Open Generative AI：开源AI创作工作站

2025年，一位开发者在 Reddit 上发了一个帖子：「我用AI做了一段视频，但每次想加点成人内容就被平台拦截，有没有办法绕过？」帖子下面有人回复：「没有，因为那是平台政策。」这条互动在24小时内获得了2000多个赞——它戳中了一个真实的痛点：当AI生成工具越来越强大，创作者却发现自己的创作自由反而在被不断压缩。

这就是 Open Generative AI 项目诞生的背景。它由独立开发者 Anil-matcha 发起，旨在打造一个完全开源、无审查的AI图像与视频生成工作站，支持200多个最先进的生成模型，涵盖 Flux、Kling、Sora、Veo、Midjourney 替代方案等，全部通过一个统一的 Web 界面或桌面客户端对外提供服务。

图1：Open Generative AI 项目头像

背景故事：为什么需要一个「无过滤」的AI工具？

当前主流AI生成平台（如 Midjourney、Higgsfield、DALL-E）都内置了内容过滤系统。用户输入「a beautiful woman in the bath」（在浴缸中的美丽女性）会被拒绝，但换成「a person in a bathtub for medical examination」（体检中的人）却能通过——这种双标准让创作者感到沮丧。更关键的是，艺术家、设计师、研究人员经常需要生成人体解剖参考、医疗培训内容或成人教育素材，而现有平台的政策往往无差别地屏蔽一切。

Anil-matcha 在 2023 年 5 月创建了 Open Generative AI 项目，最初只是一个调用 Flux 模型生成图片的单脚本工具。随着社区反馈积累，项目逐渐演变为一个功能完整的创作平台，2025年4月发布 v1.0.9 桌面安装版，2026年已更新至 v2.0.0，纳入 Next.js monorepo 架构，支持 workspace 子包管理。

核心技术架构：Electron + Next.js + 外部模型API

前端技术栈

项目采用 Next.js 15 + React 19 作为 Web 应用框架，配合 Tailwind CSS 3 做样式管理。核心依赖包括：

• axios：HTTP 客户端，负责与后端模型 API（muapi.ai）通信
• react-hot-toast：操作反馈提示
• next：SSR/SSG 框架，支持路由和 API 路由
• vite + electron 33：桌面应用构建链路（Vite 打包前端，Electron 包装为跨平台桌面客户端）

Monorepo 工作区架构

项目使用 npm workspaces 组织 monorepo，根目录 package.json 声明了4个工作区：

工作区	说明
packages/studio	核心图像/视频生成界面（主要用户界面）
packages/Vibe-Workflow/packages/workflow-builder	Node 可视化工作流构建器
packages/Open-Poe-AI/packages/agents	AI Agent 集成包
packages/Open-AI-Design-Agent/packages/design-agent	AI 设计 Agent

这种架构允许各子包独立开发、单独构建，最后通过根目录的 npm run build:packages 统一构建。

模型调用机制

项目本身不运行本地推理（桌面版可选 sd.cpp 引擎除外），而是通过 HTTP 调用 muapi.ai 的模型 API 服务。项目结构中的 packages/studio 包封装了与各模型供应商的通信逻辑。这种「前端界面 + 外部API」的分离设计降低了项目自身的部署门槛——用户只需要能访问互联网，不需要本地 GPU。

本地推理（桌面版可选）

桌面应用支持两种本地推理引擎：

• sd.cpp 引擎（内置）：C++ 实现的 Stable Diffusion 推理，支持 Apple Silicon Metal GPU，无需 NVIDIA 显卡。内置 Z-Image Turbo（2步极速）、Dreamshaper 8、Realistic Vision、SDXL Base 等模型。
• Wan2GP 引擎（自建服务器）：Python + PyTorch，需要 NVIDIA/AMD GPU 作为推理服务器，通过 HTTP 接收任务。这种设计允许 Mac 用户通过远程 GPU 服务器运行视频模型。

构建与打包

• Web 版本：Next.js SSR 应用，Docker 多阶段构建，输出 .next/ 静态资源
• 桌面版：Vite 打包 + Electron-builder 生成 macOS DMG / Windows NSIS / Linux AppImage + DEB
• Linux AppImage：提供 AppArmor profile（Ubuntu 24.04+ 兼容性），解决 Chromium user-namespace sandbox 问题

核心功能详解

1. 图像工作室（Image Studio）

支持文字生图（text-to-image）和图片生图（image-to-image），默认使用 G Nano Banana 模型（可能是 Flux 家族变种）。支持多图参考（最多14张参考图同时输入），可以精细控制宽高比和生成数量。

实测在 muapi.ai 的在线版中，输入 prompt 如「a cyberpunk city at night with neon lights, rain-soaked streets」，可生成高质量图像。图像风格覆盖写实、动漫、抽象等多种类型。

2. 视频工作室（Video Studio）

文字生视频（text-to-video）和图片生视频（image-to-video）功能，支持 Kling Video、Sora（OpenAI）、Veo（Google）、Wan 2.2（通义万相）等主流视频生成模型。用户只需上传一张静态图像或输入文字描述，即可生成数秒到数十秒的动态视频内容。

3. 唇同步工作室（Lip Sync Studio）

提供9个专门的唇形同步模型，可以将一段音频与任意人物图像或视频合成，生成嘴型匹配音频的动态视频。这对于多语言配音、虚拟主播、数字人内容创作尤为实用。

4. 电影工作室（Cinema Studio）

项目称之为「Infinite Budget Cinema」——即用AI模拟无限预算的电影级视觉效果。支持多帧序列生成，可用于创建短片、广告、MV 等视觉内容。配合 Workflow 功能，可以串联多个生成步骤，实现「提示词 → 生图 → 视频化 → 添加特效」的完整自动化管线。

5. 工作流自动化（Vibe Workflow）

可视化 Node 编辑器，允许用户将多个 AI 生成步骤串联成工作流。例如：读取一张参考图 → 使用 Flux 生成风格化版本 → 传入 Wan 2.2 生成视频 → 最后用 Lip Sync 加上配音。每个节点可以配置参数，输出可作为下一个节点的输入。

部署体验

Docker 一键部署

项目提供了生产级 Dockerfile（多阶段构建：deps → builder → runner）和 docker-compose.yml，最简单的部署方式是：

git clone https://github.com/Anil-matcha/Open-Generative-AI.git
cd Open-Generative-AI
docker compose up

然后访问 http://localhost:3001 即可使用 Web 界面。需要注意的是，Web 版本部署后只是一个「壳」——真正的模型推理通过 muapi.ai API 完成，用户需要自行注册 muapi.ai 账号并充值积分（或使用免费额度）。

桌面客户端

提供了 macOS（M1/M2/M3/M4 + Intel）、Windows、Linux 的安装包：

• macOS：下载 .dmg，拖入 Applications，用 xattr -cr 绕过 Gatekeeper
• Windows：下载 .exe，绕过 SmartScreen 警告（代码未签名）
• Linux：.AppImage 或 .deb 包，后者对 Ubuntu 24.04+ 有更好的 AppArmor 兼容性

桌面版同样需要 muapi.ai API Key（settings 页面配置）。

硬件需求

• Web 部署：无需 GPU，4GB RAM + 2GB 磁盘
• 桌面版 + sd.cpp 引擎：Apple Silicon Mac（M系列）或中等配置 PC，sd.cpp 支持 Vulkan/CUDA/Metal 多后端
• 桌面版 + Wan2GP 引擎：需要 NVIDIA/AMD GPU 服务器，桌面端仅做客户端

争议与局限

正面价值

• 打破了商业AI平台的内容审查垄断，让独立创作者和研究者有更多选择
• 完全 MIT 协议开源，代码可审计，不存在供应商锁定
• 跨平台支持优秀（Web + macOS + Windows + Linux）

潜在问题

• API 依赖：核心功能依赖 muapi.ai 商业 API，该服务不是完全免费的——用户需要购买积分。这意味着项目本质上是一个「开源前端 + 商业后端」的混合体，不是真正意义上的全开源。
• 无 GPU 本地推理能力有限：内置的 sd.cpp 引擎仅支持图像模型，视频生成必须走云端 API 或自建 Wan2GP 服务器。
• 代码签名缺失：桌面客户端未通过 Apple/Windows 签名认证，对普通用户有安装门槛（需要手动绕过安全警告）。
• 法律灰色地带：项目明确以「无内容过滤」为核心卖点，可能被用于生成不当内容。开发者需自行承担使用后果。

行业意义

Open Generative AI 的崛起折射出一个更大的趋势：AI 生成工具的民主化。2025年，Flux、Kling、Sora 等模型的开放程度不断提升，但商业平台的内容政策却越来越严格。这种矛盾催生了开源替代品的市场空间。

从 GitHub 数据看，项目自2023年创建至今已积累 17,000+ stars，2,800+ forks，增长曲线稳健。项目维护活跃（最近推送：2026年5月26日），issue 数量控制在13个，说明维护者积极响应社区反馈。

对于开发者而言，Open Generative AI 提供了一个绝佳的参考实现——其 monorepo 架构设计（npm workspaces + Electron + Next.js）、Docker 多阶段构建、跨平台打包策略都是值得学习的工程实践。