FireRed-Image-Edit

用一句话精准编辑图像，保持身份与细节不失真。

FireRed-Image-Edit 是一个开源的图像编辑基础模型，旨在解决现有图像编辑工具在指令遵循、生成保真度和身份一致性上的不足。它基于扩散模型架构，支持通过自然语言指令进行精准编辑，同时保持原始图像的关键特征（如人物身份、物体属性）。核心能力包括：高精度指令跟随，能理解复杂编辑要求；高保真生成，确保编辑区域与周围环境自然融合；多元素融合，支持同时编辑多个对象或区域。项目采用 PyTorch 实现，提供了完整的训练和推理代码，适合研究者和开发者用于图像编辑应用开发。其性能在开源同类模型中达到领先水平，为 AIGC 领域提供了新的技术选择。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1367

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队FireRedTeam

所属国家

官网地址

GitHubhttps://github.com/FireRedTeam/FireRed-Image-Edit

定价模式free

价格说明开源模型，Apache-2.0许可证，可免费本地部署使用，无在线服务或付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型aigc,deep-learning,diffusion-models,image-generation,image2image,pytorch

GitHub 星标★ 1367

30天Star增速

HF 下载量

上线时间2026-02-11 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：进阶约 20 分钟部署方式：本地安装 6 步

环境要求

Python 环境（README 未指定具体版本）
PyTorch 相关依赖，通过 requirements.txt 安装
可从 Hugging Face 获取 FireRed-Image-Edit 模型权重
用于存放输入图片与输出图片的本地目录

安装与启动步骤

1获取项目代码

把 FireRed-Image-Edit 仓库克隆到本地，后续所有命令都在该目录下执行。
```
git clone https://github.com/FireRedTeam/FireRed-Image-Edit.git
```
2进入项目目录

切换到克隆下来的仓库根目录，才能找到 requirements.txt 和 inference.py。
```
cd FireRed-Image-Edit
```
3安装依赖

按 README 的 Quick Start，直接用 pip 安装 requirements.txt 中的全部依赖，建议使用虚拟环境。
```
pip install -r requirements.txt
```
4准备模型权重

README 只提供了 Hugging Face 模型页（FireRed-Image-Edit-1.1 / 1.0 / LoRA-Zoo），需按页面说明自行下载权重并放到项目可读取的位置。
5准备输入图片

README 示例使用 ./examples/edit_example.png，可替换为自己想编辑的图片路径。

6运行图像编辑

执行推理脚本，传入输入图片、自然语言编辑指令、输出文件名和随机种子，等待生成结果。

python inference.py 
    --input_image ./examples/edit_example.png 
    --prompt "在书本封面Python的下方，添加一行英文文字2nd Edition" 
    --output_image output_edit.png 
    --seed 43

关键配置

配置项	必填	说明	示例
`--input_image`	是	待编辑的输入图片路径	`./examples/edit_example.png`
`--prompt`	是	自然语言编辑指令，决定修改内容	`在书本封面Python的下方，添加一行英文文字2nd Edition`
`--output_image`	是	编辑后图片的输出路径与文件名	`output_edit.png`
`--seed`	否	随机种子，固定后结果可复现	`43`

如何确认成功

命令正常结束且当前目录出现 output_edit.png，打开图片可见编辑效果即成功。

常见问题

Q：在哪下载模型权重？

A：README 给出 Hugging Face 上的 FireRedTeam/FireRed-Image-Edit-1.1、FireRed-Image-Edit-1.0 以及 FireRed-Image-Edit-LoRA-Zoo，按页面说明下载即可，也可直接试用 HF Demo。

Q：prompt 必须用英文吗？

A：README 示例使用中文指令「在书本封面Python的下方，添加一行英文文字2nd Edition」，说明可以直接用中文描述编辑需求。

Q：pip install -r requirements.txt 失败怎么办？

A：README 未给出更多排查说明，建议先确认在项目根目录执行、pip 版本较新，必要时在干净的虚拟环境中重试。

Q：生成结果每次都不一样？

A：使用 --seed 固定随机种子（示例为 43）可让相同输入得到一致结果。

注意事项

README 未给出 Python 版本、CUDA/显存等硬件要求，请以实际运行报错为准自行调整。
运行 device、模型路径等参数 README 未说明，若脚本报缺少参数需查看推理脚本或模型页说明。
本项目为扩散模型图像编辑，建议在有 GPU 的环境运行，CPU 运行可能非常慢。
使用时请遵守模型页与仓库的许可和数据使用要求。

核心亮点

指令遵循能力强，能准确执行复杂自然语言编辑要求
身份一致性突出，编辑后人物特征保持稳定
多元素融合自然，支持同时编辑多个区域无割裂感

不足之处

文档/社区待观察
模型体积可能较大，推理资源需求较高

适用场景

电商产品图局部修改（如换背景、改颜色）
人像照片精修（换发型、加配饰）
创意设计素材二次创作（多元素组合编辑）

替代项目

InstructPix2Pix、ControlNet、Stable Diffusion Inpainting

项目介绍

FireRed-Image-Edit 是图像领域的开源项目，由 FireRedTeam 开发，是 2026 年新上线的项目。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,367）位列前 30%，在图像分类的 839 个项目里位列前 12%。

近 42 天，它的 GitHub 星标从 1,339 增加到 1,367，净增 28。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。Apache-2.0许可证，可免费本地部署使用，无在线服务或付费版本。

它主要面向的使用场景是：电商产品图局部修改（如换背景、改颜色）。同类可对比的替代方案包括 InstructPix2Pix、ControlNet、Stable Diffusion Inpainting。

上一篇：Internal-Guidance

下一篇：story-iter