Image Studio — lokal AI-bildgenerering på en Mac

Visa källkoden på GitHub ↗

Sammanhang

Qwen-Image 2.1 är en öppen bildmodell som både kan generera och redigera bilder. Att köra den kräver oftast en molntjänst eller en graf av lågnivånoder. Image Studio är ett eget projekt med öppen källkod som lägger modellen bakom en instruktionsruta och en arbetsyta, på en Mac.

Problem

Skapa från en instruktion, och redigera och kombinera egna bilder utan att skicka dem någonstans: lägg in upp till 10 bilder och hänvisa till dem med nummer ("häng bild 2 på väggen i bild 1"), be om en transparent PNG, ta bort en bakgrund och koppla ihop stegen på en nodyta.

Förutsättningar

Allt körs lokalt: inget konto, inget moln, ingen uppladdning. Det kräver en Mac med Apple silicon, 64 GB minne och cirka 95 GB ledigt diskutrymme. Docker på en Mac når inte grafikprocessorn, så bildmotorn måste köras direkt på datorn bredvid den containeriserade appen.

Roll

Ensam upphovsperson — har designat, byggt och publicerat projektet och underhåller det.

Arkitektur

Ett webbgränssnitt i TypeScript och en Python-server i FastAPI med SQLite körs i Docker. Motorn, ComfyUI med GGUF-modellfiler, körs direkt på Apples grafikprocessor som en inloggningstjänst. Varje generering är en liten graf av steg som servern kör i bakgrunden, och bilderna sparas som vanliga PNG-filer i de mappar du väljer, med instruktion och inställningar lagrade i varje fil.

Vägval

Två lösningar för Apples GPU-backend. VAE:n körs på processorn: på Macens grafikprocessor hade en kodning och avkodning fram och tillbaka ett medelfel på 54/255, mot 1,8 på processorn, och redigerade bilder blev gråa. De officiella textkodarna är int8, och Macens grafikprocessor saknar matrismultiplikation för int8, så installationen konverterar dem en gång till bf16; det tog den promptförbättrande 9B-modellen från cirka 0,4 till cirka 11 token per sekund.

Utfall

Publicerat som fri programvara med öppen källkod under AGPL-3.0. En bild i 1K tog 85 till 100 sekunder på en M5 Max. Det installeras med en enda instruktion i Claude Code, Codex, Gemini CLI eller Cursor, eller för hand.

Underlag

Öppen kodbas på GitHub: koden, commithistoriken, arkitekturanteckningarna bakom båda lösningarna och installationsguiden.

Sekretess

Ingen. Projektet är publikt och har öppen källkod. Modellvikterna ingår inte; de omfattas av Qwen Research License, som bara tillåter icke-kommersiell forskning.