懂AI
InvokeAI

InvokeAI

用于视觉媒体的专业创意 AI 工具

Invoke是一款领先的创意引擎，为专业人士和爱好者提供强大支持，使用最新的人工智能技术生成和创建令人惊叹的视觉媒体。Invoke以其行业领先的基于Web的用户界面为基础，为多种商业产品提供支撑。它提供了社区版和专业版两种版本，以满足不同用户的需求。

InvokeAI人工智能视觉媒体创意工具在线生成Github开源项目热门
访问官网GitHub文档

InvokeAI 项目介绍

InvokeAI 是一款功能强大的创意引擎，旨在为专业人士和爱好者提供最先进的 AI 驱动技术来生成和创作令人惊叹的视觉媒体。该项目提供了业界领先的基于 Web 的用户界面，并作为多个商业产品的基础。

两种版本选择

InvokeAI 提供两种版本供用户选择:

  1. 社区版:

    • 免费使用，采用商业友好的许可证
    • 可下载并安装在兼容硬件上
    • 包含所有核心工作室功能:图像生成、优化、迭代和工作流构建
    • 适合寻求本地安装、自托管和自管理服务的用户

  2. 专业版:

    • 按月订阅，提供三种不同的计划级别
    • 提供额外优势，包括多用户支持、改进的模型训练等
    • 云托管，便于安全访问模型并实现可扩展性
    • 适合寻求云托管、完全管理服务的个人或团队用户

主要特性

InvokeAI 拥有丰富的功能，其中一些亮点包括:

  1. Web 服务器和用户界面:

    • 本地托管的 Web 服务器和 React UI
    • 提供行业领先的用户体验

  2. 统一画布:

    • 全面集成的画布实现
    • 支持所有核心生成功能、内/外绘画和画笔工具
    • 让艺术家能够与 AI 进行创意协作

  3. 工作流和节点:

    • 完整的工作流管理解决方案
    • 结合基于节点的工作流和易用的 UI
    • 允许用户开发和共享定制的生成管道

  4. 画板和图库管理:

    • 组织有序的图库系统
    • 方便存储、访问和重新混合内容
    • 支持图像拖放和丰富的元数据

  5. 其他特性:

    • 支持 ckpt 和 diffusers 模型
    • 支持 SD1.5、SD2.0、SDXL 和 FLUX
    • 提供上采样工具
    • 嵌入管理器和支持
    • 模型管理器和支持

快速开始

用户可以通过以下步骤快速开始使用 InvokeAI:

  1. 下载并解压最新版本的安装程序
  2. 运行安装脚本
  3. 选择安装位置和 GPU 类型
  4. 安装完成后，运行启动脚本
  5. 在浏览器中访问 http://localhost:9090
  6. 打开模型管理器标签页安装启动模型

Docker 容器支持

InvokeAI 提供官方的 Docker 容器镜像，支持 CUDA 和 ROCm。用户可以通过简单的命令运行容器，并通过挂载卷来持久化数据。

社区支持

InvokeAI 拥有活跃的社区支持。用户可以通过加入 Discord 服务器获得帮助，也可以查阅常见问题解答(FAQ)来解决常见的安装问题和其他问题。

总的来说，InvokeAI 是一个功能丰富、易于使用且具有强大社区支持的 AI 创意工具，无论是专业人士还是爱好者都可以从中受益。

编辑推荐精选

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

CSM

CSM

高质量语音生成模型

CSM 是一个开源的语音生成项目，它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言，可生成多种声音，适用于研究和教育场景。通过使用 CSM，用户可以方便地进行语音合成，同时项目还提供了水印功能，确保生成音频的可追溯性和透明度。

下拉加载更多