Open Generative AI 完整指南：14 个工作室、420+ 模型，5 分钟跑起自托管 AI 图像视频生成平台

【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 是一个可自托管、MIT 协议的开源 AI 图像/视频生成工作室，内置 14 个生成工作室和 420+ 模型（Flux、Midjourney、Kling、Sora、Veo 等），无内容过滤；桌面版还支持免 key 的本地模型推理。

🚀 快速上手：三种方式跑通项目

先说清楚前提：云端模型必须自带一个 Muapi.ai 的 access key（首次启动会弹窗提示，粘贴 key 的值即可，不要填 key 的名称/标签）；只用本地模型则完全可以跳过。

方式一：源码构建（Next.js Web 版 / Electron 桌面版）

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

• --recurse-submodules不能省：Workflow 和 Agent 功能依赖两个 git 子模块（packages/Vibe-Workflow/、packages/Open-Poe-AI/），缺了构建会失败。
• npm run setup实际执行的是子模块初始化 +npm install+ 构建 4 个 workspace 包（studio、workflow-builder、agents、design-agent），只跑npm install是不够的。
• npm run dev启动 Next.js Web 版，打开http://localhost:3000；想跑 Electron 桌面版则改用npm run electron:dev。
• 前提：Node.js 18+。

方式二：Docker（最干净的服务端部署）

docker compose up -d

docker-compose.yml 只做了四件事：用根目录 Dockerfile 构建生产镜像、容器 3000 端口映射到宿主机 3001、设置NODE_ENV=production、异常自动重启。浏览器访问http://localhost:3001。

方式三：桌面预编译版（最省事）

仓库 Releases 页提供1.0.9安装包：macOS（Intel + Apple Silicon 的 .dmg）、Windows x64（.exe）、Linux（.AppImage / .deb），双击安装即可，完全不需要 Node.js。注意两点：

• macOS 首次打开会被 Gatekeeper 拦截（应用未签名），处理一次即可，后文"高频报错"有具体命令。
• 桌面版和 Web 版能力不对等：本地推理只有桌面版支持，Web 版和 Docker 版永远走云端 API。

🗺️ 能力版图：14 个工作室一览

应用启动后默认进入 Studio 页，顶部 Tab 切换全部工作室。不用逐个展开，一张表看完：

另外还有一个 MCP CLI 工具（packages/studio/src/components/McpCliStudio.jsx）面向命令行集成。所有工作室共享三件套：上传历史（参考图本地缓存，跨会话复用不重复上传）、生成历史（存浏览器本地）、智能参数控件（画幅/分辨率/时长按模型能力动态适配）。

全部 400+ 模型定义集中在单文件 packages/studio/src/models.js（3.4 万行），是全项目唯一数据源，加模型只改这一个文件。

🔍 核心模块深拆

本地推理：sd.cpp 与 Wan2GP 双引擎

解决什么问题：云端 API 要 key、素材要上传第三方；本地推理则无 key 需求、数据不出机器。但记住一个关键限制：本地推理只在桌面版可用。

怎么用：两个引擎都在Settings → Local Models里配置，共享同一套 UI。

• 引擎一sd.cpp（内置，一键安装）：自动下载 stable-diffusion.cpp 的 C++ 引擎，支持 Apple Silicon Metal、CUDA、Vulkan、ROCm 加速。内置 6 款模型：SD 1.5 三兄弟（Dreamshaper 8 / Realistic Vision v5.1 / Anything v5，各 2.1 GB）、SDXL Base 1.0（6.9 GB）、Z-Image Turbo（2.5 GB + 2.7 GB 共享辅助文件，8 步）和 Z-Image Base（3.5 GB + 2.7 GB，50 步高质量）。装好后在 Image Studio 模型选择器旁打开 ⚡ Local 开关即可生成。
• 引擎二Wan2GP（自带安装，"自带服务器"模式）：在任意一台 CUDA/ROCm GPU 机器上装好 Wan2GP，桌面版既可以直接指向本地安装目录，也可以填远程 MCP 服务器 URL。可用 Wan 2.1 1.3B（约 8 GB 显存）、Wan 2.2 14B、Hunyuan Video 1.5、LTX-2 Distilled 等视频模型，以及 Flux.1 Dev、Qwen Image 大图像模型。Mac 用户可以把推理卸载给局域网里的显卡机器，桌面版留在 Mac 上操作。

代码在哪：electron/lib/localInference.js 负责引擎下载、断点续传和进度解析；electron/lib/wan2gpProvider.js 负责与远程 Wan2GP 服务器通信；electron/lib/modelCatalog.js 是本地模型清单。

Workflow Studio：把模型串成可视化流水线

解决什么问题：手动"生图 → 改图 → 生成视频 → 配音"要反复复制粘贴参数，工作流引擎把多步管道变成拖拽连线。

怎么用：三个 Tab 分工明确——Templates 提供预置模板（图像链、视频管道等）、My Workflows 管理自己保存的管道、Community 浏览社区发布的工作流。节点编辑器里把 A 模型的输出接到 B 模型的输入；Playground 用表单 UI 交互式运行，结果内联渲染；每条工作流同时可通过 Muapi API 直接调用，方便接进自己的后端。

代码在哪：packages/studio/src/components/WorkflowStudio.jsx 是前端主体，工作流引擎来自 git 子模块 packages/Vibe-Workflow/，本身也是可独立复用的开源库。

多图参考：一次喂给模型 14 张图

解决什么问题：角色设定图、服装参考、场景图混着用，单图上传要来回切换十几次。

怎么用：当选中支持多图的编辑模型（Nano Banana 2 Edit 单次最多吃14 张，Flux Kontext Dev、GPT-4o Edit、Kling O1 Edit 等吃 10 张，其余 2–8 张不等）时，上传控件自动切到多选模式：每个缩略图带序号复选框，按你勾选的顺序提交，支持批量上传，最后点 "Use Selected" 确认。配合上传历史功能，同一张参考图整个生命周期只传一次。

代码在哪：packages/studio/src/components/ImageStudio.jsx 内实现了双模式切换与多图选择器逻辑，各模型的最大图片数对照表在 README.md 的 "Multi-Image Input" 一节。

🧪 真实场景演练

场景 1：M 系列 Mac 上无 key 本地出图

背景：不想把 prompt 和素材交给第三方 API，也不想申请任何 key。

操作路径：装桌面版 → Settings → Local Models → 一键安装 sd.cpp 引擎 → 下载 Dreamshaper 8（2.1 GB，Mac 上最轻量的测试项）→ 回 Image Studio，模型选择器旁打开 ⚡ Local → 选 Dreamshaper 8 点 Generate。

得到什么：全程本地、无网络依赖的图像生成。README 给出的 M2 实测是约 1–2 秒/步（Metal 生效时）；如果看到约 10 秒/步，说明引擎回退到了 CPU，可重装 sd.cpp 引擎。想上质量换 Z-Image Turbo（8 步）或 Base（50 步），但那需要 16 GB 内存。

场景 2：把生图能力接进自己的产品

背景：你的站点已有用户体系，想加一个"AI 生图"按钮，不想重造模型调度轮子。

操作路径：申请 Muapi access key → 按"提交 + 轮询"两步调用：先POST /api/v1/{model-endpoint}（带x-api-key请求头，body 放 prompt 与参数）拿到request_id，再轮询GET /api/v1/predictions/{request_id}/result直到状态为completed，从outputs[0].url取结果；文件走POST /api/v1/upload_file先上传换 URL。本地开发时vite.config.mjs的代理会把/api转发到 Muapi，天然没有 CORS 问题。

得到什么：改动量极小的集成方案。仓库里 app/api/v1/creative-agent/ 就是一个现成的 Next.js API 路由示例，API 客户端逻辑可参考 src/lib/muapi.js。

⚠️ 边界、限制与高频报错

高频报错：现象 → 原因 → 对策

1. 现象：npm run dev报Couldn't find a 'pages' directory。原因：不在仓库根目录执行，或子模块没初始化导致app/相关包缺失。对策：确认当前目录同时有app/、package.json、next.config.mjs，重跑npm run setup。
2. 现象：页面能打开，但工作室组件报错或模型列表为空。原因：只跑了npm install，workspaces 包没构建。对策：跑npm run build:packages或直接完整执行npm run setup；若 packages/Vibe-Workflow/ 目录为空，说明 clone 时漏了--recurse-submodules。
3. 现象：macOS 首次打开桌面版被 Gatekeeper 拦截。原因：应用未经 Apple 签名与公证。对策：终端执行xattr -cr "/Applications/Open Generative AI.app"后右键应用选 Open；或走"系统设置 → 隐私与安全性 → 仍要打开"。只需做一次。
4. 现象：Ubuntu 24.04+ 上 AppImage 启动即闪退或无反应。原因：内核策略apparmor_restrict_unprivileged_userns挡住了 Chromium 的用户命名空间沙箱。对策：改用.deb包（安装时自动配置 AppArmor profile，推荐）；或临时执行sudo sysctl -w kernel.apparmor_restrict_unprivileged_userns=0。
5. 现象：8 GB 基础款 M 系列 Mac 跑 Z-Image 导致整机卡死。原因：Z-Image 权重加计算缓冲约占 9.8 GB，超出可用余量。对策：8 GB 机器本地只用 SD 1.5 模型（Dreamshaper 8 / Realistic Vision v5.1，2.1 GB）；Z-Image 从 16 GB 内存起步。

如实说的局限

• 本地推理 = 桌面版专属：Web 版和 Docker 版永远走云端 API，且云端模型必须 BYOK（自带 Muapi.ai key），key 存在浏览器 localStorage，没有账号体系。
• 没有 GPU 服务器就别指望本地视频模型：Wan2GP 的运行时（Sage attention、flash-attn 等）只有 CUDA/ROCm 路径，必须有 GPU 机器当推理节点；Mac 上本地只能跑 sd.cpp 的图像模型。
• 模型数量口径：README 分类表合计 420+，项目描述写 600+，以 packages/studio/src/models.js 的实际内容为准。
• 历史与数据全在本地：生成历史、上传历史都只存在浏览器 localStorage，多用户、权限管理、云端同步一概没有。
• 本地引擎排错日志只输出到进程控制台，需要从终端启动桌面应用才看得到。

⚖️ 它到底适不适合你

适合你，如果：

• 你是想自托管并白牌化 AI 生成工具的开发者——MIT 协议，packages/studio/ 是独立组件库，README 明确提到可复用甚至转售；
• 你的产品想接生图/生视频 API 的团队——"提交 + 轮询"两步模式，改动量小；
• Mac 用户想零成本试本地 SD 1.5 出图（Dreamshaper 8 只要 2.1 GB）；
• 对平台内容过滤有明确不满、需要无过滤创作环境的创作者。

不适合你，如果：

• 你期望"下载即用、零配置"——云端模型必须自带 Muapi.ai key，且没有账号体系；
• 手上没有 CUDA/ROCm GPU 机器，却想跑本地视频模型；
• 团队需要多用户、权限管理、云端历史同步（历史只存在浏览器本地）。

想动手的话，最短路径是：先读 README.md 的部署与本地模型表格，再顺着 project_knowledge.md 走一遍代码结构；遇到配置问题去 README 提到的 Discord 社区提问。想贡献代码，从给 packages/studio/src/models.js 加一个模型、或在 packages/studio/src/components/ 里加一个工作室 UI 开始，是性价比最高的切入方式。

【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