mmagic

开箱即用的生成工具箱，图像视频随便造

OpenMMLab 推出的多模态生成智能创作工具箱，提供开箱即用的 AIGC 能力、易用 API 与丰富模型库，涵盖文生图、图像/视频修复与增强等任务，是搭建生成式 AI 应用的理想基座。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 7468

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open-mmlab

所属国家

官网地址

GitHubhttps://github.com/open-mmlab/mmagic

定价模式free

价格说明开源工具箱，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型aigc,computer-vision,deep-learning,diffusion,diffusion-models,generative-adversarial-network,generative-ai,image-editing,image-generation,image-processing,image-synthesis,inpainting,matting,pytorch,super-resolution,text2image,video-frame-interpolation,video-interpolation,video-super-resolution

GitHub 星标★ 7468

30天Star增速

HF 下载量

上线时间2019-08-23 00:00:00

最近更新2026-09-22 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6

使用教程

难度：入门约 15 分钟部署方式：库/依赖 6 步

环境要求

Python 环境（建议使用 conda/venv 虚拟环境）
已安装 pip3，可执行 pip3 install
PyTorch（需按 PyTorch 官方说明自行安装）
MMCV >= 2.0.0、MMEngine（通过 MIM 安装）

安装与启动步骤

1安装 PyTorch

README 第一步要求先安装 PyTorch，具体命令请按 PyTorch 官网针对你的系统和 CUDA 版本选择。
2安装 MIM

MIM 是 OpenMMLab 的包管理工具，后续 MMCV、MMEngine、MMagic 都用它安装。
```
pip3 install openmim
```
3安装 MMCV

MMagic 依赖 MMCV 2.0.0 及以上版本，注意先装 MMCV 再装 MMEngine。
```
mim install "mmcv>=2.0.0"
```
4安装 MMEngine

MMEngine 是 OpenMMLab 2.x 的训练引擎基础库，作为 MMagic 的依赖单独安装。
```
mim install mmengine
```
5安装 MMagic

通过 MIM 安装 mmagic 本体，会自动拉取所需依赖，耗时取决于网络。
```
mim install mmagic
```
6验证安装

切换到家目录后导入 mmagic 并打印版本号，能正常输出版本即安装成功。
```
cd ~
python -c "import mmagic; print(mmagic.__version__)"
```

如何确认成功

执行 python -c "import mmagic; print(mmagic.__version__)"，终端打印出 MMagic 版本号且不报错，即为安装成功。

常见问题

Q：需要先单独安装 PyTorch 吗？

A：需要。README 明确将安装 PyTorch 列为第一步，请先按 PyTorch 官网说明安装，再执行后续 mim 安装命令。

Q：为什么用 mim 而不是 pip 安装 MMCV？

A：README 推荐使用 MIM 安装 MMCV、MMEngine 与 MMagic，MIM 会自动匹配与 PyTorch 版本兼容的 MMCV 预编译包，避免编译报错。

Q：安装顺序可以打乱吗？

A：建议按 README 顺序：先 PyTorch，再 MMCV，然后 MMEngine，最后 MMagic，避免依赖不匹配导致的导入失败。

Q：验证时提示 No module named 'mmagic' 怎么办？

A：说明 mmagic 未安装成功或装到了其他 Python 环境，请确认当前终端激活的环境与执行 mim install mmagic 时一致，然后重试安装。

注意事项

README 未给出具体 Python / CUDA 版本要求，请以官方安装文档 https://mmagic.readthedocs.io/en/latest/get_started/install.html 为准。
README 原文写的是 mim install mmcv>=2.0.0，直接复制到 bash 会被当成重定向，本教程加了引号以保证可执行。
本教程仅覆盖 README 中给出的安装与验证步骤，训练、推理与模型下载使用方法请查阅官方文档与 Model Zoo。

核心亮点

集成OpenMMLab生态，提供统一API和丰富预训练模型，覆盖文生图、图像/视频修复增强等AIGC任务
模型库全面，支持主流扩散模型（如Stable Diffusion）和GAN方法，便于对比与复现
模块化设计，训练/推理流程标准化，适合学术研究与工程落地二次开发

不足之处

文档/社区待观察
依赖OpenMMLab全家桶，环境配置较复杂，学习曲线陡峭

适用场景

学术研究：快速复现和对比多种生成模型，验证新算法
工业应用：图像/视频修复、超分辨率、风格迁移等AIGC产品开发
教学实验：作为深度学习生成模型的教学工具和基线库

替代项目

Hugging Face Diffusers、InvokeAI、ComfyUI

项目介绍

mmagic 是图像领域的开源项目，由 open-mmlab 开发，2019 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（7,468）位列前 7%，在图像分类的 839 个项目里位列前 4%。

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 2026-09-22。开源工具箱，Apache-2.0 许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：快速复现和对比多种生成模型，验证新算法。同类可对比的替代方案包括 Hugging Face Diffusers、InvokeAI、ComfyUI。

上一篇：PaddleGAN

下一篇：stable-diffusion.cpp