lidge-jun/ima2-gen

它解决了什么问题

iima2-gen 提供类似桌面应用的本地 Web 应用，复制高端 AI 聊天界面（如 ChatGPT 或 Grok）中的图像和视频生成工作流，并加入高级专业工具。它通过将生成、迭代编辑和资产管理整合到单一本地工作室，消除在多个网页标签页和 API 仪表板之间切换的需求。

它如何工作

该项目充当本地服务器和客户端，通过 OAuth 或 API 密钥与各种 AI 提供商接口。它支持多条“路径”进行生成：

• OAuth 路径：连接 ChatGPT 和 Grok 账户，提供免费/标准访问，无需手动 API 密钥。
• API 路径：整合 OpenAI、xAI（Grok）和 Google Gemini（通过直接 API 或 Antigravity CLI）。

它使用单一 Server‑Sent Events（SSE）连接，对多个并发生成任务进行进度复用，防止浏览器连接限制导致画廊卡顿。

目标用户

它面向设计师、前端工程师和 AI 艺术家，适合需要结构化、迭代式工作流来生产视觉资产的用户，尤其是希望在帧之间保持角色一致性或进行针对性图像清理的人。

亮点功能

• 迭代生成模式：包括“Classic”单结果模式、“Node Mode”从单张图像分支不同创意方向，以及“Multimode”一次生成多个候选。
• 视频制作：支持文字转视频、图像转视频和参考视频生成（使用 Grok 模型），并支持关键帧提取。
• 分镜脚本模式：在连续帧的图像和视频中保持角色和场景连贯性。
• 画布模式：专用清理工具，可放大、平移、标注，并以 alpha/matte 导出背景。
• 代理技能：提供预包装的 Markdown 指令集（Core、Frontend、UI/UX），帮助 AI 编码代理自动化资产生产流水线。
• 本地画廊：将生成的资产本地存储，具备会话感知的历史记录和元数据。