gligen-gui
gligen-gui 是一款为 GLIGEN 模型打造的直观图形界面工具，旨在让用户在文生图过程中精准控制物体的生成位置。它基于强大的 ComfyUI 后端运行，将原本复杂的参数配置转化为可视化的交互操作，有效解决了传统提示词难以精确指定物体坐标和布局的痛点。
用户只需在空白画布上用鼠标绘制方框来定位物体，并在右侧表格中输入对应的描述词，即可轻松实现“指哪打哪”的图像生成。除了核心的定位功能，gligen-gui 还支持对方框进行移动和调整大小、保存与加载会话、自定义 VAE 及采样器，并提供了多种宽高比预设。此外，它还集成了 LoRA 支持，允许用户叠加多个风格模型以丰富画面效果。
这款工具特别适合设计师、数字艺术家以及希望精细掌控构图内容的 AI 绘画爱好者使用。对于不熟悉 ComfyUI 复杂节点流程的用户，gligen-gui 提供了一条低门槛的上手路径，让创意构思能更直接地转化为视觉成果，同时保留了专业工作流所需的灵活性。
使用场景
一位电商设计师需要为新品海报生成一张包含“左侧摆放红色跑鞋、右侧放置运动水壶”的精准构图图片，且对物体位置有严格要求。
没有 gligen-gui 时
- 设计师只能依靠反复修改提示词（如“左边是鞋，右边是壶”）来碰运气，生成的图像中物体位置经常错乱或重叠。
- 若需微调物体坐标，必须深入 ComfyUI 后端手动连接复杂的节点链路，甚至需要编写代码调整边界框参数，技术门槛极高。
- 每次调整位置后都需重新排队生成，无法直观地在画布上直接拖拽物体框进行实时预览，迭代效率极低。
- 难以精确控制多个物体的相对大小和比例，导致最终素材往往需要后期人工 PS 裁剪拼接，破坏了 AI 生成的光影一致性。
使用 gligen-gui 后
- 设计师直接在空白画布上用鼠标绘制两个矩形框，分别标注“红色跑鞋”和“运动水壶”，即可锁定物体在画面中的确切坐标。
- 支持在界面上直接拖拽和调整边框大小，所见即所得，无需触碰任何后端节点或代码，操作如同使用绘图软件般直观。
- 结合正向提示词专注描述风格与画质，物体布局由图形框独立控制，一次生成即可获得构图完美的图像，大幅减少试错次数。
- 可灵活加载 LoRA 模型并调整强度，同时保存当前会话配置，方便后续快速复用相同的构图逻辑进行批量生产。
gligen-gui 通过将抽象的空间控制转化为可视化的交互操作，让非技术人员也能轻松实现工业级的精准图像布局。
运行环境要求
- 未说明
未说明 (依赖 ComfyUI 及 Stable Diffusion 运行环境，通常需 NVIDIA GPU)
未说明
快速开始
如果您想表达对本项目的支持，
请考虑捐赠一下 :)
GLIGEN GUI
GLIGEN 是一种在文本到图像模型中精确指定对象位置的新方法。在此我提供了一个直观的 GUI，使得在 ComfyUI 中使用 GLIGEN 变得更加容易。
注：如果您希望对工作流有更多控制，请查看与该 GUI 配合使用的 ComfyUI 节点
最新功能：
- 现在可以移动和调整方框大小
- 可以将会话保存到文件，并从文件加载会话
- 现在也可以指定 VAE 和采样器
- 对不同宽高比的支持得到改进，并增加了预设选项
开始使用
首先，请确保您已成功安装并运行 ComfyUI。
接下来，下载 gligen_sd14_textbox_pruned.safetensors GLIGEN 模型文件，并将其放置在 ComfyUI 的 models/gligen 目录中。
请确保已安装 Flask：
pip install flask
克隆此仓库：
git clone https://github.com/mut-ex/gligen-gui.git
cd gligen-gui
然后，运行以下命令启动 GUI：
flask --app 'gligen_gui:create_app(8188)' run --port 5000
请注意，此命令假设您的 ComfyUI 实例正在使用端口 8188。如果不是，请将 8188 替换为正确的端口号。
最后，在浏览器中打开 http://127.0.0.1:5000/port/8188 即可开始使用 GUI。如果 ComfyUI 使用的端口不同，请将 URL 中的 8188 更改为相应的端口号。
使用方法
请确保已选择一个 Stable Diffusion 1.5 检查点。使用方法非常简单直接！通过鼠标在空白画布上绘制定位框来构思您的图像，并在右侧表格中对应的文本输入框内输入您想要的提示词来为这些框添加标签。
您还可以在标有 POSITIVE 的文本输入框中进一步描述您的图像，但根据我的经验，仅输入与您期望图像风格和质量相关的标签效果会更好。
如果您希望使用任何 LORA，请点击 LORA 部分的 + 按钮。然后选择 LORA 的名称并调整其强度。您可以添加多个 LORA。
最后，点击“Queue Prompt”将提示提交给 ComfyUI。一旦图像生成完毕，它就会显示在画布上。
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。
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。
gemini-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。 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。 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。
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
Deep-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。 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。 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。