biniou下载 - biniou源码下载

biniou

其他源码

1.0.0

下载

家

比尼欧截图

biniou 是一个用于多种 GenAI（生成人工智能）的自托管 WebUI。即使没有专用 GPU 并且内存从 8GB 起，您也可以使用 AI 生成多媒体内容并在自己的计算机上使用聊天机器人。可以离线工作（部署并下载所需模型后）。

GNU/Linux [ OpenSUSE 基础 | RHEL 基础 | Debian 基础] • Windows • macOS Intel（实验性） • Docker
文档❓ |陈列室？️

更新

？ 2024-11-23 :本周更新>
- 添加对聊天机器人模型 prithivMLmods/Llama-Doctor-3.2-3B-Instruct-GGUF 的支持。
- 添加对 Flux LoRA 模型的支持angerzonehf/Flux-Super-Realism-LoRA、angerzonehf/Flux-Midjourney-Mix-LoRA、Norod78/Flux_1_Dev_LoRA_Paper-Cutout-Style、prithivMLmods/Knitted-Character-Flux-LoRA、 Shakker-Labs/FLUX.1-dev-LoRA-Children-Simple-Sketch、renderartist/retrocomicflux、prithivMLmods/Seamless-Pattern-Design-Flux-LoRA、alvdansen/haunted_linework_flux、prithivMLmods/Flux.1-Dev-Poster-HQ- LoRA，Grohv/randart2_lora， renderartist/retroadflux、prithivMLmods/Flux.1-Dev-Realtime-Toon-Mix 和 prithivMLmods/Flux-Product-Ad-Backdrop。
？ 2024-11-16 :本周更新>
- 添加对聊天机器人模型 bartowski/SuperNova-Medius-GGUF 和 bartowski/OpenCoder-8B-Instruct-GGUF 的支持。
- 添加对 Flux LoRA 模型的支持 Shakker-Labs/FLUX.1-dev-LoRA-Text-Poster、dataautogpt3/FLUX-SyntheticAnime、prithivMLmods/Canopus-Pixar-3D-Flux-LoRA、prithivMLmods/Flux-Dev-Real-Anime-洛拉， glif-loradex-trainer/shipley_flux_dev_AlicesAdventuresInWonderland_v2、prithivMLmods/Ton618-Only-Stickers-Flux-LoRA、markury/surrealidescent、FounderFeed/gta-style-lora、Keltezaa/movie-poster-ce-sdxl-flux、 FounderFeed/MidjourneyMeetFlux 和 dooart/flux-lora-vintage-tarot。
- 添加对 SD 3.5 Large LoRA 型号 nerijs/pixel-art-3.5L 的支持。
- 添加对 Flux 到 IP 适配器模块的初步支持。
- 向 ControlNet 模块添加对 Flux 的初步支持（当前仅 canny 和 Depth 正在工作）。
- 优化和错误修复。
？ 2024-11-09 :本周更新>
- 添加对聊天机器人模型 bartowski/SmolLM2-1.7B-Instruct-GGUF、bartowski/cybertron-v4-qw7B-MGS-GGUF 和 bartowski/OpenChat-3.5-0106_32K-PoSE-GGUF 的支持。
- 将聊天机器人模型 Llama-3.2-3B-Instruct-GGUF 更新为 bartowski/Llama-3.2-3B-Instruct-uncensored-GGUF。
- 添加对许多 Flux LoRA 模型的支持。最引人注目的是快速 LoRA 模型 Lingyuzhou/Hyper_Flux.1_Dev_4_step_Lora，它允许分 4 步进行推理。如果您使用 Flux，绝对值得一试。
- 为 img2img 模块添加对 Flux 和 Flux LoRA 模型的支持。
- 添加对 SD 3.5 Medium LoRA 模型的支持，以实现稳定扩散和 img2img 模块。
- 向 Flux LoRA 模型添加类别。
- 修复了 docker 与多个硬盘一起使用时的错误，并修复了 img2img 模块设置中的问题。
？ 2024-11-02 :本周更新>
- 向 Stable Diffusion 和 img2img 模块添加对 SD 3.5 型号 ariG23498/sd-3.5-merged 和adamo1139/stable-diffusion-3.5-medium-ungated 的支持。
- 添加对聊天机器人模型 bartowski/granite-3.0-8b-instruct-GGUF 的支持。
- 添加对 Flux LoRA 模型 dvyio/flux-lora-seventies-photograph、Bootoshi/retroanime、XLabs-AI/flux-RealismLora 和 prithivMLmods/Ton618-Tarot-Cards-Flux-LoRA 的支持（最后一个给出了很棒的结果！）。
- 添加对 SD 3.5 LoRA 模型 alvarobartt/ghibli-characters-sd3.5-lora、reverentelusarca/ancient-style-sd35 和 Wadaka/NewYorkerComic_Style 的支持。
- img2img 模块添加对 SD 3.5 型号的支持。
？ 2024-10-26 :本周更新>
- 正如之前宣布的那样，Stable Diffusion 模块现在支持 Flux 型号 Freepik/flux.1-lite-8B-alpha 和 SD 3.5 型号 adamo1139/stable-diffusion-3.5-large-turbo-ungated。支持将扩展到所有符合条件的模块。还要在这些型号上添加对 LoRA 的支持。
- 向所有基于稳定扩散的模块添加对 SDXL 模型 dataautogpt3/Proteus-v0.6 的支持。
- 添加对 Chatbot 模型 anthracite-org/magnum-v4-9b-gguf 和 bartowski/Ministral-8B-Instruct-2410-GGUF 的支持。
- 添加对 SDXL LoRA 模型 KappaNeuro/moebius-jean-giraud-style 的支持。

已归档更新列表

菜单

• 特征
• 先决条件
• 安装
GNU/Linux
OpenSUSE Leap 15.5 / OpenSUSE Tumbleweed
洛基 9.3 / Alma 9.3 / CentOS Stream 9 / Fedora 39
Debian 12 / Ubuntu 22.04.3 / Ubuntu 24.04 / Linux Mint 21.2
Windows 10 / Windows 11
macOS Intel Homebrew 安装
Dockerfile
• CUDA 支持
• 如何使用
• 很高兴知道
• 制作人员
• 执照

特征

文本生成使用：
- ✍️ 基于 llama-cpp 的聊天机器人模块（使用 .gguf 模型）
- ?️ Llava 多模式聊天机器人模块（使用 .gguf 模型）
- ?️ Microsoft GIT 图像字幕模块
- ？ Whisper 语音转文本模块
- nllb翻译模块（200种语言）
- 提示生成器（ChatGPT 输出类型需要 16GB+ RAM）
图像生成和修改使用：
- ?️稳定扩散模块
- ️康定斯基模块（需要16GB+ RAM）
- ?️ 潜在一致性模型模块
- ?️ Midjourney-mini 模块
- ️PixArt-Alpha模块
- ?️稳定的扩散Img2img模块
- ?️ IP 适配器模块
- ️稳定的扩散图像变化模块（需要16GB+ RAM）
- ?️ 指导Pix2Pix模块
- ️MagicMix 模块
- ?️ 稳定的扩散修复模块
- ?️ Fantasy Studio Paint by Example 模块（需要 16GB+ RAM）
- ?️ 稳定的 Diffusion Outpaint 模块（需要 16GB+ RAM）
- ?️稳定扩散ControlNet模块
- ?️ Photobooth 模块
- ？ Insight Face换脸模块
- ？真正的 ESRGAN 升频器模块
- ?GFPGAN人脸修复模块
音频生成使用：
- ？音乐生成模块
- ？ MusicGen Melody 模块（需要 16GB+ RAM）
- ？音乐LDM模块
- ？ Audiogen 模块（需要 16GB+ RAM）
- ？和声模块
- 树皮模块
视频生成和修改使用：
- ？ Modelscope 模块（需要 16GB+ RAM）
- ？ Text2Video-零模块
- ？ AnimateDiff 模块（需要 16GB+ RAM）
- ？稳定的视频扩散模块（需要16GB+ RAM）
- ?️ Video Instruct-Pix2Pix 模块（需要 16GB+ RAM）
3D 对象生成使用：
- ？ Shape-E txt2shape模块
- ？ Shap-E img2shape 模块（需要 16GB+ RAM）
其他特点
- 通过一键安装程序或 Windows exe 安装 Zeroconf。
- 用户友好：运行 biniou 所需的一切都会在安装时或首次使用时自动安装。
- WebUI 语言有英语、法语、中文（繁体）。
- 通过直接在 WebUI 内的控制面板轻松管理：只需单击一下即可更新、重新启动、关闭、激活身份验证、控制网络访问或在线共享实例。
- 通过简单的界面轻松管理模型。
- 模块之间的通信：将输出作为输入发送到另一个模块
- 供电？拥抱脸和梯度
- 跨平台：GNU/Linux、Windows 10/11 和 macOS（实验性，通过自制程序）
- 适用于云实例的便捷 Dockerfile
- 生成设置保存为每个内容中的元数据。
- 支持 CUDA（请参阅 CUDA 支持）
- ROCm 的实验支持（参见此处）
- 支持稳定扩散 SD-1.5、SD-2.1、SD-Turbo、SDXL、SDXL-Turbo、SDXL-Lightning、Hyper-SD、稳定扩散 3、LCM、VegaRT、Segmind、Playground-v2、Koala、Pixart-Alpha、 Pixart-Sigma、Kandinsky 和兼容模型，通过内置模型列表或独立的 .safetensors 文件
- 支持 LoRA 型号（SD 1.5、SDXL 和 SD3）
- 支持文本倒置
- 通过简单的设置即可支持 llama-cpp-python 优化 CUDA、OpenBLAS、OpenCL BLAS、ROCm 和 Vulkan
- 通过内置模型列表或独立的 .gguf 文件支持 Llama/2/3、Mistral、Mixtral 和兼容的 GGUF 量化模型。
- TheBloke GGUF 量化模型的轻松复制/粘贴集成。

先决条件

最少的硬件：
- 64位CPU（仅限AMD64架构）
- 8GB内存
- 存储要求：
  - 对于 GNU/Linux：至少 20GB 用于安装（不带型号）。
  - 对于 Windows：至少 30GB 用于安装（无型号）。
  - 对于 macOS：至少 ??GB 用于安装（不带型号）。
- 存储类型 : 硬盘
- 互联网接入（仅安装和模型下载时需要）：无限带宽光纤互联网接入
推荐硬件：
- 大规模多核 64 位 CPU（仅限 AMD64 架构）和与 CUDA 或 ROCm 兼容的 GPU
- 16GB+ 内存
- 存储要求：
  - 对于 GNU/Linux：大约 200GB 用于安装，包括所有默认模型。
  - 对于 Windows：大约 200GB 用于安装，包括所有默认型号。
  - 对于 macOS：大约 GB 用于安装，包括所有默认型号。
- 存储类型：SSD Nvme
- 互联网接入（仅安装和模型下载时需要）：无限带宽光纤互联网接入
操作系统：
- 64 位操作系统：
  - Debian 12
  - 乌班图 22.04.3 / 24.04
  - Linux 薄荷 21.2+ / 22
  - 洛奇9.3
  - 阿尔玛9.3
  - CentOS 流 9
  - 软呢帽 39
  - OpenSUSE Leap 15.5
  - OpenSUSE 风滚草
  - Windows 10 22H2
  - Windows 11 22H2
  - 苹果系统？？？

注意：biniou 支持 Cuda 或 ROCm，但不需要专用 GPU 即可运行。您可以将其安装在虚拟机中。

安装

GNU/Linux

OpenSUSE Leap 15.5 / OpenSUSE Tumbleweed

一键安装程序：

复制/粘贴并在终端中执行以下命令：

sh <( curl https://raw.githubusercontent.com/Woolverine94/biniou/main/oci-opensuse.sh || wget -O - https://raw.githubusercontent.com/Woolverine94/biniou/main/oci-opensuse.sh )

洛基 9.3 / Alma 9.3 / CentOS Stream 9 / Fedora 39

一键安装程序：

复制/粘贴并在终端中执行以下命令：

sh <( curl https://raw.githubusercontent.com/Woolverine94/biniou/main/oci-rhel.sh || wget -O - https://raw.githubusercontent.com/Woolverine94/biniou/main/oci-rhel.sh )

Debian 12 / Ubuntu 22.04.3 / Ubuntu 24.04 / Linux Mint 21.2+

一键安装程序：

复制/粘贴并在终端中执行以下命令：

sh <( curl https://raw.githubusercontent.com/Woolverine94/biniou/main/oci-debian.sh || wget -O - https://raw.githubusercontent.com/Woolverine94/biniou/main/oci-debian.sh )

手动安装：

以 root 身份安装先决条件：

apt install git pip python3 python3-venv gcc perl make ffmpeg openssl

以用户身份克隆此存储库：

git clone https://github.com/Woolverine94/biniou.git

启动安装程序：

 cd ./biniou
./install.sh

（可选，但强烈推荐）以 root身份安装TCMalloc 以优化内存管理：

apt install google-perftools

Windows 10 / Windows 11

Windows安装比GNU/Linux有更多的先决条件，并且需要以下软件（将自动安装）：

git
Python 3.11（特别是 3.11 版本）
开放式SSL
Visual Studio 构建工具
Windows 10/11 SDK
克雷迪斯特
ffmpeg
...以及它们所有的依赖项。

您的操作系统会发生很多变化，这可能会给您的系统带来不需要的行为，具体取决于系统上已安装的软件。

️在开始安装过程之前，您确实应该备份系统和数据。 ️

下载并执行：biniou_netinstall.exe

或者

下载并执行：install_win.cmd （右键单击链接并选择“将目标/链接另存为...”进行下载）

所有安装都是自动进行的，但 Windows UAC 会要求您确认在“先决条件”阶段安装的每个软件。您可以通过以管理员身份运行所选的安装程序来避免这种情况。

️自提交 8d2537b 以来，Windows 用户现在可以在使用install_win.cmd安装时为 biniou 目录定义自定义路径️

请按如下方式进行：

下载并编辑install_win.cmd
修改set DEFAULT_BINIOU_DIR="%userprofile%"以set DEFAULT_BINIOU_DIR="E:datassomedir" （例如）
仅使用绝对路径（例如： E:datassomedir而不是.datassomedir ）
不要添加尾部斜杠（例如： E:datassomedir而不是E:datassomedir ）
不要在路径中添加“biniou”后缀（例如： E:datassomedirbiniou ），因为 biniou 目录将由 git clone 命令创建
保存并启动 install_win.cmd

macOS Intel Homebrew 安装

️ Homebrew 安装理论上与 macOS Intel 兼容，但尚未经过测试。使用风险自负。另请注意，biniou 目前与 Apple 芯片不兼容。如果您通过讨论或问题单对此程序提供任何反馈，我们将不胜感激。 ️

️更新 01/09/2024：感谢 @lepicodon，为 Apple Silicon 的用户提供了一个解决方法：您可以使用 OrbStack 在虚拟机中安装 biniou。请参阅此评论以获取解释。 ️

为您的操作系统安装Homebrew
安装所需的自制“瓶子”：

brew install git python3 gcc gcc@11 perl make ffmpeg openssl

安装python virtualenv ：

python3 -m pip install virtualenv

以用户身份克隆此存储库：

git clone https://github.com/Woolverine94/biniou.git

启动安装程序：

 cd ./biniou
./install.sh

Dockerfile

这些说明假设您已经配置好并且可以工作的 docker 环境。

创建泊坞窗图像：

docker build -t biniou https://github.com/Woolverine94/biniou.git

或者，对于 CUDA 支持：

docker build -t biniou https://raw.githubusercontent.com/Woolverine94/biniou/main/CUDA/Dockerfile

启动容器：

docker run -it --restart=always -p 7860:7860 
-v biniou_outputs:/home/biniou/biniou/outputs 
-v biniou_models:/home/biniou/biniou/models 
-v biniou_cache:/home/biniou/.cache/huggingface 
-v biniou_gfpgan:/home/biniou/biniou/gfpgan 
biniou:latest

或者，对于 CUDA 支持：

docker run -it --gpus all --restart=always -p 7860:7860 
-v biniou_outputs:/home/biniou/biniou/outputs 
-v biniou_models:/home/biniou/biniou/models 
-v biniou_cache:/home/biniou/.cache/huggingface 
-v biniou_gfpgan:/home/biniou/biniou/gfpgan 
biniou:latest

通过 url访问webui：
https://127.0.0.1:7860 或 https://127.0.0.1:7860/?__theme=dark 用于深色主题（推荐）
...或将 127.0.0.1 替换为容器的 ip

注意：为了节省存储空间，前面的容器启动命令为所有 biniou 容器定义了公共共享卷，并确保容器在 OOM 崩溃时自动重新启动。如果您不想要这些行为，请删除--restart和-v参数。

CUDA支持

biniou 本身仅支持 cpu，以确保与各种硬件的兼容性，但您可以通过 Nvidia CUDA（如果您有功能性 CUDA 12.1 环境）或 AMD ROCm（如果您有功能性 ROCm 5.6 环境）轻松激活 CUDA 支持通过在 WebUI 控制模块中选择要激活的优化类型（CPU、CUDA 或适用于 Linux 的 ROCm）。

目前，除了 Chatbot、Llava 和 faceswap 模块之外的所有模块都可以从 CUDA 优化中受益。

如何使用

通过从 biniou 目录执行来启动：

对于 GNU/Linux ：

 cd /home/ $USER /biniou
./webui.sh

对于 Windows ：

双击 biniou 目录（C:Users%username%biniou）中的webui.cmd 。当UAC询问时，根据您的网络类型配置防火墙以授权访问webui

注意：在 Windows 11 上首次启动可能会非常慢（与其他操作系统相比）。

通过 url访问webui：
https://127.0.0.1:7860 或 https://127.0.0.1:7860/?__theme=dark 用于深色主题（推荐）
您还可以从同一 LAN/Wifi 网络上的任何设备（包括智能手机）访问 biniou，只需将 url 中的 127.0.0.1 替换为 biniou 主机 IP 地址即可。
在终端中使用键盘快捷键 CTRL+C退出
使用 WebUI 控件更新选项更新此应用程序（biniou + python 虚拟环境）。

很高兴知道

崩溃的最常见原因是主机内存不足。症状是 biniou 程序关闭并返回/关闭终端，没有特定的错误消息。您可以使用具有 8GB RAM 的 biniou，但建议至少使用 16GB 以避免 OOM（内存不足）错误。
biniou使用了很多不同的AI模型，这需要大量的空间：如果你想使用biniou中的所有模块，仅每个模块的默认模型就需要大约200GB的磁盘空间。模型会在每个模块首次运行时或当您在模块中选择新模型并生成内容时下载。模型存储在 biniou 安装的目录 /models 中。可以删除未使用的模型以节省一些空间。
...因此，您将需要快速的互联网访问来下载模型。
biniou 文件夹的 /outputs 目录中提供了生成的每个内容的备份。
biniou 本身仅依赖 CPU 来进行所有操作。它使用特定的仅 CPU 版本的 PyTorch。结果是与各种硬件具有更好的兼容性，但性能下降。根据您的硬件，速度可能会很慢。请参阅此处了解 Nvidia CUDA 支持和 AMD ROCm 实验支持（仅限 GNU/Linux）。
选择默认设置以允许在低端计算机上生成内容，并具有最佳的性能/质量比。如果您的配置高于最低设置，您可以尝试使用其他模型，增加媒体尺寸或持续时间，修改推理参数或其他设置（例如图像的标记合并）以获得更好质量的内容。
biniou 根据 GNU GPL3 获得许可，但 biniou 中使用的每个模型都有自己的许可证。请查阅每个模型许可证，了解您可以对模型执行哪些操作和不能执行哪些操作。对于每个模型，您可以在关联模块的“关于”部分找到该模型的 Huggingface 页面的链接。
不要抱太大期望：biniou 正处于开发的早期阶段，其中使用的大多数开源软件都在开发中（有些仍处于实验阶段）。
每个 biniou 模块都提供 2 个手风琴元素关于和设置：
- 关于是一个快速帮助功能，它描述了该模块并提供了如何使用它的说明和提示。
- 设置是特定于模块的面板设置，可让您配置生成参数。

制作人员

该应用程序使用以下软件和技术：

？ Huggingface：Diffusers 和 Transformers 库以及几乎所有的生成模型。
音阶：webUI
llama-cpp-python : llama-cpp 的 python 绑定
拉瓦
巴克拉瓦
微软 GIT：Image2text
耳语：语音2文本
nllb 翻译 : 语言翻译
稳定扩散：txt2img、img2img、图像变化、inpaint、ControlNet、Text2Video-Zero、img2vid
康定斯基 : txt2img
潜在一致性模型：txt2img
原相阿尔法 : 原相阿尔法
IP 适配器 : IP 适配器 img2img
指导 pix2pix : pix2pix
魔法混合：魔法混合
幻想工作室绘画示例：paintbyex
Controlnet 辅助模型：ControlNet 模块的预览模型
IP-Adapter FaceID : Photobooth 模块的适配器型号
Photobooth 模块的 Photomaker 适配器模型
洞察面孔：换脸
真正的 ESRGAN：升级者
GFPGAN：人脸恢复
Audiocraft：musicgen、musicgen 旋律、audiogen
音乐LDM : 音乐LDM
Harmonai : 和谐
树皮：文本2语音
Modelscope 文本到视频合成：txt2vid
动画LCM：txt2vid
打开AI Shap-E：txt2shape、img2shape
compel ：快速增强各种基于StableDiffusionPipeline的模块
tomesd ：各种基于StableDiffusionPipeline的模块的令牌合并
Python
火炬
git
ffmpeg

...以及它们所有的依赖项

执照

GNU 通用公共许可证 v3.0

GitHub @Woolverine94 ·

展开

附加信息

版本 1.0.0
类型其他源码
更新时间 2024-12-05
大小 1.61MB
来自于 Github

biniou

家

更新

菜单

特征

先决条件

安装

GNU/Linux

OpenSUSE Leap 15.5 / OpenSUSE Tumbleweed

一键安装程序：

洛基 9.3 / Alma 9.3 / CentOS Stream 9 / Fedora 39

一键安装程序：

Debian 12 / Ubuntu 22.04.3 / Ubuntu 24.04 / Linux Mint 21.2+

一键安装程序：

手动安装：

Windows 10 / Windows 11

macOS Intel Homebrew 安装

Dockerfile

CUDA支持

如何使用

很高兴知道

制作人员

执照

waymo open dataset

SmartTube

Sunamu

MySchedule.py

viptools for eslam

VITAident

chat.petals.dev

GPT Prompt Templates

GPTyped

waymo open dataset

SmartTube

Sunamu

waymo open dataset

wp functions

termwind