Awesome GitHub RepositoriesGenerative AI Workflows

ComfyUI is a node-based generative AI orchestration engine designed for constructing, testing, and executing complex image and video synthesis pipelines. By utilizing a directed acyclic graph execution model, the platform allows users to build reproducible workflows through modular, interconnected processing blocks without requiring manual code implementation. It serves as both a local environment for high-performance model inference and a production-ready server for deploying generative capabilities. The platform distinguishes itself through its focus on workflow portability and extensibilit

This project is an AI model API gateway and proxy server designed to provide a unified interface for interacting with diverse artificial intelligence service providers. It functions as a centralized middleware platform that routes, load balances, and translates API requests across multiple models, enabling developers to access text, image, audio, and video generation capabilities through a single, standardized integration. The gateway distinguishes itself through comprehensive administrative and financial controls, including event-driven usage accounting, real-time token consumption tracking,

TaskMatrix is a multimodal AI chat interface and visual task orchestrator. It combines language models with visual recognition to enable the exchange, analysis, and modification of images within a conversational environment. The system coordinates multiple foundation models through orchestration pipelines that chain language, detection, and segmentation models. This allows for complex visual operations, such as using text instructions to guide image masking and executing modular inpainting workflows to edit specific image regions. The project includes a computer vision toolset for object det

Open-Higgsfield-AI is a generative AI content studio and visual workflow orchestrator. It provides a unified interface for creating photorealistic images and videos, utilizing a node-based editor to chain multiple image, video, and audio models into automated content pipelines. The system functions as an AI video animation tool and local GPU inference engine, allowing users to run generative models on local hardware or remote servers. It includes specialized capabilities for audio-driven lip synchronization and cinematic camera controls to adjust virtual lens and focal settings. The platform

CogVideo is a generative video framework that uses diffusion models and transformer-based architectures to synthesize high-resolution video clips. It functions as both a text-to-video and image-to-video generator, converting textual descriptions or static images into temporal visual sequences. The system integrates large language model capabilities to expand short user prompts into detailed descriptions for better visual alignment. It supports the animation of static images through latent seeding and provides the ability to extend the length of existing video sequences. The project includes

StableStudio is a generative AI frontend and image interface designed for creating and editing visual content. It provides a web-based graphical interface that connects to generative AI models via API connections to facilitate image synthesis and modification. The project functions as a pluggable AI backend manager, using a modular system to standardize diverse AI provider APIs into a unified format. This architecture allows users to swap between different generative AI backends and providers to compare outputs and optimize production. The system manages long-running generation tasks through

jetson-inference is a set of libraries and tools for executing optimized deep learning models on embedded GPU hardware. Its primary purpose is to enable real-time computer vision and AI inference at the edge with low latency and high throughput. The project distinguishes itself through high-performance streaming analytics and the ability to execute concurrent AI pipelines on auto-grade silicon. It provides specialized support for multi-sensor stream processing, utilizing zero-copy data transport to load camera frames directly into GPU memory. The codebase covers a broad surface of capabiliti

This repository provides a collection of reference implementations and code examples for training and deploying machine learning models using the MLX framework. It serves as a practical guide for executing distributed training, fine-tuning large language models, converting model weights, and implementing multimodal generative workflows. The project distinguishes itself through specialized examples for local hardware execution, featuring weight quantization to reduce memory usage and low-rank adaptation for parameter-efficient fine-tuning. It also includes scripts for transforming external mod

StabilityMatrix is a centralized installer and orchestrator for Stable Diffusion web interfaces and their dependencies. It functions as a generative AI workspace and portable runtime, providing a unified interface to install and update AI image generation packages within isolated environments to prevent global system conflicts. The project distinguishes itself through a shared model manager that imports, organizes, and shares checkpoints across different installations. It utilizes a central model repository and filesystem mapping to allow multiple packages to access the same large binary asse

Rig is a framework for building large language model applications, featuring a multi-provider client and a workflow builder for retrieval-augmented generation systems. It serves as an orchestrator for creating autonomous agents that can maintain conversation state and execute complex tasks through custom prompting and plugins. The project provides standardized interfaces for both completion and embedding model providers, allowing for unified request and response patterns across different engines. It also includes a vector database integration layer that defines a common interface for indexing

This project is a containerized deployment for running Stable Diffusion web interfaces. It provides a portable runtime for generative AI that manages dependencies and hardware acceleration to enable text-to-image generation and image-to-image transformations via a browser-based interface. The system uses hardware-specific image tags to support both GPU-accelerated synthesis and CPU-only execution. It ensures environment isolation across different operating systems while utilizing bind-mount data persistence to keep heavy model weights and generated outputs on the host machine. The deployment

Civitai is a platform for generative media creation and AI model distribution. It provides a centralized service for producing images, videos, audio, and music, while serving as a repository where users can share, discover, and browse custom model weights and fine-tuned adaptations. The platform distinguishes itself through a provider-agnostic orchestration layer that manages multi-step generation pipelines and complex workflows across different backends. It integrates with autonomous AI agents and editors via the Model Context Protocol, allowing external tools to access generation pipelines

SkyReels-V2 is a video generation system that creates, extends, and refines video clips from text descriptions, images, or both. It operates as a diffusion-based video generation model that can produce videos of any duration by denoising frames sequentially, with each new frame conditioned on the ones that came before it. The system supports generating videos from scratch using text prompts, starting from a single image and producing subsequent frames, or constraining both the first and last frames to match user-provided images. What distinguishes SkyReels-V2 is its combination of infinite-le

PraisonAI is an autonomous AI agent platform that coordinates multiple LLM-powered agents for research, planning, and execution of complex workflows. It functions as a multi-agent orchestration framework, a workflow builder, and a Model Context Protocol server, while also providing retrieval-augmented generation through vector knowledge bases. Agents can interact via CLI, web, or standardized protocols with sandboxed code execution. The platform distinguishes itself with a rich set of agent communication protocols, including A2A, REST, WebSocket, voice and telephony integration, and MCP, allo

Baserow هو قاعدة بيانات علائقية ومنشئ تطبيقات بدون كود يسمح للمستخدمين بإنشاء جداول بيانات مهيكلة وأدوات أعمال من خلال واجهة مرئية. يعمل كواجهة خلفية لبيانات REST API بدون رأس ومساحة عمل بيانات ذاتية الاستضافة، مما يوفر منصة لإدارة قواعد البيانات التعاونية مع الحفاظ على السيطرة الكاملة على إقامة البيانات. تدمج المنصة نماذج لغوية كبيرة لتعمل كمنصة بيانات مدعومة بـ LLM، قادرة على إنشاء هياكل قواعد البيانات، ومحتوى السجلات، وسير العمل التقني من اللغة الطبيعية. كما تعمل كخادم بروتوكول سياق النموذج (Model Context Protocol)، مما يتيح لوكلاء الذكاء الاصطناعي البعيدين التفاعل مع سجلات قاعدة البيانات المهيكلة برمجياً. إلى جانب إمكانات قاعدة البيانات الأساسية، يوفر المشروع أدوات لبناء بوابات خارجية ذات علامة تجارية، وتطبيقات أعمال داخلية، ولوحات تحكم تفاعلية. يتضمن محرك أتمتة يعتمد على الأحداث لأتمتة عمليات الأعمال ويدعم مجموعة واسعة من تكاملات API، بما في ذلك خطافات الويب، وبث أحداث WebSocket، ومزامنة بيانات الطرف الثالث. تم تصميم البرنامج للاستضافة على البنية التحتية الخاصة والنشر بالحاويات لضمان سيادة البيانات وأمنها.

هذا المشروع هو مولد فيديو Stable Diffusion ينشئ صوراً متحركة عن طريق الاستيفاء بين مطالبات النص داخل مساحة كامنة لنموذج توليدي. يعمل كأداة لتوليد فيديو الذكاء الاصطناعي والاستيفاء في المساحة الكامنة، محولاً النص الوصفي إلى تسلسلات مرئية. يمكّن النظام بشكل خاص المرئيات التفاعلية مع الصوت عن طريق مزامنة معدل استيفاء الصورة مع إيقاع ونبض ملف صوتي. ينتج هذه التسلسلات من خلال توليد فيديو التحول (morphing)، الذي ينتقل بسلاسة بين مطالبات نصية مختلفة. يتضمن المشروع واجهة مستخدم رسومية توفر واجهة تحكم قائمة على الويب لإدارة سير عمل تحويل النص إلى فيديو. يسمح هذا بتنسيق العملية التوليدية دون كتابة كود خط أنابيب يدوي.

ComfyUI-Copilot is an AI-powered assistant and design tool for creating, optimizing, and automating node-based generative AI workflows within ComfyUI. It functions as an LLM workflow orchestrator that provides natural language guidance to help design and refine complex image and video generation pipelines. The system uses large language models to translate natural language prompts into structured node-based graph configurations. It incorporates state-aware prompt engineering and dynamic node mapping to ensure generated sequences match the specific requirements of the target AI nodes. The too

HunyuanVideo-1.5 is a video generation foundation model and text-to-video diffusion framework. It utilizes a latent video diffusion model and a spatio-temporal transformer architecture to generate high-definition video sequences from text descriptions and images. The project enables cinematic camera control for directing pans and tilts and provides image-to-video animation capabilities. It supports visual style adaptation through low-rank adaptation tuning and uses a language model for prompt refinement to improve visual alignment. The model covers high-resolution video upscaling via a super

Tune-A-Video هو إطار عمل لانتشار النص إلى الفيديو مصمم لتحويل نماذج انتشار النص إلى الصورة المدربة مسبقاً إلى مولدات فيديو. يستخدم آلية انتباه مكانية-زمانية وتدريباً على زوج نص-فيديو واحد لتمكين توليف تسلسلات متحركة من مطالبات نصية. يوفر المشروع أدوات لتخصيص الفيديو بلقطة واحدة، مما يسمح بضبط النموذج على فيديو مرجعي واحد للحفاظ على شخصيات أو أنماط فنية محددة عبر الأجيال الجديدة. كما يعمل كمحرر فيديو يقوم بتعديل الموضوعات والخلفيات والأنماط من خلال توجيه المطالبة بأخذ عينات الضوضاء والانعكاس. يغطي إطار العمل العديد من مجالات القدرات الأساسية، بما في ذلك استخراج التوجيه الهيكلي للحفاظ على تخطيط وحركة مقاطع الفيديو المصدر، واتساق المحتوى المكاني-الزماني للحفاظ على استقرار العناصر البصرية عبر الإطارات. تمكن هذه العمليات من توليف الفيديو المخصص وتعديل المحتوى البصري عبر أخذ العينات الموجه.

OpenGpt هو منصة لتنسيق الوكلاء وواجهة متعددة الوسائط مصممة لبناء ونشر شخصيات ذكاء اصطناعي متخصصة. يسمح للمستخدمين بإنشاء وكلاء موجهين للمهام مع مطالبات نظام مخصصة وقيود سلوكية لأتمتة سير العمل المهني والإبداعي والتقني. يتميز المشروع بسير عمل لهندسة المطالبات (prompt engineering) يحول مدخلات المستخدم البسيطة إلى تعليمات منظمة لتحسين دقة النموذج. يدمج التوليد المعزز بالاسترجاع (RAG) من خلال ربط قواعد بيانات المتجهات بواجهة الدردشة، مما يتيح استجابات واعية بالسياق من مجموعات بيانات خاصة. تغطي المنصة مجموعة واسعة من الإمكانات، بما في ذلك تحليل البيانات متعددة الوسائط لملفات PDF والصوت، وإدارة واجهة برمجة التطبيقات (API) متعددة الموفرين عبر مفاتيح شخصية، وتوليد أنواع محتوى متنوعة مثل المستندات المهنية، والكود الوظيفي، والمطالبات المرئية. كما تتضمن أدوات لتحليل المحتوى، وخدمات الترجمة، وإدارة الهوية عبر Google OAuth.