AI导哈

AI图像生成服务

MCP Image Gen是一个本地运行的AI图像生成工具，支持多种模型选择，无需API密钥或云端服务，适用于视频制作和图形设计。

  • by hiteshK03
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 hiteshK03/mcp-image-gen

使用说明

🎨 MCP图像生成器

使用AI生成图像-本地、私人、无API密钥。

“为我的视频生成赛博朋克城市背景。”

您的AI助手在您的机器上运行模型，保存图像，甚至可以将其直接导入DaVinci Resolve。

🤔 这是什么？

MCP服务器，允许AI助手（Cursor、Claude、Windsurf）使用运行的AI模型生成图像 完全在您的机器上。没有云。没有API密钥。没有订阅。没有数据离开你的电脑。

告诉你的AI助手你需要什么，它就会在那里生成图像。

⚡ 为什么？

大多数映像生成MCP服务器都是围绕云API的包装器——DALL-E、Midjourney、Gemini。您需要API密钥，按图像付费，提示将转到其他人的服务器。

这次不一样：

  • API密钥为零 --无需注册，无需支付
  • 零云 --模型通过以下方式在本地运行 OpenVINO，针对CPU进行了优化
  • 三个质量等级 --根据你的需要，选择快速粗略或缓慢详细
  • 管道准备就绪 --生成的图像可以直接与DaVinci Resolve MCP和视频编辑器MCP配合使用

模型在首次使用时会自动从HuggingFace下载，并保存在您的计算机上。

🎯 三种型号，选择你的速度

型号 时间 RAM 分辨率 最适合
🟢 快 SDXS-512 约20秒 约2 GB 512×512 快速背景、纹理、渐变
🔵 质量 SDXL Turbo 约30秒 约11 GB 512×512 详细的资产，良好的即时遵守
🟣 优质 SANA Sprint 约2.5分钟 约13 GB 1024×1024 最高质量——在GPU/NPU硬件上大放异彩

所有时间都在CPU上。如果你有一个GPU或NPU，高级级别会变得更快。

🚀 入门指南

第一步——设置

git clone https://github.com/hiteshK03/mcp-image-gen.git
cd mcp-image-gen
bash setup.sh

第二步——告诉你的人工智能助手

增添 .cursor/mcp.json （或同等）：

{
  "mcpServers": {
    "mcp-image-gen": {
      "command": "/path/to/mcp-image-gen/venv/bin/python",
      "args": ["/path/to/mcp-image-gen/server.py"]
    }
  }
}

第3步——索要图片

就是这样。你的人工智能助手现在可以生成图像了。只要问：

"Generate a sunset gradient background and save it as bg.png"
"Create a dark tech UI mockup for my intro"
"Make a thank-you card with gold on black for my outro"

🔁 视频制作流程的一部分

此服务器旨在与其他MCP工具一起工作，以实现完全自动化的工作流程：

You: "I need a cyberpunk background for the intro"

  1. mcp-image-gen  →  generates the image locally
  2. DaVinci Resolve MCP  →  imports it into the media pool
  3. DaVinci Resolve MCP  →  places it on the timeline, scales to fit

All automatic. One conversation.
服务器 角色
这个（mcp图像生成器） 在本地生成图像——背景、纹理、叠加、图形
DaVinci Resolve MCP 控制解析——导入媒体、编辑时间线、渲染、本地AI
视频编辑器MCP 基于文件的视频处理——叠加、过渡、合成

生成的图像是常规文件。他们与 import_media （解决）， add_image_overlay （视频编辑器）或接受图像路径的任何其他东西。

🛠️ 工具

generate_image

从文本提示生成图像。

参数 必填 说明
prompt ✅ 你希望图像是什么样子的
output ✅ 保存位置（建议使用PNG）
model sdxs-512, sdxl-turbo （默认），或 sana-sprint
width 自定义宽度（像素）
height 自定义高度（像素）
seed 修复随机种子以获得可重复的结果

list_image_models

返回所有可用的型号，包括规格、估计时间以及每个型号当前是否已加载到内存中。

📋 需求

  • Python 3.10+
  • 2–13 GB RAM，具体取决于您使用的型号
  • 无需GPU（但高级级别可从中受益）

📄 许可证

麻省理工学院——随心所欲地使用它。

相关 MCP