（Metal 版应显示约 2GB VRAM）；在 Settings → Local Models 重装引擎，从终端启动应用可查看完整日志。

代码长什么样

这是一个 Next.js monorepo，值得先看的几处：

app/是 Next.js App Router 入口，根路由直接重定向到/studio；
packages/studio/ 是共享 React 组件库，其中 packages/studio/src/models.js 集中定义了 400+ 模型参数，是全项目模型配置的单一事实来源——改这里，自托管版和托管版同步生效；
electron/lib/ 承载桌面端本地推理逻辑（sd.cpp 进程管理、Wan2GP 客户端、模型目录）；
app/api/下的路由把/api/v1/*、/api/workflow等前端请求代理到 Muapi 网关，转发时用cleanHeaders()剥离cookie等敏感头，避免凭证外泄；
密钥管理是典型 BYOK：Key 存在浏览器localStorage（键名muapi_key），同时写一份同名 cookie 用于后台请求；前端用 Axios 拦截器把x-api-key头只注入到内部代理路径（/api/app、/api/v1等），相对路径之外的外部域名（如 S3）拿不到你的 Key；
与 Muapi 的通信统一为"提交 → 轮询"两步式：先POST /api/v1/{模型端点}拿到任务 ID，再轮询/api/v1/predictions/{id}/result直到完成。

适合谁，下一步做什么

适合三类人：想免费玩多模型生图生视频且反感提示词被拦的创作者；想研究"Electron 里怎么集成 sd.cpp / 远程 GPU 服务器"这类异构本地推理的开发者；需要把一个可自托管、MIT 协议的 AI 创作界面作为底座做二次开发的团队。不适合期望"零成本纯本地出视频"的场景——视频生成基本依赖 GPU 服务器或 API Key。想动手，最快的路径就是下载桌面版 → Settings 里装本地模型出第一张图，然后翻 README.md 里的模型清单和 packages/studio/src/components/ 下的 Studio 源码找扩展点。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析