lidge-jun/ima2-gen

解决的问题

ima2-gen 提供一个本地优先的视觉生成工作室，简化了在多个 AI 提供商之间创建和迭代图像与视频的过程。它通过将各种 API 和 OAuth 流程整合到单一运行时中，消除了在不同 Web 界面之间切换的需要，同时增加了专业迭代工具，如基于节点的分支、用于清理的画布，以及专为代码代理设计的工作流。

如何工作

该项目充当一个视觉生成运行时和工作室。它连接到广泛的提供方，包括 OpenAI（OAuth/API）、Grok（OAuth/API）、Gemini（通过 Antigravity CLI 或直接 API）、NovelAI 和 ComfyUI。它通过核心注册表管理这些连接，并提供 CLI 和基于 Web 的 UI 供交互使用。

主要操作模式包括：

• 经典模式：支持参考图像的标准文本到图像/视频生成。
• 节点模式：允许用户将成功的生成分支到多个方向，创建迭代的视觉图谱。
• uma 画布模式：一个专门用于缩放、平移、注释和清理背景（包括一键 GPT 透明度工具）的空间。
• 故事板模式：在连续帧中保持角色和场景的一致性，适用于视频和图像制作。

适用人群

• 视觉创作者：需要统一界面来操作多个 AI 图像和视频生成器的人。
• AI 编码代理：项目包含打包的“技能”（Markdown 指令），允许代理使用 ima2 CLI 处理资产生成、前端设计和 UI/UX 发现。
• 开发者：希望拥有本地优先工具、可复现工作流以及本地画廊用于资产管理的人。

主要亮点

• 多提供方支持：集成 OpenAI、Grok、Gemini、NovelAI 和 ComfyUI 的访问。
• 高级迭代功能：基于节点的分支和用于目标清理与注释的画布。
• 视频功能：通过 Grok 支持文本到视频和图像到视频生成，包括关键帧提取。
• 代理就绪：专为 AI 编码代理设计的前端和 UI/UX 设计专用技能集。
• 本地优先：带有会话感知历史和本地提示库导入功能的本地画廊。
• 矢量化：能够将光栅艺术转换为真实的 SVG 路径。
• SSE 多路复用：使用单个 Server-Sent Events 连接，防止并发任务时浏览器连接限制。