lidge-ai/ima2-gen

解決する課題

ima2-gen は、複数のAIプロバイダーにまたがる画像や動画の生成と管理を行うための、ローカルファーストなスタジオおよびランタイムを提供します。さまざまなモデルを単一のローカルサーバーとインターフェースに統合することで、異なるWebインターフェース間を切り替える必要性を排除し、生成されたすべての資産がユーザーのローカルマシン上に保持されることを保証します。

仕組み

このプロジェクトは、ユーザー（ブラウザ、Macアプリ、またはCLI経由）とさまざまなAIプロバイダーとの間のブリッジとして機能する小さなローカルサーバーを実行します。ChatGPTやGrokのOAuth、GeminiやNovelAIなどのAPIキーを含む複数の認証方法をサポートしています。また、ローカルのComfyUIワークフローとも統合されています。生成されたすべてのファイルはローカルの ~/.ima2/generated に保存され、再現性を確保するために、プロンプト、タイミング、設定などのメタデータがすべての結果に対して追跡されます。

対象ユーザー

• デジタルアーティストおよびデザイナー: ビジュアル資産を生成、分岐、整理するための集中管理場所を必要とする方。
• 開発者およびコーディングエージェント: CLIと提供されている「スキル」（Markdownガイド）を使用して、フロントエンドやUI/UXデザインの資産パイプラインを自動化したい方。
• パワーユーザー: ブラウザベースのサイロを避け、AI生成メディアのローカル履歴を保持したい方。

ハイライト

• ノードグラフ分岐 (Node Graph Branching): 成功した画像を元に、オリジナルを上書きすることなく、複数の異なる方向に派生させることができます。
• キャンバスモード (Canvas Mode): 注釈、背景削除（GPTの透明度機能を使用）、SVG（ラスターまたはベクター）へのエクスポートツールが含まれています。
• マルチプロバイダー対応: OpenAI、Grok、Gemini、NovelAI、ComfyUIなどと統合されています。
• 動画制作: テキストから動画への生成、画像から動画への生成、およびキャラクターやシーンの一貫性を維持するための「ストーリーボードモード」をサポートしています。
• エージェント統合: コーディングエージェントが資産パイプラインや設計の方向性を処理するのを支援するための、専門的なMarkdownスキルが同梱されています。