lidge-jun/ima2-gen

解決的問題

ima2-gen 提供一個本地優先的視覺生成工作室，簡化在多個 AI 提供商之間創建與迭代圖像及影片的過程。它透過將各種 API 與 OAuth 流程整合至單一執行環境，消除切換不同 Web 界面的需要，同時加入專業的迭代工具，如節點式分支、用於清理的畫布，以及專為程式碼代理設計的工作流程。

如何運作

此專案扮演視覺生成執行環境與工作室的角色。它可連接廣泛的提供者，包括 OpenAI（OAuth/API）、Grok（OAuth/API）、Gemini（透過 Antigravity CLI 或直接 API）、NovelAI 與 ComfyUI。它透過核心註冊表管理這些連接，並提供 CLI 與基於 Web 的 UI 供互動使用。

主要操作模式包括：

• 經典模式：支援參考影像的標準文字轉圖像／影片生成。
• 節點模式：允許使用者將成功的生成分支至多個方向，建立迭代的視覺圖譜。
• uma 畫布模式：專為縮放、平移、註解與背景清理（含一鍵 GPT 透明度工具）設計的空間。
• 故事板模式：在連續畫格中維持角色與場景的一致性，適用於影片與圖像製作。

適用對象

• 視覺創作者：需要統一介面來操作多個 AI 圖像與影片生成器的人。
• AI 程式碼代理：專案包含打包的「技能」（Markdown 指示），讓代理可使用 ima2 CLI 進行資產產生、前端設計與 UI/UX 探索。
• 開發者：希望擁有本地優先工具、可重現工作流程與本地圖庫進行資產管理的人。

主要亮點

• 多提供方支援：整合 OpenAI、Grok、Gemini、NovelAI 與 ComfyUI 的存取。
• 高階迭代功能：節點式分支與用於目標清理與註解的畫布。
• 影片功能：透過 Grok 支援文字轉影片與圖像轉影片生成，包含關鍵幀提取。
• 代理就緒：專為 AI 程式碼代理設計的前端與 UI/UX 設計專用技能集。
• 本地優先：具備會話感知歷史與本地提示庫匯入功能的本地圖庫。
• 向量化：可將光柵藝術轉換為真實的 SVG 路徑。
• SSE 多路複用：使用單一 Server-Sent Events 連接，防止並行任務時瀏覽器連接限制。