ima2-gen: Bildgenerierung lokal statt in der Cloud

Wer heute Bilder oder Videos mit KI erzeugt, sitzt meist in der Weboberfläche eines einzelnen Anbieters. Das Projekt ima2-gen des Entwicklers lidge-jun dreht diese Reihenfolge um: Es installiert eine Laufzeitumgebung samt Studio auf dem eigenen Rechner und spricht von dort aus mehrere Anbieter an. Bedient wird das Ganze im Browser unter localhost:3333. Der Code steht unter MIT-Lizenz.

Was das Werkzeug leisten soll

Für Bilder nennt die Projektseite OpenAI, Grok, Gemini, NovelAI und AtlasCloud, angebunden wahlweise per OAuth oder per API-Schlüssel. Bei Video ist Grok der Hauptweg; Runway und Higgsfield hängen über MCP daran. Ein Storyboard-Modus soll dafür sorgen, dass aufeinanderfolgende Einzelbilder zusammenpassen.

Dazu kommt ein Canvas-Modus zum Anmerken, Radieren und Freistellen des Hintergrunds sowie eine lokale Galerie, die den Verlauf je Sitzung mitschreibt. Pro Auftrag sind bis zu fünf Bildreferenzen oder sieben Videoreferenzen vorgesehen. Die Arbeitsweisen sind in drei Varianten unterteilt: klassisch, knotenbasiert und Multimode.

Ausdrücklich auch für Coding-Agenten

Interessant ist die zweite Zielgruppe. Neben Menschen adressiert das Projekt Programmier-Agenten und liefert dafür drei fertige Skills mit: Core, Frontend und UI/UX Design, aufrufbar über eigene Unterbefehle. Beschrieben werden sie als Bauanleitungen für Generierungsprotokoll, Asset-Pipeline und Gestaltungsabläufe.

Hinzu kommt eine Anbindung an die MCP-Registry, über die sich externe Werkzeuge einhängen lassen. Damit reiht sich ima2-gen in eine wachsende Gruppe von Werkzeugen ein, die nicht nur eine Oberfläche für Menschen anbieten, sondern gleich eine maschinenlesbare Schnittstelle für automatisierte Entwicklungsumgebungen.

Installation und benannte Grenzen

Drei Wege sind dokumentiert: global über npm, über Docker mit Compose-Datei oder über Installationsskripte für macOS, Windows und Linux beziehungsweise WSL, die ohne npm auskommen sollen. Geschrieben ist das Projekt in TypeScript.

Bemerkenswert offen benennt die Projektseite eigene Einschränkungen. NovelAI läuft demnach ausschließlich als Text-zu-Bild, ohne Referenzen, Bearbeitungen oder Masken. Der Antigravity-Pfad liefert fest 1024 × 1024 Bildpunkte als JPEG und verarbeitet höchstens drei Referenzen. Dateien im Format HEIC oder HEIF nimmt der Browserweg nicht an.

Was offen bleibt

Sämtliche Angaben stammen aus der Selbstdarstellung des Projekts. Eine unabhängige Bestätigung durch eine zweite Redaktion liegt nicht vor, und ob die genannten Anbieterpfade in der Praxis vollständig funktionieren, ist damit nicht geprüft.

Ebenfalls nicht erhoben wurden der letzte Commit-Zeitpunkt und ein konkreter Versionsstand. Die Zahlen 722 Sterne und 120 Forks sind eine Momentaufnahme des Abrufs und können sich täglich ändern.