biniou下載 - biniou原始碼下載

biniou

其他源碼

1.0.0

下載

家

比尼歐截圖

biniou 是一個用於多種 GenAI（產生人工智慧）的自託管 WebUI。即使沒有專用 GPU 並且記憶體從 8GB 起，您也可以使用 AI 生成多媒體內容並在自己的電腦上使用聊天機器人。可以離線工作（部署並下載所需模型後）。

GNU/Linux [ OpenSUSE 基礎 | RHEL 基礎 | Debian 基礎] • Windows • macOS Intel（實驗性） • Docker
文檔❓ |陳列室？

更新

？ 2024-11-23 :本週更新>
- 新增對聊天機器人模型 prithivMLmods/Llama-Doctor-3.2-3B-Instruct-GGUF 的支援。
- 加入對Flux LoRA 模型angerzonehf/Flux-Super-Realism-LoRA、angerzonehf/Flux-Midjourney-Mix-LoRA、Norod78/Flux_1_Dev_LoRA_Paper-Cutout-Style、prithivMLmods/Knitted-Character 的支持。 , renderartist/retroadflux、prithivMLmods/Flux.1-Dev-Realtime-Toon-Mix 和 prithivMLmods/Flux-Product-Ad-Backdrop。
？ 2024-11-16 :本週更新>
- 增加對聊天機器人模型 bartowski/SuperNova-Medius-GGUF 和 bartowski/OpenCoder-8B-Instruct-GGUF 的支援。
- 新增對Flux LoRA 模型的支援Shakker-Labs/FLUX.1-dev-LoRA-Text-Poster、dataautogpt3/FLUX-SyntheticAnime、prithivMLmods/Canopus-Pixar-3D-Flux-LoRA、prithivMLmods/Flux-Dev-Real-An - LoRA、glif-loradex-trainer/shipley_flux_dev_AlicesInWonderland_v2、prithivMLmods/Ton618-Only-Stickers-Flux-LoRA、markury/surrealidescent、FounderFeed/gta-style-lora、Keltezaa/surrealidescent、dv-post-postxex-d-lora、Keltezaa/vie-post-postx /flux-lora-復古塔羅牌。
- 增加對 SD 3.5 Large LoRA 型號 nerijs/pixel-art-3.5L 的支援。
- 加入對 Flux 到 IP 適配器模組的初步支援。
- 向 ControlNet 模組添加對 Flux 的初步支援（目前僅 canny 和 Depth 正在工作）。
- 優化和錯誤修復。
？ 2024-11-09 :本週更新>
- 加入聊天機器人模型 bartowski/SmolLM2-1.7B-Instruct-GGUF、bartowski/cybertron-v4-qw7B-MGS-GGUF 和 bartowski/OpenChat-3.5-0106_32K-PoSE-GGUF 的支援。
- 將聊天機器人模型 Llama-3.2-3B-Instruct-GGUF 更新為 bartowski/Llama-3.2-3B-Instruct-uncensored-GGUF。
- 增加對許多 Flux LoRA 模型的支援。最引人注目的是快速 LoRA 模型 Lingyuzhou/Hyper_Flux.1_Dev_4_step_Lora，它允許分 4 步進行推理。如果您使用 Flux，絕對值得一試。
- 為 img2img 模組新增對 Flux 和 Flux LoRA 模型的支援。
- 增加對 SD 3.5 Medium LoRA 模型的支持，以實現穩定擴散和 img2img 模組。
- 向 Flux LoRA 模型新增類別。
- 修正了 docker 與多個硬碟一起使用時的錯誤，並修復了 img2img 模組設定中的問題。
？ 2024-11-02 :本週更新>
- 在 Stable Diffusion 和 img2img 模組中新增對 SD 3.5 型號 ariG23498/sd-3.5-merged 和 adamo1139/stable-diffusion-3.5-medium-ungated 的支援。
- 加入對聊天機器人模型 bartowski/granite-3.0-8b-instruct-GGUF 的支援。
- 添加對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（最後一個給出了很棒的結果！
- 增加對 SD 3.5 LoRA 模型 alvarobartt/ghibli-characters-sd3.5-lora、reverentelusarca/ancient-style-sd35 和 Wadaka/NewYorkerComic_Style 的支援。
- img2img 模組新增對 SD 3.5 型號的支援。
？ 2024-10-26 :本週更新>
- 正如先前宣布的那樣，Stable Diffusion 模組現在支援 Flux 型號 Freepik/flux.1-lite-8B-alpha 和 SD 3.5 型號 adamo1139/stable-diffusion-3.5-large-turbo-ungated。支援將擴展到所有符合條件的模組。也要在這些型號上加入對 LoRA 的支援。
- 在所有基於穩定擴散的模組中新增對 SDXL 模型 dataautogpt3/Proteus-v0.6 的支援。
- 加入對 Chatbot 模型 anthracite-org/magnum-v4-9b-gguf 和 bartowski/Ministral-8B-Instruct-2410-GGUF 的支援。
- 加入對 SDXL LoRA 型號 KappaNeuro/moebius-jean-giraud-style 的支援。

已歸檔更新列表

選單

• 特徵
• 先決條件
• 安裝
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 安裝
Dockerfile
• CUDA 支援
• 如何使用
• 很高興知道
• 製作人員
• 執照

特徵

文字生成使用：
- ✍️ 基於 llama-cpp 的聊天機器人模組（使用 .gguf 模型）
- ?️ Llava 多模式聊天機器人模組（使用 .gguf 模型）
- ?️ Microsoft GIT 圖像字幕模組
- ？ Whisper 語音轉文字模組
- nllb翻譯模組（200種語言）
- 提示產生器（ChatGPT 輸出類型需要 16GB+ RAM）
影像生成和修改使用：
- ?️穩定擴散模組
- ️康丁斯基模組（需16GB+ RAM）
- ?️ 潛在一致性模型模組
- ?️ Midjourney-mini 模組
- ️PixArt-Alpha模組
- ?️穩定的擴散Img2img模組
- ?️ IP 適配器模組
- ️穩定的擴散影像變化模組（需要16GB+ RAM）
- ?️ 指導Pix2Pix模組
- ️MagicMix 模組
- ?️ 穩定的擴散修復模組
- ?️ Fantasy Studio Paint by Example 模組（需要 16GB+ RAM）
- ?️ 穩定的 Diffusion Outpaint 模組（需要 16GB+ RAM）
- ?️穩定擴散ControlNet模組
- ?️ Photobooth 模組
- ？ Insight Face換臉模組
- ？真正的 ESRGAN 升頻器模組
- ?GFPGAN人臉修復模組
音訊生成使用：
- ？音樂生成模組
- ？ MusicGen Melody 模組（需要 16GB+ RAM）
- ？音樂LDM模組
- ？ Audiogen 模組（需 16GB+ RAM）
- ？和聲模組
- 樹皮模組
影片產生和修改使用：
- ？ Modelscope 模組（需 16GB+ RAM）
- ？ Text2Video-零模組
- ？ AnimateDiff 模組（需要 16GB+ RAM）
- ？穩定的視訊擴散模組（需要16GB+ RAM）
- ?️ Video Instruct-Pix2Pix 模組（需 16GB+ RAM）
3D 物件生成使用：
- ？ Shape-E txt2shape模組
- ？ Shap-E img2shape 模組（需 16GB+ RAM）
其他特點
- Zeroconf 透過一鍵安裝程式或 Windows exe 安裝。
- 使用者友好：運行 biniou 所需的一切都會在安裝時或首次使用時自動安裝。
- WebUI 語言有英文、法文、中文（繁體）。
- 透過直接在 webui 內的控制面板輕鬆管理：只需單擊即可更新、重新啟動、關閉、啟動身份驗證、控製網路存取或線上共享您的實例。
- 透過簡單的介面輕鬆管理模型。
- 模組之間的通訊：將輸出作為輸入發送到另一個模組
- 供電？擁抱臉和梯度
- 跨平台：GNU/Linux、Windows 10/11 和 macOS（實驗性，透過自製程式）
- 適用於雲端實例的便利 Dockerfile
- 產生設定保存為每個內容中的元資料。
- 支援 CUDA（請參閱 CUDA 支援）
- ROCm 的實驗支援（請參閱此處）
- 支援穩定擴散 SD-1.5、SD-2.1、SD-Turbo、SDXL、SDXL-Turbo、SDXL-Lightning、Hyper-SD、穩定擴散 3、LCM、VegaRT、Segmind、Playground-v2、Koala、Pixart-Alpha、 Pixart -Sigma、Kandinsky 和相容模型，透過內建模型清單或獨立的.safetensors 文件
- 支援 LoRA 型號（SD 1.5、SDXL 和 SD3）
- 支援文字倒置
- 透過簡單的設定即可支援 llama-cpp-python 優化 CUDA、OpenBLAS、OpenCL BLAS、ROCm 和 Vulkan
- 透過內建模型清單或獨立的 .gguf 檔案支援 Llama/2/3、Mistral、Mixtral 和相容的 GGUF 量化模型。
- TheBloke GGUF 量化模型的輕鬆複製/貼上整合。

先決條件

最少的硬體：
- 64位元CPU（僅限AMD64架構）
- 8GB記憶體
- 儲存要求：
  - 對於 GNU/Linux：至少 20GB 用於安裝（不含型號）。
  - 對於 Windows：至少 30GB 用於安裝（無型號）。
  - 對於 macOS：至少 ??GB 用於安裝（不含型號）。
- 儲存類型 : 硬碟
- 網路存取（僅安裝和模型下載時需要）：無限頻寬光纖網路接入
推薦硬體：
- 大規模多核心 64 位元 CPU（僅限 AMD64 架構）和與 CUDA 或 ROCm 相容的 GPU
- 16GB+ 內存
- 儲存要求：
  - 對於 GNU/Linux：大約 200GB 用於安裝，包括所有預設模型。
  - 對於 Windows：約 200GB 用於安裝，包括所有預設型號。
  - 對於 macOS：大約 GB 用於安裝，包括所有預設型號。
- 儲存類型：SSD Nvme
- 網路存取（僅安裝和模型下載時需要）：無限頻寬光纖網路接入
作業系統 :
- 64 位元作業系統：
  - Debian 12
  - 烏班圖 22.04.3 / 24.04
  - Linux 薄荷 21.2+ / 22
  - 洛奇9.3
  - 阿爾瑪9.3
  - CentOS 流 9
  - 軟呢帽 39
  - OpenSUSE Leap 15.5
  - OpenSUSE 風滾草
  - Windows 10 22H2
  - Windows 11 22H2
  - 蘋果系統？

注意：biniou 支援 Cuda 或 ROCm，但不需要專用 GPU 即可運作。您可以將其安裝在虛擬機器中。

安裝

GNU/Linux

OpenSUSE Leap 15.5 / OpenSUSE Tumbleweed

一鍵安裝程式：

複製/貼上並在終端機中執行以下命令：

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

一鍵安裝程式：

複製/貼上並在終端機中執行以下命令：

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+

一鍵安裝程式：

複製/貼上並在終端機中執行以下命令：

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

手動安裝：

以 root 身分安裝先決條件：

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

以使用者身分複製此儲存庫：

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

啟動安裝程式：

 cd ./biniou
./install.sh

（可選，但強烈建議）以 root身份安裝TCMalloc 以優化記憶體管理：

apt install google-perftools

Windows 10 / Windows 11

Windows安裝比GNU/Linux有更多的先決條件，並且需要以下軟體（將自動安裝）：

git
Python 3.11（特別是 3.11 版本）
開放式SSL
Visual Studio 建置工具
Windows 10/11 SDK
克雷迪斯特
ffmpeg
……以及它們所有的依賴項。

您的作業系統會發生很多變化，這可能會為您的系統帶來不必要的行為，這取決於系統上已安裝的軟體。

️在開始安裝程序之前，您確實應該備份系統和資料。 ️

下載並執行：biniou_netinstall.exe

或者

下載並執行：install_win.cmd （右鍵單擊連結並選擇“將目標/連結另存為...”進行下載）

所有安裝都是自動進行的，但 Windows UAC 會要求您確認在「先決條件」階段安裝的每個軟體。您可以透過以管理員身分執行所選的安裝程式來避免這種情況。

️自提交 8d2537b 以來，Windows 用戶現在可以在使用install_win.cmd安裝時為 biniou 目錄定義自訂路徑️

請如下進行：

下載並編輯install_win.cmd
修改set DEFAULT_BINIOU_DIR="%userprofile%" set DEFAULT_BINIOU_DIR="E:datassomedir" （例如）
僅使用絕對路徑（例如： E:datassomedir而不是.datassomedir ）
不要加入尾部斜線（例如： E:datassomedir而不是E:datassomedir ）
不要在路徑中加入「biniou」後綴（例如： E:datassomedirbiniou ），因為 biniou 目錄將由 git clone 指令建立
儲存並啟動 install_win.cmd

macOS Intel Homebrew 安裝

️ Homebrew 安裝理論上與 macOS Intel 相容，但尚未經過測試。使用風險自負。另請注意，biniou 目前與 Apple 晶片不相容。任何透過討論或問題單對此過程的回饋都將非常感激。 ️

️更新 01/09/2024：感謝 @lepicodon，為 Apple Silicon 的用戶提供了一個解決方法：您可以使用 OrbStack 在虛擬機器中安裝 biniou。請參閱此評論以獲取解釋。 ️

為您的作業系統安裝Homebrew
安裝所需的自製「瓶子」：

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

安裝python virtualenv ：

python3 -m pip install virtualenv

以使用者身分複製此儲存庫：

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

啟動安裝程式：

 cd ./biniou
./install.sh

Dockerfile

這些說明假設您已經配置好並且可以工作的 docker 環境。

建立泊塢視窗圖像：

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

或者，對於 CUDA 支援：

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

啟動容器：

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，對於 CUDA 支援：

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

透過 url存取webui：
https://127.0.0.1:7860 或 https://127.0.0.1:7860/?__theme=dark 用於深色主題（推薦）
...或將 127.0.0.1 替換為容器的 ip

注意：為了節省儲存空間，前面的容器啟動命令為所有 biniou 容器定義了公共共享卷，並確保容器在 OOM 崩潰時自動重新啟動。如果您不想要這些行為，請刪除--restart和-v參數。

CUDA支援

biniou 本身僅支援 cpu，以確保與各種硬體的兼容性，但您可以透過 Nvidia CUDA（如果您有功能性 CUDA 12.1 環境）或 AMD ROCm（如果您有功能性 ROCm 5.6 環境）輕鬆啟動 CUDA 支援透過在WebUI 控制模組中選擇要啟動的最佳化類型（CPU、CUDA 或適用於Linux 的ROCm）。

目前，除了 Chatbot、Llava 和 faceswap 模組之外的所有模組都可以從 CUDA 優化中受益。

如何使用

透過從 biniou 目錄執行來啟動：

對於 GNU/Linux ：

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

對於 Windows ：

雙擊 biniou 目錄（C:Users%username%biniou）中的webui.cmd 。當UAC詢問時，根據您的網路類型配置防火牆以授權存取webui

注意：在 Windows 11 上首次啟動可能會非常慢（與其他作業系統相比）。

透過 url存取webui：
https://127.0.0.1:7860 或 https://127.0.0.1:7860/?__theme=dark 用於深色主題（推薦）
您也可以從相同 LAN/Wifi 網路上的任何裝置（包括智慧型手機）存取 biniou，只需將 url 中的 127.0.0.1 替換為 biniou 主機 IP 位址即可。
在終端機中使用鍵盤快速鍵 CTRL+C退出
使用 WebUI 控制項更新選項更新此應用程式（biniou + python 虛擬環境）。

很高興知道

崩潰最常見的原因是主機記憶體不足。症狀是 biniou 程式關閉並返回/關閉終端，沒有特定的錯誤訊息。您可以使用具有 8GB RAM 的 biniou，但建議至少使用 16GB 以避免 OOM（記憶體不足）錯誤。
biniou使用了很多不同的AI模型，這需要大量的空間：如果你想使用biniou中的所有模組，僅每個模組的預設模型就需要大約200GB的磁碟空間。模型會在每個模組首次運行時或在模組中選擇新模型並產生內容時下載。模型儲存在 biniou 安裝的目錄 /models 中。可以刪除未使用的模型以節省一些空間。
....因此，您將需要快速的互聯網訪問來下載模型。
biniou 資料夾的 /outputs 目錄中提供了產生的每個內容的備份。
biniou 本身僅依賴 CPU 來進行所有操作。它使用特定的僅 CPU 版本的 PyTorch。結果是與各種硬體具有更好的兼容性，但性能下降。根據您的硬件，速度可能會很慢。請參閱此處以了解 Nvidia CUDA 支援和 AMD ROCm 實驗支援（僅限 GNU/Linux）。
選擇預設設定以允許在低階電腦上產生內容，並具有最佳的效能/品質比。如果您的配置高於最低設置，您可以嘗試使用其他模型，增加媒體尺寸或持續時間，修改推理參數或其他設定（例如影像的標記合併）以獲得更好品質的內容。
biniou 根據 GNU GPL3 獲得許可，但 biniou 中使用的每個模型都有自己的許可證。請查閱每個模型許可證，以了解您可以對模型做什麼和不能做什麼。對於每個模型，您可以在關聯模組的「關於」部分找到該模型的 Huggingface 頁面的連結。
不要抱太大期望：biniou 正處於開發的早期階段，其中使用的大多數開源軟體都在開發中（有些仍處於實驗階段）。
每個 biniou 模組提供 2 個手風琴元素關於和設定：
- 關於是一個快速幫助功能，它描述了該模組並提供如何使用它的說明和提示。
- 設定是特定於模組的面板設置，可讓您配置生成參數。