[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-bytedance--DreamO":3,"tool-bytedance--DreamO":62},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":10,"env_os":90,"env_gpu":91,"env_ram":92,"env_deps":93,"category_tags":101,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":102,"updated_at":103,"faqs":104,"releases":135},8118,"bytedance\u002FDreamO","DreamO","[SIGGRAPH Asia 2025] DreamO: A Unified Framework for Image Customization","DreamO 是一个由字节跳动开源的统一图像定制框架，旨在让用户通过简单的文本指令或参考图，高效地生成高度个性化的图像内容。它主要解决了传统 AI 绘图工具在保持主体特征一致性、处理复杂肢体结构以及避免画面过度饱和或“塑料感”等方面的痛点，显著提升了生成图像的审美质量和自然度。\n\n这款工具非常适合设计师、数字艺术家以及希望深入探索图像生成技术的开发者和研究人员使用。对于拥有消费级显卡的普通用户，DreamO 也提供了友好的支持方案。其独特的技术亮点包括对 FLUX-turbo 加速模型的深度集成，能将生成步数从 25 步缩减至 12 步，大幅提升效率；同时支持 Nunchaku 和 int8 等多种量化技术，成功将显存需求从 24GB 降低至 6.5GB，使得在 8GB 显存的家用显卡上流畅运行成为可能。此外，DreamO 已原生接入 ComfyUI 工作流，方便用户将其灵活整合到现有的创作管线中。作为一个荣获 SIGGRAPH Asia 2025 认可的项目，DreamO 在技术先进性与实用易用性之间取得了良好的平衡。","# DreamO\n\nOfficial implementation of **[DreamO: A Unified Framework for Image Customization](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.16915)**\n\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-Paper-\u003CCOLOR>.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.16915) [![demo](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F🤗-HuggingFace_Demo-orange)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FByteDance\u002FDreamO) \u003Cbr>\n\n### :triangular_flag_on_post: Updates\n* **2025.08.11**: 🎉 DreamO accepted by SIGGRAPH Asia 2025!\n* **2025.06.24**: 🔥🔥**We are excited to release DreamO v1.1 with significant improvements in image quality, reduced likelihood of body composition errors, and enhanced aesthetics**. [Learn more about the model](dreamo_v1.1.md)\n* **2025.06.26**: [Nunchaku](https:\u002F\u002Fgithub.com\u002Fmit-han-lab\u002Fnunchaku) is now supported for model quantization.\n* **2025.05.30**: 🔥 Native [ComfyUI implementation](https:\u002F\u002Fgithub.com\u002FToTheBeginning\u002FComfyUI-DreamO) is now available!\n* **2025.05.12**: Support consumer-grade GPUs (16GB or 24GB) now, see [here](#for-consumer-grade-gpus) for instruction\n* **2025.05.11**: We have updated the model to mitigate over-saturation and plastic-face issue. The new version shows consistent improvements over the previous release. Please check it out!\n* **2025.05.08**: release codes and models\n* 2025.04.24: release DreamO tech report.\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F385ba166-79df-40d3-bcd7-5472940fa24a\n\n## :wrench: Dependencies and Installation\n**note for v1.1**: In order to use Nunchaku for model quantization, we have updated the diffusers version to 0.33.1. If you have the older version 0.31.0 installed, please update diffusers; otherwise, the code will throw errors.\n```bash\n# clone DreamO repo\ngit clone https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO.git\ncd DreamO\n# create conda env\nconda create --name dreamo python=3.10\n# activate env\nconda activate dreamo\n# install dependent packages\npip install -r requirements.txt\n```\n**(optional) Nunchaku**: If you want to use Nunchaku for model quantization, please refer to the [original repo](https:\u002F\u002Fgithub.com\u002Fmit-han-lab\u002Fnunchaku) for installation guide.\n\n\n## :zap: Quick Inference\n### Local Gradio Demo\n```bash\npython app.py\n```\n```console\noptions:\n  --version {v1.1,v1}   default will use the latest v1.1 model, you can also switch back to v1\n  --offload             Enable 'quant=nunchaku' and 'offload' to reduce the original 24GB VRAM to 6.5GB.\n  --no_turbo            Use turbo to reduce the original 25 steps to 12 steps.\n  --quant {none,int8,nunchaku}\n                        Quantize to use: none(bf16), int8, nunchaku\n  --device DEVICE       Device to use: auto, cuda, mps, or cpu\n```\n\nWe observe strong compatibility between DreamO and the accelerated FLUX LoRA variant \n([FLUX-turbo](https:\u002F\u002Fhuggingface.co\u002Falimama-creative\u002FFLUX.1-Turbo-Alpha)), and thus enable Turbo LoRA by default, \nreducing inference to 12 steps (vs. 25+ by default). Turbo can be disabled via `--no_turbo`, though our evaluation shows mixed results; \nwe therefore recommend keeping Turbo enabled.\n\n**tips**: If you observe limb distortion or poor text generation, try increasing the guidance scale; if the image appears overly glossy or over-saturated, consider lowering the guidance scale.\n\n#### For consumer-grade GPUs\nCurrently, the code supports two quantization schemes: int8 from [optimum-quanto](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Foptimum-quanto) and [Nunchaku](https:\u002F\u002Fgithub.com\u002Fmit-han-lab\u002Fnunchaku). You can choose either one based on your needs and the actual results.\n- **For users with 8GB GPUs**, run `python app.py --nunchaku --offload` to enable CPU offloading alongside nunchaku quantization. According to the [feedback](https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fpull\u002F99), it takes about 20 seconds to generate a 1024-resolution image on NVIDIA 3080.\n\n- **For users with 24GB GPUs**, run `python app.py --quant int8` to enable the int8-quantized model or `python app.py --quant nunchaku` to enable the nunchaku-quantized model.\n\n- **For users with 16GB GPUs**, run `python app.py --int8 --offload` to enable CPU offloading alongside int8 quantization. Note that CPU offload significantly reduces inference speed and should only be enabled when necessary.\n\n#### For macOS Apple Silicon (M1\u002FM2\u002FM3\u002FM4)\nDreamO now supports macOS with Apple Silicon chips using Metal Performance Shaders (MPS). The app automatically detects and uses MPS when available.\n\n- **For macOS users**, simply run `python app.py` and the app will automatically use MPS acceleration.\n- **Manual device selection**: You can explicitly specify the device using `python app.py --device mps` (or `--device cpu` if needed).\n- **Memory optimization**: For devices with limited memory, you can combine MPS with quantization: `python app.py --device mps --int8`\n\n**Note**: Make sure you have PyTorch with MPS support installed. The current requirements.txt includes PyTorch 2.6.0+ which has full MPS support.\n\n### Supported Tasks\n#### IP\nThis task is similar to IP-Adapter and supports a wide range of inputs including characters, objects, and animals. \nBy leveraging VAE-based feature encoding, DreamO achieves higher fidelity than previous adapter methods, with a distinct advantage in preserving character identity.\n\n![IP_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_5dd1dee8dac6.png)\n\n#### ID\nHere, ID specifically refers to facial identity. Unlike the IP task, which considers both face and clothing, \nthe ID task focuses solely on facial features. This task is similar to InstantID and PuLID. \nCompared to previous methods, DreamO achieves higher facial fidelity, but introduces more model contamination than the SOTA approach PuLID.\n\n![ID_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_a744f09c38df.png)\n\ntips: If you notice the face appears overly glossy, try lowering the guidance scale.\n\n#### Try-On\nThis task supports inputs such as tops, bottoms, glasses, and hats, and enables virtual try-on with multiple garments. \nNotably, our training set does not include multi-garment or ID+garment data, yet the model generalizes well to these unseen combinations.\n\n![tryon_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_f37ad2e1d0a7.png)\n\n#### Style\nThis task is similar to Style-Adapter and InstantStyle. Please note that style consistency is currently less stable compared to other tasks, \nand in the current version, style cannot be combined with other conditions. We are working on improvements in future releases—stay tuned.\n\n![style_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_8dfd36a3f456.png)\n\n#### Multi Condition\nYou can use multiple conditions (ID, IP, Try-On) to generate more creative images. \nThanks to the feature routing constraint proposed in the paper, DreamO effectively mitigates conflicts and entanglement among multiple entities.\n\n![multi_cond_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_8c9543293512.png)\n\n### ComfyUI\n- native ComfyUI support: [ComfyUI-DreamO](https:\u002F\u002Fgithub.com\u002FToTheBeginning\u002FComfyUI-DreamO)\n\n\n### Online HuggingFace Demo\nYou can try DreamO demo on [HuggingFace](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FByteDance\u002FDreamO).\n\n\n## Disclaimer\n\nThis project strives to impact the domain of AI-driven image generation positively. Users are granted the freedom to\ncreate images using this tool, but they are expected to comply with local laws and utilize it responsibly.\nThe developers do not assume any responsibility for potential misuse by users.\n\n\n##  Citation\n\nIf DreamO is helpful, please help to ⭐ the repo.\n\nIf you find this project useful for your research, please consider citing our [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.16915).\n\n## :e-mail: Contact\nIf you have any comments or questions, please [open a new issue](https:\u002F\u002Fgithub.com\u002Fxxx\u002Fxxx\u002Fissues\u002Fnew\u002Fchoose) or contact [Yanze Wu](https:\u002F\u002Ftothebeginning.github.io\u002F) and [Chong Mou](mailto:eechongm@gmail.com).\n","# DreamO\n\n**[DreamO：用于图像定制的统一框架](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.16915)** 的官方实现\n\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-Paper-\u003CCOLOR>.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.16915) [![demo](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F🤗-HuggingFace_Demo-orange)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FByteDance\u002FDreamO) \u003Cbr>\n\n### :triangular_flag_on_post: 更新\n* **2025.08.11**: 🎉 DreamO 被 SIGGRAPH Asia 2025 接收！\n* **2025.06.24**: 🔥🔥**我们很高兴发布 DreamO v1.1，该版本在图像质量、减少身体构图错误以及提升美学效果方面均有显著改进**。[了解更多关于模型的信息](dreamo_v1.1.md)\n* **2025.06.26**: 现已支持使用 [Nunchaku](https:\u002F\u002Fgithub.com\u002Fmit-han-lab\u002Fnunchaku) 进行模型量化。\n* **2025.05.30**: 🔥 原生 [ComfyUI 实现](https:\u002F\u002Fgithub.com\u002FToTheBeginning\u002FComfyUI-DreamO)现已可用！\n* **2025.05.12**: 现在支持消费级 GPU（16GB 或 24GB），请参阅 [此处](#for-consumer-grade-gpus) 获取说明。\n* **2025.05.11**: 我们更新了模型，以缓解过度饱和和“塑料脸”问题。新版本相比之前有持续性的改进，请试用一下！\n* **2025.05.08**: 发布代码和模型。\n* 2025.04.24：发布 DreamO 技术报告。\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F385ba166-79df-40d3-bcd7-5472940fa24a\n\n## :wrench: 依赖与安装\n**v1.1 注意事项**：为了使用 Nunchaku 进行模型量化，我们将 diffusers 版本更新至 0.33.1。如果您安装的是旧版本 0.31.0，请更新 diffusers；否则代码会报错。\n```bash\n# 克隆 DreamO 仓库\ngit clone https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO.git\ncd DreamO\n# 创建 conda 环境\nconda create --name dreamo python=3.10\n# 激活环境\nconda activate dreamo\n# 安装依赖包\npip install -r requirements.txt\n```\n**(可选) Nunchaku**：如果您想使用 Nunchaku 进行模型量化，请参考 [原始仓库](https:\u002F\u002Fgithub.com\u002Fmit-han-lab\u002Fnunchaku) 获取安装指南。\n\n\n## :zap: 快速推理\n### 本地 Gradio 演示\n```bash\npython app.py\n```\n```console\n选项：\n  --version {v1.1,v1}   默认使用最新的 v1.1 模型，您也可以切换回 v1\n  --offload             启用 'quant=nunchaku' 和 'offload'，将原本的 24GB 显存降至 6.5GB。\n  --no_turbo            使用 turbo 将原本的 25 步骤减少至 12 步骤。\n  --quant {none,int8,nunchaku}\n                        量化方式选择：none(bf16), int8, nunchaku\n  --device DEVICE       使用设备：auto、cuda、mps 或 cpu\n```\n\n我们观察到 DreamO 与加速版 FLUX LoRA 变体 \n([FLUX-turbo](https:\u002F\u002Fhuggingface.co\u002Falimama-creative\u002FFLUX.1-Turbo-Alpha)) 之间具有很强的兼容性，因此默认启用 Turbo LoRA，将推理步骤减少至 12 步（而默认为 25 步以上）。可以通过 `--no_turbo` 禁用 Turbo，但我们的评估结果显示效果不一；因此我们建议保持 Turbo 启用。\n\n**提示**：如果您观察到肢体扭曲或文本生成不佳，可以尝试提高指导系数；如果图像显得过于光亮或过度饱和，则可以考虑降低指导系数。\n\n#### 针对消费级 GPU\n目前，代码支持两种量化方案：来自 [optimum-quanto](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Foptimum-quanto) 的 int8 量化，以及 [Nunchaku](https:\u002F\u002Fgithub.com\u002Fmit-han-lab\u002Fnunchaku)。您可以根据自身需求和实际效果选择其中一种。\n- **对于拥有 8GB 显存的用户**，运行 `python app.py --nunchaku --offload` 以启用 CPU offloading 结合 nunchaku 量化。根据 [反馈](https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fpull\u002F99)，在 NVIDIA 3080 上生成一张 1024 分辨率的图像大约需要 20 秒。\n\n- **对于拥有 24GB 显存的用户**，运行 `python app.py --quant int8` 以启用 int8 量化模型，或运行 `python app.py --quant nunchaku` 以启用 nunchaku 量化模型。\n\n- **对于拥有 16GB 显存的用户**，运行 `python app.py --int8 --offload` 以启用 CPU offloading 结合 int8 量化。请注意，CPU offload 会显著降低推理速度，应仅在必要时启用。\n\n#### 针对 macOS Apple Silicon (M1\u002FM2\u002FM3\u002FM4)\nDreamO 现在支持搭载 Apple Silicon 芯片的 macOS 设备，并使用 Metal Performance Shaders (MPS) 加速。应用程序会在可用时自动检测并使用 MPS。\n\n- **对于 macOS 用户**，只需运行 `python app.py` 即可自动使用 MPS 加速。\n- **手动选择设备**：您也可以明确指定设备，例如 `python app.py --device mps`（或根据需要使用 `--device cpu`）。\n- **内存优化**：对于内存有限的设备，可以将 MPS 与量化结合使用：`python app.py --device mps --int8`。\n\n**注意**：请确保已安装支持 MPS 的 PyTorch。当前的 requirements.txt 包含 PyTorch 2.6.0+，该版本完全支持 MPS。\n\n### 支持的任务\n#### IP\n此任务类似于 IP-Adapter，支持多种输入，包括人物、物体和动物等。通过利用基于 VAE 的特征编码，DreamO 相比以往的适配器方法实现了更高的保真度，尤其在保留人物身份方面具有明显优势。\n\n![IP_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_5dd1dee8dac6.png)\n\n#### ID\n这里 ID 特指面部身份。与 IP 任务不同，IP 任务同时考虑面部和服装，而 ID 任务则只关注面部特征。此任务类似于 InstantID 和 PuLID。与先前的方法相比，DreamO 在面部保真度上表现更好，但相较于 SOTA 方法 PuLID，模型污染现象更为明显。\n\n![ID_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_a744f09c38df.png)\n\n提示：如果您发现脸部显得过于光亮，可以尝试降低指导系数。\n\n#### 试穿\n此任务支持上衣、下装、眼镜和帽子等输入，并能实现多件衣物的虚拟试穿。值得注意的是，我们的训练数据集中并不包含多件衣物或 ID+衣物的数据，但模型仍能很好地泛化到这些未见过的组合中。\n\n![tryon_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_f37ad2e1d0a7.png)\n\n#### 风格\n此任务类似于 Style-Adapter 和 InstantStyle。请注意，目前风格一致性不如其他任务稳定，在当前版本中，风格无法与其他条件结合使用。我们正在努力在未来的版本中进行改进——敬请期待。\n\n![style_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_8dfd36a3f456.png)\n\n#### 多条件\n您可以使用多个条件（ID、IP、试穿）来生成更具创意的图像。得益于论文中提出的特征路由约束，DreamO 能有效缓解多个实体之间的冲突和纠缠。\n\n![multi_cond_example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_readme_8c9543293512.png)\n\n### ComfyUI\n- 原生 ComfyUI 支持：[ComfyUI-DreamO](https:\u002F\u002Fgithub.com\u002FToTheBeginning\u002FComfyUI-DreamO)\n\n\n### 在线 HuggingFace 演示\n您可以在 [HuggingFace](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FByteDance\u002FDreamO) 上试用 DreamO 演示。\n\n## 免责声明\n\n本项目致力于以积极的方式影响人工智能驱动的图像生成领域。用户可以自由地使用此工具生成图像，但应遵守当地法律法规，并负责任地使用。开发者对用户的任何潜在滥用行为不承担任何责任。\n\n## 引用\n\n如果 DreamO 对您有所帮助，请为本仓库点个赞（⭐）。\n\n如果您认为本项目对您的研究有帮助，请考虑引用我们的论文：[arXiv 链接](https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.16915)。\n\n## :e-mail: 联系方式\n如果您有任何意见或问题，请[新建一个议题](https:\u002F\u002Fgithub.com\u002Fxxx\u002Fxxx\u002Fissues\u002Fnew\u002Fchoose) 或联系 [Yanze Wu](https:\u002F\u002Ftothebeginning.github.io\u002F) 以及 [Chong Mou](mailto:eechongm@gmail.com)。","# DreamO 快速上手指南\n\nDreamO 是一个统一的图像定制框架，支持角色保持（IP）、人脸身份（ID）、虚拟试衣、风格迁移及多条件组合生成。最新版本 v1.1 显著提升了图像质量并减少了肢体错误。\n\n## 环境准备\n\n*   **操作系统**: Linux, Windows, macOS (支持 Apple Silicon M1\u002FM2\u002FM3\u002FM4)\n*   **Python**: 3.10\n*   **GPU 要求**:\n    *   **推荐**: 24GB+ VRAM (如 RTX 3090\u002F4090)\n    *   **消费级显卡**: 支持 16GB 或 8GB 显存（需开启量化和卸载模式，详见使用说明）\n    *   **Mac**: 需安装支持 MPS 的 PyTorch (requirements.txt 已包含 2.6.0+)\n*   **前置依赖**: Git, Conda (推荐)\n\n## 安装步骤\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO.git\n    cd DreamO\n    ```\n\n2.  **创建并激活虚拟环境**\n    ```bash\n    conda create --name dreamo python=3.10\n    conda activate dreamo\n    ```\n\n3.  **安装依赖包**\n    > **注意**: v1.1 版本要求 `diffusers` 版本为 0.33.1。如果之前安装过旧版本 (0.31.0)，请务必更新，否则代码会报错。\n    ```bash\n    pip install -r requirements.txt\n    ```\n\n4.  **(可选) 安装 Nunchaku 量化支持**\n    如果你需要在低显存设备上运行或使用高级量化方案，请参考 [Nunchaku 官方仓库](https:\u002F\u002Fgithub.com\u002Fmit-han-lab\u002Fnunchaku) 进行安装。\n\n## 基本使用\n\n### 启动本地演示界面 (Gradio)\n\n运行以下命令即可启动 Web 界面，默认加载最新的 v1.1 模型并启用 Turbo 加速（12 步生成）。\n\n```bash\npython app.py\n```\n\n启动后，在浏览器访问显示的本地地址（通常为 `http:\u002F\u002F127.0.0.1:7860`）即可使用。\n\n### 针对不同硬件的配置建议\n\n根据你的显存大小，建议使用以下参数优化运行：\n\n*   **24GB 显存用户 (如 RTX 3090\u002F4090)**\n    启用 int8 或 Nunchaku 量化以获得更好性能：\n    ```bash\n    python app.py --quant int8\n    # 或者\n    python app.py --quant nunchaku\n    ```\n\n*   **16GB 显存用户**\n    启用 int8 量化并结合 CPU 卸载（速度会变慢，但可运行）：\n    ```bash\n    python app.py --int8 --offload\n    ```\n\n*   **8GB 显存用户 (如 RTX 3080)**\n    必须启用 Nunchaku 量化和 CPU 卸载：\n    ```bash\n    python app.py --nunchaku --offload\n    ```\n    *注：在 RTX 3080 上生成一张 1024 分辨率图像约需 20 秒。*\n\n*   **macOS Apple Silicon 用户 (M1\u002FM2\u002FM3\u002FM4)**\n    程序会自动检测并使用 MPS 加速。如需手动指定或使用量化节省内存：\n    ```bash\n    # 自动检测 (推荐)\n    python app.py\n    \n    # 强制指定 MPS 并开启 int8\n    python app.py --device mps --int8\n    ```\n\n### 常用参数说明\n\n| 参数 | 说明 |\n| :--- | :--- |\n| `--version` | 选择模型版本 `{v1.1, v1}`，默认为 v1.1 |\n| `--offload` | 启用模型卸载，大幅降低显存占用 (配合 quant 使用) |\n| `--no_turbo` | 禁用 Turbo 加速，恢复为 25 步生成 (默认开启 Turbo 为 12 步) |\n| `--quant` | 量化方案 `{none, int8, nunchaku}`，默认为 none (bf16) |\n| `--device` | 指定设备 `{auto, cuda, mps, cpu}` |\n\n### 使用提示\n\n*   **图像过曝或塑料感**: 尝试降低 Guidance Scale (引导比例)。\n*   **肢体扭曲或文字生成差**: 尝试提高 Guidance Scale。\n*   **支持任务**: 界面中可选择 IP (角色\u002F物体)、ID (人脸)、Try-On (试衣)、Style (风格) 及 Multi Condition (多条件组合)。\n\n### 其他使用方式\n\n*   **ComfyUI**: 推荐使用原生 ComfyUI 插件 [ComfyUI-DreamO](https:\u002F\u002Fgithub.com\u002FToTheBeginning\u002FComfyUI-DreamO)。\n*   **在线体验**: 可直接在 [HuggingFace Spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FByteDance\u002FDreamO) 试用。","一位独立游戏开发者需要为即将上线的奇幻 RPG 项目快速生成一套风格统一、细节丰富的角色立绘，但团队中缺乏专业原画师，且外包预算极其有限。\n\n### 没有 DreamO 时\n- **风格难以统一**：使用常规绘图工具或早期模型时，不同批次生成的角色在画风、光影和线条粗细上差异巨大，后期需耗费大量时间手动修图以维持视觉一致性。\n- **肢体结构错误频发**：生成复杂姿势（如持剑战斗或施法动作）时，经常出现手指多余、手臂扭曲或身体比例失调的情况，导致废片率极高。\n- **面部质感塑料化**：角色面部容易呈现过度磨皮的“塑料感”或色彩过饱和，缺乏皮肤纹理和真实光泽，无法满足高品质美术需求。\n- **硬件门槛过高**：想要获得高质量输出通常需要租用昂贵的云端高显存 GPU，本地消费级显卡（如 16GB 显存）往往无法运行或频繁爆显存。\n\n### 使用 DreamO 后\n- **框架统一定制**：DreamO 作为统一的图像定制框架，能确保所有生成的角色立绘在笔触风格和色调上高度一致，直接复用于游戏 UI 和宣传物料。\n- **解剖结构精准**：得益于 v1.1 版本的升级，DreamO 显著减少了肢体合成错误，即使是复杂的动态姿势也能保持骨骼结构自然准确。\n- **美学细节提升**：新版本有效解决了面部过饱和与塑料感问题，生成的角色皮肤质感细腻、光影柔和，大幅提升了美术资产的精致度。\n- **本地高效部署**：通过支持 Nunchaku 量化和 CPU 卸载技术，DreamO 能在 8GB 至 24GB 的消费级显卡上流畅运行，将显存占用降至 6.5GB，让开发者无需额外算力成本即可本地量产高清图。\n\nDreamO 通过统一的定制化框架与高效的量化技术，让小型团队也能在本地低成本地批量生产好莱坞级别的角色美术资产。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbytedance_DreamO_5dd1dee8.png","bytedance","Bytedance Inc.","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fbytedance_7fee2b15.png","",null,"ByteDanceOSS","https:\u002F\u002Fopensource.bytedance.com","https:\u002F\u002Fgithub.com\u002Fbytedance",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,1657,130,"2026-04-14T05:15:56","Apache-2.0","Linux, macOS, Windows","需要 GPU (NVIDIA CUDA 或 Apple Silicon MPS)。推荐显存：24GB (原生\u002FINT8), 16GB (INT8 + CPU Offload), 8GB (Nunchaku + CPU Offload)。支持量化方案：int8, Nunchaku。","未说明 (但 8GB-16GB 显存用户需启用 CPU Offload，暗示需要充足系统内存)",{"notes":94,"python":95,"dependencies":96},"1. v1.1 版本必须将 diffusers 更新至 0.33.1，否则报错。2. macOS 用户需安装支持 MPS 的 PyTorch (requirements.txt 已包含 2.6.0+)。3. 消费级显卡 (8GB\u002F16GB) 需配合 --offload 参数使用以降低显存占用，但会显著降低推理速度。4. 默认启用 FLUX-turbo 加速，将步数从 25 步减至 12 步。","3.10",[97,98,99,100],"torch>=2.6.0","diffusers>=0.33.1","optimum-quanto","nunchaku (可选)",[15],"2026-03-27T02:49:30.150509","2026-04-17T09:54:31.175921",[105,110,115,120,125,130],{"id":106,"question_zh":107,"answer_zh":108,"source_url":109},36315,"如何访问受限的 gated 模型仓库（如 FLUX.1-dev）？","您需要先申请模型访问权限，然后生成 Hugging Face Token。在运行程序前，通过环境变量设置该 Token。具体步骤如下：\n1. 登录 Hugging Face 浏览器，进入 Access Tokens 创建一个新的 token。\n2. 在命令行中设置环境变量：\n   - Linux\u002FMac: export HF_TOKEN=hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxx\n   - Windows (CMD): set HUGGINGFACE_TOKEN=hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxx\n3. 确保已激活环境并安装依赖后，运行 python app.py。\n如果手动下载了模型，将其放入正确的文件夹也可能避免自动下载时的认证问题。","https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fissues\u002F8",{"id":111,"question_zh":112,"answer_zh":113,"source_url":114},36316,"代码和预训练模型权重是否已经发布？","是的，代码和模型权重已经发布。维护者确认相关资源现已可用，您可以直接在项目仓库或关联的 Hugging Face 页面中下载和使用。","https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fissues\u002F4",{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},36317,"T5 编码后如何确定哪些是特殊 token（special token）？","项目中向 T5 添加了形式为 [ref#x] 的特殊 token，其中 x 的范围是 1 到 9。这意味着我们在 tokenizer 中知道每个特殊 token 的索引。在训练过程中，系统会检查提示词（prompt）分词后生成的索引序列中是否包含这些特殊 token 的索引，以及它们出现的位置。即使经过 T5 Encoder 编码，token 嵌入序列在语义上仍与分词后的 token 序列对应。","https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fissues\u002F88",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},36318,"为什么 IP、ID 和 Style 的任务嵌入（task embedding）索引都是 0？","根据进一步的实验发现，通过任务嵌入（task embeddings）来区分不同任务带来的收益非常有限。仅保留条件嵌入（condition embeddings）和非条件嵌入（non-condition embeddings）就足够了。因此，在后续的培训和测试中，该功能已被禁用，所有任务索引统一返回 0。","https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fissues\u002F107",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},36319,"如何获取支持更高量化位数（如 6-bit, 8-bit）的版本？","官方建议参考原生的 ComfyUI 实现版本（https:\u002F\u002Fgithub.com\u002FToTheBeginning\u002FComfyUI-DreamO），该版本支持更灵活的量化方案，允许用户自行配置不同的量化位数以获得更好的结果或速度平衡。","https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fissues\u002F67",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},36320,"如何将 residual_diff_threshold 设置为可配置参数以调整速度与质量的平衡？","目前该参数在初始化管道时是硬编码的，不支持运行时动态修改。维护者欢迎社区提交 PR 来暴露此参数。如果您需要调整，建议在管道初始化前进行配置。具体的推荐值可以由社区在贡献 PR 时提供，详细用法可参考 diffusers 的优化文档。","https:\u002F\u002Fgithub.com\u002Fbytedance\u002FDreamO\u002Fissues\u002F103",[]]