Open Generative AI：开源、可自托管的 AI 视频生成工作室（内置 400+ 模型）

Open Generative AI：开源、可自托管的 AI 视频生成工作室（内置 400+ 模型）

【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 是一个开源（MIT 协议）的 AI 视频与图像生成工作室，支持自托管，跑在自己的机器上。它内置 400 多个模型，包括 Flux、Midjourney、Kling、Sora、Veo，没有内容过滤器，提供桌面应用和 Web 版。适合想免费制作短视频、口播视频和概念图的创作者。

从场景说起：这套工具能给你什么

做短视频时，你直接拿到的是一条能用的动态素材。输入文字描述走文生视频，生成 5 秒、10 秒或 15 秒的片段；上传一张静态图则自动转成图生视频，片段的第一帧就是这张图。模型池里有 Kling、Sora、Veo、Wan、Seedance 2.0、Hailuo、Runway 等，文生视频和图生视频各几十个可选，对某次结果不满意就换个模型再跑一遍。

做配音和本地化时，目标是得到一条口型与音频对齐的说话视频。Lip Sync 工作室提供 9 个专用模型：手里只有一张人像就上传人像加音频，输出说话的动态视频；已有素材就切到视频模式，上传视频加音频，返回口型替换后的版本，这是本地化流程里最省事的一步。

做影视预演时，你可以快速出一批概念图和场景定帧，再用 Cinema Studio 的虚拟相机调整镜头感，比如焦距、光圈和镜头光效，让静帧更接近真实拍摄出来的镜头。开拍前核对场景方向、给团队看分镜参考，都用得上。

安装与部署：三步跑起桌面应用 🖥️

最常见的路径是下载桌面安装包，全程不用碰终端：

1. 从发布页下载对应系统的安装包。macOS 是 DMG（Apple Silicon 和 Intel 分开），Windows 是 NSIS 安装程序，Linux 提供 AppImage 或 DEB。
2. 安装并启动。因为应用没有做签名，macOS 和 Windows 首次打开时会弹安全警告，点"仍要打开"或"仍要运行"即可通过，macOS 用户也可以在终端执行 xattr 命令清除隔离属性。
3. 在应用里填入 Muapi API key，开始生成。如果只打算走本地推理，这一步可以跳过。

另外两条路径各说两句。浏览器托管版开箱即用，不用装任何东西，页面里直接进各个工作室，模型列表跟得上最新版本。

本地推理只有桌面版支持，分两个引擎：sd.cpp 随应用自带，负责图像模型（SD 1.5、SDXL、Z-Image），在你自己电脑上运行；Wan2GP 需要在一台带 CUDA 或 ROCm 显卡的机器上自己跑一个服务，桌面应用指向它的地址，就能用上视频模型（Wan 2.2、Hunyuan、LTX）。想从源码构建也很短：先git clone --recurse-submodules https://gitcode.com/GitHub_Trending/ch/Open-Generative-AI，然后npm run setup装依赖并构建工作区子包，npm run dev起 Web 版，npm run electron:dev起桌面版。

两个值得讲透的功能：视频生成与镜头控制

视频生成的入口是 Video Studio（src/components/VideoStudio.js），它的逻辑是跟着输入自动切换模式：默认是文生视频，一旦你上传了图片就变成图生视频，背后的模型集合也随之替换。画幅、分辨率、时长这些选项不是写死的，界面只显示当前模型真正支持的值，比如 Seedance 2.0 给出 16:9、9:16、4:3、3:4 和 5、10、15 秒的选项。生成完成后可以一键下载全分辨率结果，历史记录存在本地，随时回去翻旧作。

Cinema Studio（src/components/CinemaStudio.js）解决的是"让画面像电影"的问题。摄影参数在这里变成可勾选项：6 种机身从 16mm 胶片到 8K 模块化数字，焦距从 8mm 广角到 85mm 人像，光圈 f/1.4、f/4、f/11 三档，另有十几种镜头效果（倾斜、变形宽银幕、halation 等），每种都带预览图，存放在public/assets/cinema/下。选中后应用把这些参数翻译成提示词修饰符交给模型，你不需要自己会写英文摄影术语，也能拿到"大光圈浅景深特写"这类镜头质感。

其余功能合并成一句：音频生成与编辑、AI Clipping 长视频自动提亮点、Vibe Motion 动效、Recast 主体替换、Marketing 广告变体，以及可以可视化串联图像、视频、音频模型的工作流编辑器，模板也都能直接跑。

让生成质量更稳的几条实用建议 💡

• 提示词按"主体 + 动作 + 环境与光线"三层来写，比如"银色跑车，雨夜城市，霓虹在湿路面反光"，比只写"酷炫跑车"稳定得多。
• 先用低分辨率、低质量档验证方向，挑 LTX 这类快模型看构图和运镜对不对，再换高配模型出成片，省时间最多。
• 图生视频时参考图选主体清晰、背景别太挤的；需要多个画面里人物长相一致，就用支持最多 14 张参考图的多图模型（如 Nano Banana 2 Edit）。
• 同一个提示词并行跑两三个模型挑最好的，模型池大，同题下的差距明显。
• 本地推理从小的模型起步：Mac 上先跑 SD 1.5 档（约 2GB，Dreamshaper 8 等），Z-Image 需要 16GB 内存，8GB 机器上可能卡死系统。

它适合谁，不适合谁

适合三类人：想免费做短视频和口播视频、又不想在多个平台分别注册的个人创作者；想把生成能力嵌进自己产品、做自托管或白牌的开发者，MIT 协议加相对干净的 API 客户端让这条路走得通；在意数据隐私、希望推理跑在自己机器上的人。

不太适合两类情况：如果你不接受"需要填一个 API key"，云模型路线依赖 Muapi 服务，生成调用会经过云端；如果你的团队需要带 SLA、有审核环节的正式生产线，这套工具的定位还是偏个人工作台，流程上没有企业级的约束。

如果你的主要诉求就是"快速、免费、无过滤地出图和出视频"，不妨先把桌面版装起来跑一遍，再决定走云模型还是本地推理。

附注

• 技术栈：Next.js（App Router）+ React + Tailwind CSS v3，npm workspaces 单仓库，共享 UI 库在packages/studio，桌面壳为 Electron
• 模型目录的唯一数据源：packages/studio/src/models.js
• API 客户端：src/lib/muapi.js，提交任务加轮询结果的二段式调用
• 许可证：MIT
• 社区：项目 README 中提供 Discord 社区入口，可提问和跟进更新

【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