civitai
Civitai 是一个专注于 Stable Diffusion 生态的开源模型共享与协作平台。它旨在解决 AI 绘画领域资源分散、交流困难的痛点,为用户提供一个集中存放和发现各类生成式 AI 资源的场所。在这里,用户可以轻松上传、浏览和下载文本反转(Textual Inversions)、超网络(Hypernetworks)、VAE 以及各类定制模型,并通过评论与反馈机制促进社区内的知识共享与技术迭代。
该平台非常适合 AI 绘画爱好者、数字艺术家、研究人员以及希望部署本地模型库的开发者使用。无论是想要寻找特定风格模型的普通用户,还是希望展示自己训练成果的技术人员,都能在其中找到价值。在技术架构上,Civitai 展现了现代 Web 开发的高水准,前端与后端基于 Next.js 构建,采用 tRPC 实现高效的类型安全 API 通信,并利用 Prisma 搭配 PostgreSQL 数据库确保数据的可扩展性与维护性,同时结合 Cloudflare 存储方案以支撑大规模模型文件的高效分发。作为一个由社区驱动的项目,Civitai 不仅是一个资源仓库,更是一个推动生成式 AI 技术共同进步的开放社区。
使用场景
一位独立游戏开发者正在为项目制作风格统一的 2D 角色立绘,需要快速找到并微调特定的艺术风格模型。
没有 civitai 时
- 资源分散难寻:开发者需在 Discord 频道、GitHub 仓库和各类论坛中盲目搜索模型,耗时数天也难以找到高质量的特定风格检查点(Checkpoints)。
- 效果不可预见:下载模型前无法查看真实的生成样图,往往安装后才发现画风不符或存在严重伪影,导致反复试错。
- 缺乏参数参考:即使找到可用模型,也因缺少对应的提示词(Prompts)和生成参数设置,难以复现理想效果,调试成本极高。
- 版本管理混乱:不同作者发布的模型版本混杂,缺乏统一的更新通知和用户反馈机制,容易误用过时或有缺陷的版本。
使用 civitai 后
- 一站式精准检索:直接在 civitai 通过标签、排序和社区评分筛选出高赞的“二次元角色”模型,几分钟内即可锁定目标资源。
- 所见即所得:每个模型页都展示了大量带详细参数的生成示例图,开发者可直观判断画风是否匹配,避免无效下载。
- 一键复用配置:点击示例图即可直接获取完整的提示词、负面提示词及采样器设置,大幅降低调试门槛,快速产出合格素材。
- 社区协同优化:通过评论区与其他用户交流微调技巧,及时获取作者发布的修复补丁,确保始终使用最优模型版本。
civitai 将分散的 AI 模型资源转化为可信赖、可协作的创作生态,让开发者从繁琐的资源搜集与调试中解放,专注于内容创新。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
目录
项目简介
我们的目标是打造一个平台,让人们可以分享自己的 Stable Diffusion 模型(如文本反演、超网络、美学梯度、VAE 等用于定制 AI 生成内容的各种创新方法),与他人协作改进这些模型,并相互学习。该平台允许用户创建账户、上传模型,以及浏览他人分享的模型。用户还可以对彼此的模型发表评论和反馈,以促进协作和知识共享。
技术栈
我们使用了一系列现代 Web 技术构建了这个项目,包括 Next.js 作为前端框架、TRPC 作为 API 层,以及 Prisma 和 Postgres 作为数据库。通过这些工具的结合使用,我们成功构建了一个既易于使用又功能强大的可扩展且易于维护的平台。
- 数据库: Prisma + Postgres
- API: tRPC
- 前后端: NextJS
- UI 框架: Mantine
- 存储: Cloudflare
快速入门
要将本地副本运行起来,请按照以下步骤操作。
先决条件
首先,请确保您的机器上已安装以下软件:
- Docker(用于运行数据库和服务)
- 如果使用开发容器:
- 支持开发容器的 IDE(例如 VS Code 配合 Dev Containers 扩展、JetBrains 等)
- 如果直接在本地运行:
- Node.js(版本 20 或更高)
- 建议您安装
nvm来管理 Node.js 版本,以便正确配置运行该项目所需的 Node.js 版本。curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
- 建议您安装
- Make(可选,便于初始设置)
- Node.js(版本 20 或更高)
安装
- 按照上述【先决条件】中的步骤进行准备。
- 将仓库克隆到您的本地机器。
- 选择以下其中一种方式:
- a) 使用开发容器
⚠️ Windows 用户重要提示:请将此仓库克隆到 WSL 卷上,或者使用“在命名容器卷中克隆仓库”命令。否则可能会遇到性能问题。
- 在您选择的 IDE 中打开项目目录:
- VS Code 应会提示您“在容器中打开”。
- 如果没有提示,您可以手动运行“Dev Containers: 在容器中打开文件夹”。
- 对于其他 IDE,您可能需要打开
.devcontainer/devcontainer.json文件,然后点击“创建开发容器并挂载源代码”。 - 注意:首次运行可能需要一些时间。
- VS Code 应会提示您“在容器中打开”。
- 运行
make run或npm run dev。
- 在您选择的 IDE 中打开项目目录:
- b) 运行
make init- 此命令会执行以下操作:
- 创建一个基础的
.env文件。 - 安装 npm 包。
- 启动 Docker 容器。
- 执行任何额外的数据库迁移。
- 创建一些示例种子数据。
- 初始化指标和 MeiliSearch。
- 初始化 Prisma。
- 启动服务器。
- 创建一个基础的
- 如果您看到找不到应用程序的错误,请确保将
node_modules/.bin添加到您的 PATH 中:export PATH="$PATH:$(realpath node_modules/.bin)"
- 如果您是内部成员,可以使用 Buzz 和信号服务:
- 首次设置时,在 GitHub 上创建一个具有读取包权限的个人访问令牌。
- 将其设置为环境变量
CR_PAT。 - 运行
echo $CR_PAT | docker login ghcr.io -u USERNAME --password-stdin。
- 此命令会执行以下操作:
- 如有任何关于这些命令的问题,请在 Discord 上向我们反馈。
- a) 使用开发容器
- 编辑
.env.development文件。- 大多数默认值已经配置好可以直接使用,但 S3 上传密钥和密钥除外。要生成这些密钥,请访问 Minio 的 Web 界面:http://localhost:9000,使用默认用户名和密码
minioadmin登录,然后进入“访问密钥”选项卡。点击“创建访问密钥”,并将生成的密钥和密钥复制到.env文件中(S3_UPLOAD_KEY和S3_UPLOAD_SECRET,S3_IMAGE_UPLOAD_KEY和S3_IMAGE_UPLOAD_SECRET)。 - 将
WEBHOOK_TOKEN设置为任意随机字符串。此令牌将用于验证 webhook 端点的请求。 - 在电子邮件相关字段中添加任意随机字符串,以启用用户注册功能:
EMAIL_USEREMAIL_PASSEMAIL_FROM(需符合有效的电子邮件格式)。
- 大多数默认值已经配置好可以直接使用,但 S3 上传密钥和密钥除外。要生成这些密钥,请访问 Minio 的 Web 界面:http://localhost:9000,使用默认用户名和密码
- 运行
git submodule update --recursive。 - 最后,访问 http://localhost:3000 查看网站。
* 注意:账户创建过程中会通过 maildev 发送邮件,您可以在 http://localhost:1080 查看这些邮件。
修改用户权限
- 首先,通过界面正常创建一个账户。
- 如果您希望将自己设置为版主,请执行以下操作:
- 使用数据库编辑工具(如 DataGrip)或直接连接到数据库(
PGPASSWORD=postgres psql -h localhost -p 15432 -U postgres civitai)。 - 找到您的用户记录(通过邮箱或用户名),并将
isModerator字段设置为true。
- 使用数据库编辑工具(如 DataGrip)或直接连接到数据库(
已知限制
目前,需要外部输入的服务在本地环境中无法正常运行,包括:
- 编排(生成、训练)
- 信号(聊天、通知等实时更新)
- Buzz
贡献
您所做的任何贡献都非常感谢。
如果您有改进建议,请 fork 该仓库并创建一个 pull request。您也可以直接提交一个带有“enhancement”标签的问题。别忘了给项目点个 star!再次感谢!
- 将仓库 fork 到您自己的 GitHub 账号。
- 为您的更改创建一个新的分支。
- 对代码进行修改。
- 提交更改并将分支推送到您的 fork 仓库。
- 在我们的仓库中打开一个 pull request。
如果您希望更深入地参与,可以考虑加入社区开发团队!有关团队的更多信息以及如何加入,请参阅 号召所有开发者:加入 Civitai 社区开发团队。
数据迁移
在开发过程中,您可能需要更改数据库结构。为此:
- 修改
schema.prisma文件。 - 在
prisma/migrations文件夹中创建一个以YYYYMMDDHHmmss_简要描述_here为命名规范的文件夹。 - 在该文件夹中创建一个名为
migration.sql的文件。 - 在该文件中编写您的 SQL 更改语句。
- 这些通常是简单的 SQL 命令,例如
ALTER TABLE ...。
- 这些通常是简单的 SQL 命令,例如
- 运行
make run-migrations和make gen-prisma。 - 如果您正在添加或更改列或表,请尽量保持
gen_seed.ts文件与这些更改同步。
赞助商
通过成为赞助商来支持本项目。您的 logo 将在此处显示,并附带指向您网站的链接。
许可证
Apache License 2.0 - 请查看 LICENSE 以获取更多详细信息。
常见问题
相似工具推荐
openclaw
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。 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。 OpenClaw 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
stable-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。 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。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
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。 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。 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。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-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。 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。 LLMs-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