Interfaz web basada en Gradio para ejecutar Stable Diffusion y modelos recientes de imagen y video, que continúa el fork Forge con más compatibilidad y optimizaciones.
Alternativa open source a:Midjourney
Forge Neo es una interfaz web para generar imágenes y videos con Stable Diffusion y otros modelos de difusión. Es un fork de la plataforma Stable Diffusion WebUI Forge, continuado a partir de la última versión de Forge basada en Gradio 4.40.0 y centrado en la optimización y la facilidad de uso mediante una interfaz gráfica en el navegador.
El proyecto añade compatibilidad con varios modelos recientes, como Qwen-Image, Flux.2-Klein, Z-Image, Wan 2.2 (14B), Krea 2, Anima y Ernie-Image, además de variantes de ControlNet como LLLite, Union y Region. También incluye varios backends de atención (SageAttention, FlashAttention, xformers y PyTorch), VAE por mosaicos, compatibilidad con torch.compile y un sistema de presets reescrito que guarda las selecciones de checkpoint y parámetros.
La instalación se realiza mediante un script de inicio, con instalación opcional de paquetes basada en uv y flags de línea de comandos para gestionar la memoria, compartir directorios de modelos con otras interfaces y habilitar el acceso a la API. La exportación de video requiere FFmpeg.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Interfaz gráfica de nodos, API y backend para ejecutar modelos de difusión localmente y generar imágenes, video, audio y contenido 3D.
Herramienta de código abierto basada en Stable Diffusion para generar cómics con personajes coherentes y secuencias de imagen a video de largo alcance.
Generador de imágenes offline y de código abierto basado en Stable Diffusion XL que permite centrarse en los prompts sin ajustar parámetros manualmente.
Motor creativo web para generar y editar imágenes con Stable Diffusion y otros modelos de IA, con un lienzo unificado y flujos de trabajo basados en nodos.
Modelos generativos de video de código abierto y gran escala para crear videos a partir de texto, imágenes o audio, y animar personajes.
Framework de serving que amplía vLLM para ejecutar modelos omnimodales que generan texto, imágenes, audio, video y acciones.