SwarmUI

SwarmUI

模块化的高性能Stable Diffusion网络用户界面,易于使用和扩展

SwarmUI是一个模块化设计的Stable Diffusion网络用户界面,专注于高性能、易用性和扩展性。它适合各类用户,从初学者到高级用户,提供强大的图片生成功能和丰富的图形编辑和自动化工具。尽管项目目前处于Beta阶段,但仍充满潜力,欢迎贡献代码和建议。支持多平台安装,包括Windows、Linux、Mac和Docker。

SwarmUIStable DiffusionBetaComfyUI安装Github开源项目

SwarmUI 项目介绍

SwarmUI 是一个模块化的人工智能图像生成网络用户界面,版本为 0.9.3 Beta。原名为 StableSwarmUI。本项目旨在通过易于访问的强大工具、高性能和可扩展性让用户能够生成AI图像。目前支持 Stable Diffusion 和 Flux 等 AI 图像模型,并计划在未来支持 AI 视频、音频等其他类型的创作功能。

项目背景与现状

SwarmUI 处于 Beta 阶段,这意味着它已经为多数任务提供了优秀的工具,但仍然有一些计划中的功能尚未实现。对于初学者和专业用户来说,SwarmUI 被推荐为理想的界面。初学者倾向于使用简便的生成选项,而高级用户则可能更喜欢使用高级的图表功能。此外,SwarmUI还提供一些特别实用的功能,例如图片编辑器、自动流程生成器等。

项目目前尚需改进的重点功能包括:

  • 更好的手机浏览器支持
  • 在界面中详细展示当前模型的功能
  • LLM辅助提示功能
  • Swarm作为程序直接分发的便捷性(例如:Electron 应用)

如何尝试 SwarmUI

用户可以选择通过 Google Colab 或 Runpod 来体验此项目。需要注意的是,Google Colab 对免费账号的远程Web界面访问可能有限制。每个平台都提供了启动和使用的详细步骤,用户可以依据需求进行尝试。

安装指南

SwarmUI 可以在多个操作系统上进行安装,包括 Windows、Linux 和 Mac。

Windows 安装

对于 Windows 10 用户,可能需要先手动安装 git 和 DotNET 8 SDK。安装步骤包括下载并运行 Install-Windows.bat 文件,安装完成后会自动启动 SwarmUI 服务器并在浏览器中打开安装页面。

Linux 安装

在 Linux 系统上,用户需要确保已安装 git 和 python3,并随后通过使用 install-linux.sh 脚本进行安装。安装完成后,可以通过脚本再次启动 SwarmUI。

Mac 安装

SwarmUI 仅支持 M1 或 M2 Apple 芯片的 Mac 计算机。用户需要使用终端更新 brew 包,并下载并运行相应的安装脚本。

Docker 安装

对于有使用 Docker 需求的用户,需要安装 Nvidia 容器工具包,然后依据命令提示完成安装。

项目动机与法律信息

SwarmUI 名称中的“Swarm”寓意为最初的关键功能,即允许多个GPU同一时间为用户生成图像。SwarmUI 的整体目标是成为一个全面的、适用于所有稳定扩散相关任务的一站式工具。

SwarmUI 是依照 MIT 许可证发布,但请注意与连接项目有关的 GPL 变体许可证的部分使用条款。使用过程中,涉及的模型和扩展可能会具有自身的许可证要求。

SwarmUI 项目正在不断演进中,欢迎对项目感兴趣的用户参与开发贡献,从而推动其迈向一个更加完善和全面的正式发布阶段。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

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。

下拉加载更多