不订阅、不审查、可本地跑：聚合 420+ 模型的开源 AI 图像/视频生成工作室深度解析

不订阅、不审查、可本地跑：聚合 420+ 模型的开源 AI 图像/视频生成工作室深度解析

【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

你有没有在某个 AI 平台提交 prompt，换回的却是"请调整措辞"？Open Generative AI 是一个面向自托管的开源 AI 图像/视频生成工作室：420+ 个主流模型（Flux、Midjourney、Kling、Sora、Veo、Seedream、Wan 2.2 等）通过统一 API 网关接入，不做内容过滤，不拦截提示词，MIT 协议。同一套代码提供 Next.js Web 版和 Electron 桌面版两种入口，桌面版还内置了两套本地推理引擎——最后这点是最有辨识度的地方，咱们逐层拆开看。

当 prompt 被平台"改写"

商业图像/视频平台几乎都按月订阅收费，背后还挂着一整套护栏：提示词可能被拦下，甚至被静默改写。这个项目的态度非常直接——所谓 Unrestricted，落到产品层面就是一件事：它不替你做"该不该生成"的判断，你的 prompt 原样进入模型。

随附的还有三个承诺：

• 免费开源：MIT 协议，无订阅、无供应商锁定，代码可改可二次利用；
• 可自托管：Web 版完整跑在你自己的机器上，数据不出门；
• 统一网关：400 多个模型共用同一套"提交—轮询"接口，不用逐个对接厂商 SDK。

底层网关是 Muapi.ai，所以整个项目本质上是"一个可自由改写的工作室界面 + 一层模型能力聚合"。

🎥 16 个 Studio，按能力域划分

打开应用，左侧导航把 16 个工作室分成 Images、Video、Audio、Agents & Automation 四组（定义在components/StandaloneShell.js的TABS数组里）。逐个念名字意义不大，按能力域看能干什么更实用：

图像线（5 个页签）：Image Studio 是主战场，双模式自动切换——没传参考图时是文生图（Flux、Nano Banana 2、Seedream 5.0、Midjourney 等 50+ 模型），拖入参考图的瞬间整体切到图生图（Kontext、Nano Banana 2 Edit、Seedream Edit、Upscaler 等 55+ 模型）。有个细节值得留意：选中支持多图输入的模型后，上传入口会变成多选，一次最多传 14 张参考图（Nano Banana 2 Edit 的天花板），选择顺序会按序传给模型。Layers、Cinema、Design Agent、AI Influencer 分别负责分层编辑、电影感镜头、画布式设计代理和虚拟人管理。

视频线（7 个页签）：Video Studio 同样是 t2v / i2v 双模式（40+/60+ 模型）；AI Clipping 从长视频里自动抽高光；Vibe Motion 做风格化动效；Lip Sync Studio 有 9 个专用模型、两种模式——人像 + 音频 → 说话视频（Infinite Talk、Wan 2.2 Speech to Video、LTX 2.3 / 2 19B Lipsync，分辨率 480p 到 1080p），既有视频 + 音频 → 唇形同步视频（Sync、LatentSync、Creatify、Veed、Infinite Talk V2V）；Body Swap（Recast）做主体外观重铸；Marketing Studio 从单条输入吐出一整套广告创意变体。

音频线（1 个页签）：文本驱动的音乐/音频生成与编辑。

自动化线（2 个页签）：Agent Studio 是会规划并执行生成任务的多轮创意代理；Workflow Studio 是节点式可视化流水线编辑器——预置模板起步、拖拽模型连接步骤、Playground 表单里交互运行，每条工作流还能通过 API 调用。另有 Explore Apps 入口聚合基于同一模型目录的应用模板。

全局能力同样实用：所有传过的图都进 Upload History（localStorage里存 URL + 缩略图，跨会话复用，不用重复上传）；宽高比、分辨率、时长这些参数按模型能力动态显示（Smart Controls）；生成历史可浏览、可重下；任务完成时弹全局通知（12 秒 TTL、最多 3 条，切换工作室也不丢）。

Cinema Studio 单独说两句：6 台虚拟相机（从 Modular 8K Digital 到 70mm 胶片）、11 支镜头、6 档焦距（8mm–85mm）、3 档光圈（f/1.4–f/11），你选的每个参数都会被转成优化过的提示词修饰符。

420+ 模型，一张类目表就够

全部模型定义集中在packages/studio/src/models.js——一个 3 万多行的单文件，是整个项目的单一事实来源。在这里加一个模型，自托管版和托管版会同时生效。按 8 个类目盘一下：

近期值得留意的几个新模型：Nano Banana 2（Gemini 3.1 Flash Image，1K/2K/4K，宽高比支持 auto）、Seedream 5.0（最高 4K）、Seedance 2.0 Extend（在既有生成结果上续接，风格、运动、音频都保留）、Grok Imagine（6/10/15 秒，fun/normal/spicy 三种模式）。

⚡ 最值得折腾的部分：桌面版内置两套本地推理引擎

这是该项目和纯 Web 套壳工具拉开差距的地方：桌面版内置两套互相独立的本地引擎，共用 Settings → Local Models 界面和同一套生成 UI。Web 版没有这块——托管版只走云端 API。

sd.cpp 这条线：目录（electron/lib/modelCatalog.js）里收了 6 个模型，全部公开可下载——Z-Image Turbo（2.5GB，8 步 turbo）、Z-Image Base（3.5GB，50 步）、Dreamshaper 8 / Realistic Vision v5.1 / Anything v5（SD 1.5 系，各约 2.1GB）、SDXL Base 1.0（6.9GB，30 步、dpmpp2m 采样）。两个 Z-Image 模型还要共享两个辅助文件：Qwen3-4B 文本编码器（2.4GB）加 FLUX VAE（335MB），只下一次。流程是：一键装引擎 → 下模型 → Image Studio 里点模型选择器旁的 ⚡ Local 开关 → 生成，全程不碰 API Key。所有下载都落在应用数据目录的bin/、models/、tmp/里，不往系统装任何东西；想把几十 GB 的权重挪到别的盘，启动前把OPEN_GENERATIVE_AI_LOCAL_AI_DIR指过去即可。

硬件坑提前说两个：8GB 基础款 M 系列 Mac 跑 Z-Image 是已知的系统挂起场景（权重加计算缓冲要 10GB 上下，官方建议 16GB），老老实实用 SD 1.5；SD 1.5 在 M2 上 Metal dylib 生效时普遍 1–2 秒/步，若你实测 10 秒/步，说明二进制回退到了 CPU。项目自带了一个健康检查思路——sd-cli就是应用实际调用的那个二进制，绕开 UI 直接验证：

APP_DATA="$HOME/Library/Application Support/open-generative-ai/local-ai" DYLD_LIBRARY_PATH="$APP_DATA/bin" "$APP_DATA/bin/sd-cli" \ -m "$APP_DATA/models/DreamShaper_8_pruned.safetensors" \ -p "a serene mountain lake at sunrise" \ -o /tmp/sd15-test.png \ --steps 12 -H 512 -W 512 --cfg-scale 7.5 --seed 42

Apple Silicon 正常跑会打印VRAM 1969.78MB（Metal 后端）；打印VRAM 0.00MB则是 CPU 版，用otool -L "$APP_DATA/bin/libstable-diffusion.dylib" | grep -i metal确认，缺 Metal 就在 Settings → Local Models 重装引擎。

Wan2GP 这条线：应用不打包 Python 也不打包权重。你先在一台 GPU 机器上把 Wan2GP 跑起来（clone 这个开源项目、执行install.sh，再python wgp.py --listen --server-name 0.0.0.0绑定所有网卡），回桌面版 Settings 里粘 URL，Test 一下、Save，它的 5 个模型（Flux.1 Dev 28 步、Qwen Image 30 步、Wan 2.2 T2V/I2V、Hunyuan Video、LTX Video）就会出现在工作室里。为什么非要独立服务器？因为 Wan2GP 的运行时（Sage attention、flash-attn、AWQ/GGUF 内核）只有 CUDA 路径，没有 MPS，Mac 用户只能当客户端用。代码里还处理了一个很脏的现实问题：Wan2GP 不同版本之间会重命名 Gradio 的api_name，Pinokio 打包版甚至缺端点——所以连接时它会拉取服务器/info，把目录里每个模型的fn重映射成服务器实际注册的名字，fnAliases匹配新旧变体，family做最后的模糊匹配兜底（electron/lib/wan2gpProvider.js里的resolveFnNames()）。

🚀 落地实操：四条路径

源码路线（面向贡献者，需 Node.js 18+，准备一个 Muapi access key；只用本地模型可跳过）：

git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI cd Open-Generative-AI npm run setup # 拉子模块 + 装依赖 + 构建 4 个 workspace 子包 npm run electron:dev # 桌面版（Electron + Vite） # 或者 npm run dev # Web 版 → http://localhost:3000

两个细节：--recurse-submodules不能省，workflow 和 agent 子包就放在子模块里；光npm install不够，setup会先把 workspace 包构建掉。如果报Couldn't find a 'pages' directory，说明你不在仓库根目录跑命令，或者子模块没拉全——回到根目录重跑npm run setup。

桌面安装包路线：macOS 包没经 Apple 公证，首启会被 Gatekeeper 拦——执行xattr -cr "/Applications/Open Generative AI.app"再右键 Open 两次即可，做一次管终身；Windows SmartScreen 告警点 More info → Run anyway；Ubuntu 建议直接装.deb（自带 AppArmor profile），AppImage 在老系统上缺libfuse2。Ubuntu 24.04+ 还有专属坑：内核的apparmor_restrict_unprivileged_userns策略会卡住 Chromium 沙箱，AppImage 表现为静默起不来，换 .deb 或临时执行sudo sysctl -w kernel.apparmor_restrict_unprivileged_userns=0（写进/etc/sysctl.d/可持久化）。

Docker 路线：docker-compose.yml把宿主 3001 端口映射到容器内 3000，production 模式加自动重启；Dockerfile 是多阶段构建，最终镜像只带.next和运行依赖，不装开发工具链。

托管版路线：官方还提供免安装的托管版，浏览器打开即用——但本地推理只属于桌面版，别期待托管版有 sd.cpp。

🛠️ 架构内幕：monorepo、BYOK 与两步式 API

技术栈是 Next.js 15 + React 19 + Tailwind v3，用 npm workspaces 管 4 个子包（studio、workflow-builder、ai-agent、design-agent）。根路由直接重定向到/studio；StandaloneShell是壳层，根据 URL slug 决定激活哪个 Tab，Tab 间切换走window.history.pushState，不刷新页面。

API Key 管理是教科书式的 BYOK 实现，细节值得抄：密钥存localStorage（key 名muapi_key），同时写一个一年有效的SameSite=Laxcookie 给后台请求建立身份；Axios 请求拦截器只对相对路径和五类内部代理路径（/api/app、/api/workflow、/api/agents、/api/api、/api/v1）注入x-api-key头，密钥不会漏给 S3 之类的外部域名；余额每 30 秒轮询一次；退出登录时存储与 cookie 一并清掉。

与模型网关的通信是"提交—轮询"两步式：先POST /api/v1/{model-endpoint}提交任务，再GET /api/v1/predictions/{request_id}/result轮询到completed。文件上传走POST /api/v1/upload_file（multipart）换回托管 URL，多图模型把完整的images_list数组塞进单次请求，唇形同步任务由专门的processLipSync()处理image_url/video_url加audio_url的组合。仓库里app/api/目录是一组代理路由，把前端请求转发给网关，cleanHeaders()会剥掉host/connection/cookie等敏感头——源码注释里明确标了两处安全修复：移除 cookie 鉴权（CWE-522）、移除凭据日志（CWE-200）。

从哪开始动手

想加模型，打开packages/studio/src/models.js；想改工作室 UI，进packages/studio/src/components/；想研究 Electron 里如何集成两种异构本地引擎（一个内置 C++ 二进制、一个远程 Gradio 客户端），看electron/lib/；想复刻"Next.js 安全代理第三方 API"这套模式，直接抄app/api/。MIT 协议意味着你可以把它整包拿去做自己的产品外壳——从三万行的模型文件到 456 行的 Wan2GP 适配器，每一层都能读、能改，这份自由度大概就是"unrestricted"最先指的东西。

【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