跳到主要内容
Open Generative AI:AI 图像与视频生成工作室
AI 工作流AI 工作流GitHub 源码 ZIP 与原仓库

Open Generative AI:AI 图像与视频生成工作室

Open Generative AI: AI Image and Video Generation Studio

Open Generative AI 是提供图像、视频、音频和口型同步等创作界面的开源项目,支持通过 Muapi 调用云端模型,也提供桌面端本地推理配置。可使用托管网页版、桌面应用或源码开发方式,云端调用与本地运行的条件不同。

获取方式

GitHub 源码 ZIP 与原仓库链接

项目语言

JavaScript

这是固定提交的上游源码快照,与 ENHE 交付包分开提供。

AI 工作流详情

工作流来源于 GitHub仓库;使用前请查看下方的获取方式和核验状态。

应用方向

视频生成

项目类型

工作流

开源许可证

MIT

获取方式

GitHub 源码 ZIP 与原仓库链接

GitHub 星标

31,999 · 2026/11/1

打包核验

本站暂无可下载包

仅提供链接的原因:该项目目前仅提供原仓库链接。

工作流介绍

工作流介绍

展示核心功能、适用场景和交付信息。

项目简介

Open Generative AI 是一个 AI 媒体生成应用项目,不是资源清单。它将图像生成、视频生成、音频制作、口型同步和可视化工作流等功能整合到同一界面,并提供托管网页版、Electron 桌面端和源码开发方式。 项目使用 Next.js、React、Tailwind CSS 和 npm workspaces,通过 Muapi 接入云端模型。桌面端另提供 sd.cpp 与 Wan2GP 本地推理配置。仓库标注许可证为 MIT。

项目使用场景

适合希望用文字生成图像或视频、将已有图片制作成视频,以及用肖像或视频配合音频制作口型同步内容的创作者。 需要把图像、视频、音频处理串成多个步骤时,可以使用 Workflow Studio 的模板和节点编辑器。希望在自己的设备上运行部分模型时,可以考虑桌面端本地推理;具体条件取决于所选引擎和模型。

项目作用与解决的问题

项目通过统一界面组织不同媒体类型的模型和操作,减少分别处理模型入口、输入素材和参数的工作。Image Studio 与 Video Studio 会根据是否上传参考图或起始帧切换模型类别,并根据模型能力显示比例、分辨率或时长等选项。 Workflow Studio 提供模板、节点连接和交互式运行界面,用于组织多步骤生成任务。生成历史支持回看与下载,上传历史可保存参考图记录以便再次选择。 自托管应用仍可调用云端 API,不能据此认定素材始终留在本机。README 说明云端文件上传会返回托管地址;托管网页版始终使用云端 API,本地推理仅在桌面端提供。所给资料不足以确认实际 API 费用、额度或服务可用性。

项目使用方法

1. 从页面下方原始仓库找到托管网页版入口,或按下一节准备桌面应用。使用托管版时,按页面提示注册账号;自行运行应用并使用云端模型时,首次使用按提示填写 Muapi API 密钥的实际值,不要填写密钥名称。仅使用本地模型时可跳过密钥。 2. 生成图像时,进入 Image Studio。没有参考图时输入文字提示;上传参考图后,界面切换到图像编辑模型。选择模型,并设置该模型支持的参数后生成。 3. 生成视频时,进入 Video Studio。输入文字提示可使用文生视频模型;上传起始帧后可选择图生视频模型,再设置可用的比例、时长等参数并生成。 4. 制作口型同步内容时,进入 Lip Sync Studio,选择肖像图片或视频模式,上传对应素材和音频。可按需要填写动作提示,再选择模型及其支持的分辨率,点击 Generate。 5. 组织多步骤任务时,进入 Workflow Studio,选择已有模板,或使用节点编辑器连接模型与输出,再在 Playground 中填写输入并运行。 6. 使用桌面端本地图像模型时,打开 Settings → Local Models,安装 sd.cpp 引擎并下载所选模型;Z-Image 还需要相应辅助文件。随后进入 Image Studio,启用 Local 并选择本地模型。README 建议 Z-Image 使用 16 GB 内存,并提醒 8 GB M 系列 Mac 使用该模型可能导致系统卡住。 7. 如需通过 Wan2GP 运行本地视频模型,先按其原始仓库完成单独安装,再在 Settings → Local Models → Wan2GP 中设置安装文件夹,点击 Save 和 Check。随后在 Video Studio 启用 Local 并选择模型。Wan2GP 运行机器需要 CUDA 或 ROCm GPU;本项目不附带其 Python 环境与模型权重。

项目安装方法

1. 普通使用者可从页面下方原始仓库的 Releases 下载入口选择桌面安装文件。README 列出了 macOS Apple Silicon、macOS Intel、Windows x64,以及 Ubuntu x64 的 AppImage 和 DEB 文件。预构建桌面安装方式不需要 Node.js;这些安装包在本次资料处理中未经过下载或运行验证。 2. macOS 的基础安装步骤是打开 DMG,将应用拖入 `/Applications`。Windows 的说明称安装后会在开始菜单创建快捷方式。README 说明 macOS 应用未经 Apple 公证、Windows 安装程序未进行代码签名;若系统阻止运行,应先核对来源和系统提示,本文不提供关闭或绕过系统保护的步骤。 3. 从源码运行时,先准备 Node.js v18 或更高版本。云端生成还需要 Muapi 访问密钥;仅使用本地模型时可跳过密钥。所给 Quick Start 未单独说明 Git 和 npm 的安装方法,缺少这些工具时应查阅原始仓库及对应工具文档。 4. 从页面下方原始仓库获取克隆地址,克隆时启用 `--recurse-submodules`。进入项目目录:`cd Open-Generative-AI`。若此前克隆时未包含子模块,执行 `git submodule update --init --recursive`。 5. 在项目根目录执行 `npm run setup`,安装依赖并构建工作区包。README 明确说明,仅执行 `npm install` 不足以完成准备。 6. 按目标选择一个启动命令:桌面开发模式使用 `npm run electron:dev`;网页开发模式使用 `npm run dev`。命令应在项目根目录运行。 7. 如需生产模式构建,依次执行 `npm run build` 和 `npm run start`。如需构建桌面安装文件,可按目标使用 `npm run electron:build`、`npm run electron:build:win` 或 `npm run electron:build:linux`;输出位于 `release/`。README 未在所给内容中完整列出跨平台打包所需条件,应继续查阅原始仓库。 8. 本次仅收录仓库链接,未验证安装包、源码启动或核心生成流程;上述步骤是对 README 的整理,不代表安装或运行已通过验证。

来源与使用说明

- 原始仓库:https://github.com/Anil-matcha/Open-Generative-AI - 资料版本:84b29a55ff8bd536c7fdda5d80e2f120cac9d6e1 本站提供上游仓库链接,未提供经验证的下载包,也未独立验证项目的完整运行流程。 本页介绍由 AI 根据上游公开资料整理与翻译;具体能力、安装要求、费用和许可请以原始仓库说明为准。

更新日志

0 条记录

当版本、交付说明或使用建议发生变化时,ENHE AI 会在这里同步重要更新。使用或购买前,请以当前页面说明为准。

分享此产品

扫码查看此产品,或复制链接分享给朋友。

用户评论

登录后可以评论。

常见问题

如何获取该工作流?

点击“获取工作流”前往 GitHub 原仓库。本站未为该条目提供下载包,请按原仓库说明获取和使用。

使用前需要确认什么?

请核对原仓库的安装说明、运行环境、版本及本页核验状态。提供仓库链接不代表 ENHE 已验证完整运行流程。

获取后是否包含第三方服务费用和使用许可?

请查看原仓库许可证及各服务方的条款。模型 API、账号、部署资源等依赖可能另有使用条件或费用,请以明确标注的交付范围为准。