biniou

一个界面搞定 30+ 生成式 AI，本地部署即开即用

biniou 是一个自托管的 WebUI，聚合了 30 多种生成式 AI 模型，覆盖图像、音频、视频等模态。它基于 Gradio 构建，集成 Hugging Face Diffusers、ControlNet、AnimateDiff、Flux 等主流工具，提供统一的界面来调用文本生成图像、图像编辑、音频生成等功能。项目旨在解决多模型分散、调用复杂的问题，让用户通过本地部署即可便捷使用多种生成式 AI 能力，无需编写代码。核心能力包括模型管理、参数调节、结果预览等，适合个人和团队在本地环境进行实验和生产使用。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1150

维护状态活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队Woolverine94

所属国家

官网地址

GitHubhttps://github.com/Woolverine94/biniou

定价模式free

价格说明开源项目，GPL-3.0许可，自托管WebUI，无在线服务，完全免费。

访问状态

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型animatediff,audiocraft,bark,controlnet,diffusers,flux,generative-ai,gfpgan,gradio,huggingface,insightface,ip-adapter,kandinsky,llama-cpp-python,photomaker,real-esrgan,stable-diffusion,stable-diffusion-3-5,webui,whisper

GitHub 星标★ 1150

30天Star增速

HF 下载量

上线时间2023-09-26 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

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：入门约 20 分钟部署方式：Docker 6 步

环境要求

已安装并可用的 Docker 环境
至少 8GB 内存（无需独立 GPU 也可运行）
如需 CUDA 加速，需要 NVIDIA GPU 并支持 --gpus all
本机 7860 端口未被占用

安装与启动步骤

1准备 Docker 环境

README 假设你已有一个配置好、可正常工作的 Docker 环境，请先确认 docker 命令可用再继续。
2拉取官方镜像

直接拉取每周更新的镜像，默认版适合无 GPU 环境；有 NVIDIA 显卡则拉取 CUDA 版。
```
docker pull ghcr.io/woolverine94/biniou:main
```

3启动容器

启动 WebUI 并映射 7860 端口，同时挂载输出、模型、缓存和 gfpgan 四个数据卷，避免重启后数据丢失。

docker run -it --restart=always -p 7860:7860 
-v biniou_outputs:/home/biniou/biniou/outputs 
-v biniou_models:/home/biniou/biniou/models 
-v biniou_cache:/home/biniou/.cache/huggingface 
-v biniou_gfpgan:/home/biniou/biniou/gfpgan 
ghcr.io/woolverine94/biniou:main

4访问 WebUI

在浏览器打开 127.0.0.1:7860 即可使用；加上 ?__theme=dark 可切换深色主题，把 127.0.0.1 换成容器 IP 也可访问。

5本地安装(可选)

不使用 Docker 时，在 macOS Intel 上先用 Homebrew 安装依赖，再克隆仓库并运行安装脚本。

brew install git python3 gcc gcc@11 perl make ffmpeg openssl
python3 -m pip install virtualenv
git clone https://github.com/Woolverine94/biniou.git
cd ./biniou
./install.sh

6本地启动与退出

从 biniou 目录执行 webui.sh 启动；Windows 用户双击 webui.cmd。退出时在终端按 CTRL+C。
```
cd /home/$USER/biniou
./webui.sh
```

关键配置

配置项	必填	说明	示例
`端口映射 -p 7860:7860`	是	把容器 7860 端口映射到宿主机，WebUI 通过该端口访问	`-p 7860:7860`
`biniou_outputs`	否	挂载生成结果的输出目录，便于持久保存	`-v biniou_outputs:/home/biniou/biniou/outputs`
`biniou_models`	否	挂载模型目录，避免重复下载模型	`-v biniou_models:/home/biniou/biniou/models`
`biniou_cache`	否	挂载 Hugging Face 缓存目录，复用已下载的权重	`-v biniou_cache:/home/biniou/.cache/huggingface`
`biniou_gfpgan`	否	挂载 gfpgan 人脸修复模型目录	`-v biniou_gfpgan:/home/biniou/biniou/gfpgan`

如何确认成功

浏览器打开 127.0.0.1:7860，能看到 Gradio 的 biniou 操作界面即部署成功；加 ?__theme=dark 可验证深色主题。

常见问题

Q：没有独立显卡可以运行吗？

A：可以。README 说明即使没有专用 GPU、从 8GB 内存起步也能运行；有 NVIDIA 显卡时可改用 CUDA 镜像并加 --gpus all 参数。

Q：Apple Silicon(M 系列芯片)能安装吗？

A：目前不兼容。可参考 issue 中 @lepicodon 给出的办法，用 OrbStack 在虚拟机里安装 biniou。

Q：如何更新 biniou？

A：使用 WebUI 内置的 control updates 选项即可同时更新应用本体和 Python 虚拟环境。

Q：容器数据会丢失吗？

A：按 README 的启动命令挂载了 outputs、models、cache、gfpgan 四个共享卷，并且 --restart=always 可在 OOM 崩溃后自动重启；不需要这些行为可去掉 --restart 和 -v 参数。

注意事项

首次启动会比较慢，Windows 11 上尤其明显，请耐心等待。
部署完成并下载好所需模型后，biniou 可离线工作。
CUDA 版本需在 docker run 中加入 --gpus all，并在启动前确认显卡驱动和 nvidia-container-toolkit 可用。
除本机外，同一局域网/WiFi 内的设备（含手机）把 URL 中的 127.0.0.1 换成 biniou 主机 IP 即可访问。

核心亮点

集成 30+ 模型，覆盖图像、音频、视频，一站式体验
基于 Gradio，界面友好，无需编程即可操作
支持 ControlNet、AnimateDiff 等高级功能，扩展性强

不足之处

文档/社区待观察
自托管部署对硬件要求较高，可能不适合低配设备

适用场景

本地快速体验多种生成式 AI 模型
离线环境下的 AI 创作工具
教学演示或小团队内部工具

替代项目

Stable Diffusion WebUI (AUTOMATIC1111)、ComfyUI、InvokeAI

项目介绍

biniou 是基础设施领域的开源项目，由 Woolverine94 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,150）位列前 30%，在基础设施分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。GPL-3.0许可，自托管WebUI，无在线服务，完全免费。

它主要面向的使用场景是：本地快速体验多种生成式AI模型。同类可对比的替代方案包括 Stable Diffusion WebUI (AUTOMATIC1111)、ComfyUI、InvokeAI。

上一篇：truss

下一篇：DeepCache