AI för bild, video och ljud med öppen källkod

Generering och redigering av bild, video, tal och musik med lokala modeller.

8 program i kategorin · Hela katalogen · Filtrera i katalogen

Här samlar vi program som skapar eller bearbetar bild, video, tal och musik med lokala modeller — från nodbaserade bildflöden till röstsyntes och transkribering.

Jämför efter hårdvarukrav, vilka modeller som stöds och vad licensen säger om kommersiellt bruk av det som genereras.

ACE-Step 1.5

Musikgenerering

Musikgenerering på egen GPU: text till färdig låt med sång eller instrumental, via Gradio, CLI eller REST-API och även som Docker-container.

Öppen källkodPython
Startår
2026
API
REST API

Betyg

76

Preliminärt

Projektdata

14 364GitHub-stjärnor
15 commits · 13 veckor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2026
Licens
MITÖppen källkod (OSI-godkänd licens) · Licensmodeller
Öppen källkod
Ja
Plattformar
Linux · Windows · macOS
API
REST API Ej verifierat
MCP
Saknas
Export
Ej verifierat Ej verifierat
Språk
Gränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: MIT enligt LICENSE (raw.githubusercontent.com/ace-step/ACE-Step-1.5/main/LICENSE, läst 2026-10-30). Även modellvikterna är MIT: Hugging Face-korten för ACE-Step/acestep-v15-base, acestep-v15-xl-base, acestep-v15-xl-sft, acestep-v15-xl-turbo och Ace-Step/Ace-Step1.5 anger license: mit (kontrollerat via HF-API 2026-10-30). Självdrift via docker-compose och ghcr, utdata i öppna ljudformat; den hostade tjänsten acemusic.ai är ett separat erbjudande och inget driftkrav.
Funktionell passform Gäller: README dokumenterar text-till-låt med sång eller instrumental, 10 sekunder till 10 minuter, batch om upp till åtta låtar, cover, repaint av valda partier, stämsseparering, vocal2BGM och LoRA-träning. Luckor: kvaliteten varierar mellan 2B- och XL-modellerna och stilar kan ligga nära skyddade verk, så publicering kräver juridisk granskning.
Dataflytt och interoperabilitet Gäller: REST-API:t är dokumenterat i docs/en/API.md med POST /release_task och POST /query_result (task_id och statuspolling), och det finns CLI och Python-API. Utdata är wav/mp3-filer med metadata som BPM och tonart. Det saknas export av projekt/sessioner eller av hela genereringshistoriken, så täckningen är inte fullständig.
Mognad och trygghet Gäller: v0.1.x: releases.atom visar v0.1.8 (2026-05-18) med tät utgåvecykel (v0.1.2–v0.1.8 mellan februari och maj 2026). Dokumentation på engelska, kinesiska, japanska och koreanska samt tester i repot, men kodbasen är ung och modellserien 1.5 lanserades 2026; ingen verifierad säkerhetspolicy hittad.
Framtidskraft Gäller: Väldokumenterat asynkront REST-API med autentisering och cURL-exempel, CLI-wizard och Python-API — verklig automation är möjlig och arkitekturen (api_server.py, cli_args.py) är rimligt underhållbar. Ingen MCP-server, inga webhooks och ingen belagd agentintegration, vilket håller nivån under 4.
Drift och införande Gäller: Docker compose med image ghcr.io/ace-step/ace-step-1.5 startar Gradio på 7860 eller REST på 8001 (ACESTEP_MODE=api). Compose-filen reserverar NVIDIA-GPU; grundmodellen ryms under 6 GB VRAM med offload, XL kräver minst 12 GB (20 GB rekommenderat), och modellvikterna laddas ner vid första körningen. Hanterbart för van IT men kräver GPU-kompetens.
Kostnadsbild Gäller: 0 kr i licens (MIT för kod och vikter). TCO-antaganden: GPU med minst 6 GB VRAM (12–20 GB för XL), några GB modellagring per modell, el och kylning samt arbetstid för att följa en ung 0.1.x-kodbas. Ingen betald support finns att köpa.
Svensk användbarhet Gäller: Negativ kontroll utförd: acestep/ui/gradio/i18n innehåller en.json, he.json, ja.json, pt.json, zh.json och i18n.py — ingen sv.json. README:s dokumentationstabell listar engelska, kinesiska, japanska och koreanska, ingen svensk. Sångtext kan skrivas på många språk, men svensk sångkvalitet är inte verifierad och lyfter därför inte nivån.

Kostnad: 0 kr. Ingen licenskostnad. Kostnaden är ett grafikkort med tillräckligt VRAM, några GB modellnedladdning och den tid det tar att underhålla en ung kodbas

Faktakontrollerad

ComfyUI

Nodbaserat gränssnitt och lokalt inferensgränssnitt för generativ AI

ComfyUI är en nodbaserad motor för bild- och videogenerering, där diffusionsmodeller som Stable Diffusion och Flux kopplas ihop till körbara arbetsflöden.

Öppen källkodPython
Startår
2023
API
REST API · Annan
MCP
MCP-server, Officiellt tillägg

Betyg

87

Preliminärt

Projektdata

144 938GitHub-stjärnor
556 commits · 13 veckor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2023
Licens
GNU General Public License v3.0Öppen källkod (OSI-godkänd licens) · Repots LICENSE-fil innehåller standardtexten för GNU GPL version 3 (29 juni 2007), och GitHub identifierar licensen som GPL-3.0. Någon uttrycklig tilläggsklausul om 'or later' i projektets egen licensnotis påträffades inte, varför SPDX-id:t anges som GPL-3.0-only med viss osäkerhet. · Licensmodeller
Öppen källkod
Ja
Plattformar
Windows · Linux · macOS · Webbläsare
API
REST API · Annan Verifierat
MCP
MCP-server, Officiellt tillägg
Export
Finns Arbetsflöden representeras som JSON enligt dokumentationens specifikation, och den lokala servern kan via API:t ta emot arbetsflöden och lämna tillbaka genererade utdatafiler. Ej verifierat
Språk
Gränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: GPL-3.0 (OSI), hela kärnan och frontend öppna — ingen open-core-låsning.
Funktionell passform Gäller: Nodbaserad bild-/videodiffusion är projektets exakta kärna, med brett modellstöd.
Dataflytt och interoperabilitet Gäller: Workflows är portabla JSON och modeller använder öppna format; custom nodes kan dock ha egna beroenden som bryter portabilitet.
Mognad och trygghet Gäller: Stort ekosystem sedan 2023 under Comfy-Org med strukturerad releasecykel; snabb takt bryter ibland arbetsflöden.
Framtidskraft Gäller: Helt programmerbart: workflows körs via HTTP-API, sparas som JSON, custom nodes bygger ny funktionalitet — förstklassig automation.
Drift och införande Gäller: Historiskt krånglig installation (Python-beroenden) även om desktop-app förenklat; driftarbetet är större än för enklare verktyg.
Kostnadsbild Gäller: Gratis GPL; GPU är kategoriinnevärd kostnad. Vissa modellvikter är gated på HF Hub.
Svensk användbarhet Gäller: Gränssnitt och dokumentation engelska; inga svenskspecifika funktioner belagda.

Kostnad: .

Faktakontrollerad

ebook2audiobook

Text till tal och ljudböcker

Gör ljudböcker av epub, pdf och docx med kapitel och metadata via flera TTS-motorer och röstkloning, i Docker med webbgränssnitt.

Öppen källkodPython
Startår
2024
API
Finns
MCP
Finns

Betyg

74

Preliminärt

Projektdata

20 496GitHub-stjärnor
870 commits · 13 veckor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2024
Licens
Apache-2.0Öppen källkod (OSI-godkänd licens) · Licensmodeller
Öppen källkod
Ja
Plattformar
Linux · Windows · macOS
API
Finns Ej verifierat
MCP
Finns
Export
Ej verifierat Ej verifierat
Språk
Gränssnitt: Engelska · Dokumentation: Delvis svenska · Support: Engelska
Öppenhet och kontroll Gäller: Koden är Apache-2.0 enligt LICENSE (raw.githubusercontent.com/DrewThomasson/ebook2audiobook/main/LICENSE, läst 2026-10-30). Men standardmotorn XTTSv2 har vikter under Coqui Public Model License (HF-kortet coqui/XTTS-v2: license: other, license_name: coqui-public-model-license), alltså inte OSI, och villkoren gick inte att läsa eftersom coqui.ai/cpml inte längre resolverar. Övriga motorer har egna licenser. Kontrollen över koden är full, men rättigheterna till rösterna måste prövas per vald motor.
Funktionell passform Gäller: README dokumenterar epub, mobi, pdf, docx, txt, html och odt in samt OCR av inskannade sidor; ut m4b, mp3, flac, wav, ogg, aac och mp4 med kapitel och metadata. Batch via --ebooks_dir och headless-läge finns. Luckor: bara DRM-fria böcker, epub saknar kapitelstandard så texten behöver ofta städas, och moderna motorer är långsamma utan grafikkort.
Dataflytt och interoperabilitet Gäller: In- och utformat är standard (epub/pdf in, m4b/mp3 ut) och filerna är fritt flyttbara; README beskriver integration mot Audiobookshelf. Det finns inget HTTP-API, så dataflytten sker som filer och via CLI — fullt möjlig men utan dokumenterat gränssnitt för andra system.
Mognad och trygghet Gäller: Mycket aktiv: releases.atom visar v26.10.1 (2026-10-05) med datumversionerade utgåvor varje till varannan vecka. 22 gränssnittsspråk i lib/lang, 24 README-översättningar och Docker-bygge i CI. Men en enda huvudmaintainer, ingen verifierad säkerhetspolicy och snabb versionsrytm gör versioner snabbt inaktuella.
Framtidskraft Gäller: Headless-läget är dokumenterat med full flagglista i README (--headless, --ebook, --ebooks_dir, --language, --tts_engine, --custom_model samt JSON-mappning bok till röst), vilket ger verklig automation för schemalagda batchkörningar. Inget HTTP-API och ingen MCP; Gradio är det enda interaktiva gränssnittet.
Drift och införande Gäller: Docker är huvudvägen: athomasson2/ebook2audiobook med varianter för cpu, CUDA, ROCm, XPU och Jetson, plus docker-compose och podman-compose. Minimum 2 GB RAM och 1 GB VRAM, rekommenderat 8 GB RAM och 4 GB VRAM; modellvikter på flera GB hämtas vid första körningen. Tydligt dokumenterat och hanterbart.
Kostnadsbild Gäller: 0 kr i licens (Apache-2.0 för koden). TCO-antaganden: maskin med grafikkort för rimliga körtider, disk för modeller och ljudfiler samt arbetstid för att städa texten i varje bok. Röstmodellernas licenser kan dessutom kräva juridisk prövning vid kommersiell användning.
Svensk användbarhet Gäller: Verifierat svenskt belägg: readme/README_swe.md finns (HTTP 200, ca 34 kB) och svenska anges bland de 1158 språk projektet uppger för inläsning. Negativ kontroll för gränssnittet: lib/lang innehåller 22 legends_*.py (ara, ben, deu, eng, fas, fra, hin, hun, ind, ita, jav, jpn, kor, pol, por, rus, spa, tam, tel, tur, yor, zho) och ingen legends_swe.py — gränssnittet är alltså inte översatt till svenska.

Kostnad: 0 kr. Ingen licenskostnad. Kostnaden är en maskin med grafikkort om du vill ha rimliga körtider, diskutrymme för modeller och ljudfiler samt tid för att städa texten i varje bok

Faktakontrollerad

InvokeAI

Bildgenerering med Stable Diffusion

Webbapplikation för att generera och redigera bilder med Stable Diffusion-modeller, med arbetsyta, modellhanterare och nodredigerare.

Öppen källkodPythonTypeScript
Startår
2022
API
REST API
MCP
MCP-server, Tredjepart

Betyg

71

Preliminärt

Projektdata

28 974GitHub-stjärnor
2 117 commits · 13 veckor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2022
Licens
Apache License 2.0Öppen källkod (OSI-godkänd licens) · Standardtext för Apache 2.0 i LICENSE-filen. · Licensmodeller
Öppen källkod
Ja
Plattformar
Linux · Windows · macOS · Webbläsare
API
REST API Uppgivet
MCP
MCP-server, Tredjepart
Export
Ej verifierat Ej verifierat
Språk
Gränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: Apache License 2.0 verifierad i repots LICENSE (standardtext). OSI-godkänd och fri själva drift, men praktisk kontroll begränsas av att modellvikterna (Stable Diffusion m.fl.) har separata licenser som måste granskas var för sig (katalogpost och README), vilket stänger vissa modeller för vissa användningar.
Funktionell passform Gäller: Täcker bildfallet väl enligt README och katalogposten: promptvy, canvas för ommålning/utvidgning/stegvis redigering, modellhanterare och nodredigerare. Mindre luckor: kräver GPU för rimliga tider, och vissa modeller (t.ex. Nano Banana, GPT Image enligt README) är endast API-baserade via moln och kan alltså inte self-hostas.
Dataflytt och interoperabilitet Gäller: Bilder exporteras som standard-PNG, arbetsflöden representeras som JSON (dokumenterat i docs-trädet: development/Guides/workflow-api.mdx) och modeller är flyttbara standardfiler; REST-API:t gör data åtkomlig programmatiskt. Fullständig export av galleri/databasinnehåll är inte verifierad, därför inte 5.
Mognad och trygghet Gäller: Sedan 2022 (katalogpost), aktiv förvaltning (InvokeAI 7.0.0-alpha 1–3 med updated-datum 2026-10-11 till 2026-10-19 i releases.atom), egen dokumentationssajt (invoke.ai) och öppna releases med detaljerade ändringslistor. Uppdateringspolicy och säkerhetsrutiner inte verifierade mot oberoende källa.
Framtidskraft Gäller: REST-API (FastAPI/OpenAPI i invokeai/app/api, verifierat i trädet) med dokumenterad autentisering i api-guide.mdx, plus nodbaserade JSON-arbetsflöden som är programmatiskt åtkomliga. Ingen inbyggd MCP eller webhooks är belagd; endast tredjeparts-MCP finns. Dokumenterad anpassningsförmåga finns (utvecklardokumentation), men automationen är inte i klass med väletablerade plattformar — därför 3.
Drift och införande Gäller: Införande är tydligt dokumenterat och hanterbart med normal IT-kompetens: egen installer/skrivbordsprogram (katalogpostens leveransform), Python-miljö och GPU krävs. Löpande drift innebär modellhantering och uppföljning av snabba majorreleaser (7.0.0 i alpha), men inget oproportionerligt för en IT-avdelning.
Kostnadsbild Gäller: Mjukvaran är gratis (Apache-2.0) och inga licensavgifter finns. TCO domineras av en GPU-arbetsstation (katalogpost: 'Kräver GPU för rimliga tider'), elkostnad och eget arbete; modelllicenser kan vidare begränsa kommersiell användning. Totalkostnaden kräver egen beräkning och kan inte anges transparent.
Svensk användbarhet Gäller: Negativ kontroll: repot har locales-kataloger för gränssnittet (invokeai/frontend/webv2/public/locales/) och en sv.json finns, men den är tom — 0 av 4 960 bladnycklar översatta jämfört med en.json (hämtat från raw.githubusercontent.com 2026-10-28; gamla webv1 har 3 nycklar). Weblate-statusbadge i README bekräftar översättningsflödet men inget svenskt innehåll. Dokumentation och support är engelska: verifierat svagt svenskt stöd.

Kostnad: .

Faktakontrollerad

Piper

Lokal röstsyntes

Snabb röstsyntes som körs lokalt med små neurala röstmodeller, via kommandoraden eller en egen HTTP-server.

Öppen källkodC++Python
Startår
2023
API
http
MCP
MCP-server, Tredjepart

Betyg

67

Preliminärt

Projektdata

6 156GitHub-stjärnor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2023
Licens
GNU General Public License v3.0Öppen källkod (OSI-godkänd licens) · GPL-3.0 enligt COPYING. Röstmodellerna distribueras separat och kan ha andra villkor. · Licensmodeller
Öppen källkod
Ja
Plattformar
Linux · macOS · Windows · containers
API
http Uppgivet
MCP
MCP-server, Tredjepart
Export
Ej verifierat Ej verifierat
Språk
Gränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: GPL-3.0 verifierad i repots COPYING (full GNU GPL-text). OSI-godkänd och full frihet att drifta själv; praktisk begränsning är att röstmodellerna distribueras separat med egna villkor per röst (katalogpost: 'Röstmodellerna distribueras separat och kan ha andra villkor'), vilket begränsar vad som kan återdistribueras fritt.
Funktionell passform Gäller: Täcker kärnbehovet (snabb lokal uppläsning, WAV-utdata, CLI + HTTP-server + Python/C-API, träning av egna röster enligt README) med kända luckor som kräver tillägg: ingen röstkloning, begränsat känslouttryck (katalogpostens begränsningar) och en röst per modellfil. Projektet söker dessutom underhållare (README), vilket väger in vid långsiktigt införande.
Dataflytt och interoperabilitet Gäller: Röstmodeller är ONNX-filer i öppet format och utdatat är standard-WAV via CLI eller HTTP (docs/API_HTTP.md); gränssnitten (CLI, Python, C/C++) gör data åtkomlig från valfritt system. Men det finns ingen dokumenterad begreppsbild för batch-/arkivexport utöver filutdatat, och varje röst är en egen fil utan paketerat utbyte — därför 3.
Mognad och trygghet Gäller: Sedan 2023 (katalogpost) med regelbundna utgåvor (v1.6.1→v1.8.0, updated-datum 2026-08-15 till 2026-09-04 i releases.atom) och etablerad användning (Home Assistant, NVDA enligt README). Men README:n deklarerar öppet 'Looking for Maintainers' hos Open Home Foundation — förvaltningssignalen är oklar, därför inte 4.
Framtidskraft Gäller: Dokumenterat CLI, Python-API, C/C++-API och enkel HTTP-server (README + docs/API_HTTP.md och API_PYTHON.md) ger verklig scriptbar automation och har använts bredare (Home Assistant-tillägg, NVDA). Inbyggd MCP saknas; endast tredjeparts-MCP-servrar finns. Arkitekturen är enkel och moder nok, men agent-/integrationsberedskapen går inte utöver API:erna — därför 3.
Drift och införande Gäller: Mycket lätt införande: 'pip install piper-tts', ladda en röst och kör (docs/API_HTTP.md visar kommandona), körs på vanlig CPU utan GPU. Löpande drift är en liten process per röst. Dokumentationen är kort men komplett för användningsfallet; endast modellhantering per röst kräver lite eget arbete.
Kostnadsbild Gäller: Licenskostnad 0 (GPL-3.0) och låg hårdvarukostnad (kör på liten CPU, katalogpostens styrkor), så totalkostnaden är låg för scenariot. Men projektet saknar sponsor/underhållsgaranti (söker underhållare), så framtida supportarbete måste räknas in; kommersiell distribution kräver GPL-efterlevnad. Antagandena ger 3, inte 4–5.
Svensk användbarhet Gäller: Verifierad svensk språkförmåga av kategorirelevant typ: docs/VOICES.md listar 'Svenska, Sweden (Swedish, sv_SE)' bland rösterna (hämtat 2026-10-28), och espeak-ng-baserad fonemisering stödjer svenska. Det är dock ingen svensk lokalisering: gränssnitt, dokumentation och support är engelska och ingen i18n-katalog finns i repot (165 filer via trees-API) — därför 3, inte 4.

Kostnad: .

Faktakontrollerad

stable-diffusion.cpp

Inferensmotor för bild- och videogenerering i ren C/C++ på ggml

Diffusionsmodeller i ren C/C++: kör Stable Diffusion, FLUX och Wan på CPU eller GPU, med kommandoradsverktyg, webbgränssnitt och HTTP-API i samma binär.

Öppen källkodCC++
Startår
2023
API
REST API
MCP
MCP-server, Tredjepart

Betyg

84

Praktiskt granskad

Projektdata

7 888GitHub-stjärnor
224 commits · 13 veckor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2023
Licens
MITÖppen källkod (OSI-godkänd licens) · Källkoden – biblioteket, kommandoradsverktyget och servern med webbgränssnitt – ligger under MIT enligt LICENSE i repot. Modellvikterna är en egen fråga: de distribueras av sina utgivare under egna licenser (SD-Turbo under Stability AI Community License, SD 1.5 under CreativeML OpenRAIL-M), och de licenserna följer med varje nedladdad modell. · Licensmodeller
Öppen källkod
Ja
Plattformar
Linux · macOS · Windows
API
REST API Uppgivet
MCP
MCP-server, Tredjepart
Export
Delvis Bilderna skrivs som vanliga PNG- eller WebP-filer med generationsparametrarna inbäddade i PNG-metadata i webui-kompatibelt format, så en bild kan flyttas till ett annat verktyg och köras om där. Modellvikterna ligger i öppna format (safetensors, ckpt, GGUF). Någon samlad export av serverkonfiguration eller recept finns inte – den får skrivas av för hand. Uppgivet
Språk
Gränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: Hela källkoden ligger under MIT enligt LICENSE i repot: biblioteket, sd-cli och sd-server med det inbyggda webbgränssnittet. Det finns ingen sluten utgåva, inga funktioner bakom avtal och ingen licensnyckel – instansen i labbet byggdes ur källkoden och startade utan konto. Vikterna läses i öppna format (ckpt, safetensors, GGUF) som går att flytta mellan verktyg.
Funktionell passform Gäller: Driftsatt i labbet på åtta delade vCPU utan grafikkort: modellen laddades ur model-katalogen på 1,1 sekund, och en 512 × 512-bild tog 1 minut och 52 sekunder med ett steg. Samma server svarade på OpenAI-formatet, AUTOMATIC1111-formatet och det egna asynkrona jobb-API:t, och bilden kom tillbaka som PNG med parametrarna inbäddade. Användningsfallet går att lösa – men bara i 512 × 512 och med en kvalitet som är illustration, inte fotorealism, och videomodellerna är inte praktiska utan GPU.
Dataflytt och interoperabilitet Gäller: Det finns inget att låsa in sig i: tillståndet är modellfilerna och de genererade bilderna, båda i öppna format. Vikterna flyttas som safetensors eller GGUF, bilderna skrivs som PNG eller WebP med generationsparametrarna i PNG-metadata i webui-kompatibelt format, och servern har ingen databas och ingen egen lagring. Hela installationen flyttas genom att kopiera binären och model-katalogen.
Mognad och trygghet Gäller: Projektet är mycket aktivt – förrådet fick commits samma dag som bedömningen gjordes – men beskriver sig självt som under aktiv utveckling och säger uttryckligen att API och kommandoradsflaggor kan ändras ofta. Det märktes i labbet: bygget kräver att rätt CMake-flaggor kombineras, serverrecepten förutsätter en viss katalogstruktur, och VAE-avkodningen tog 91 sekunder av 171 för en enda bild. Ett levande projekt med skarp prestanda, men utan utfryst API-version.
Framtidskraft Gäller: Servern talar tre API-familjer samtidigt, varav OpenAI-formatet gör den utbytbar i klienter som redan pekar mot en molntjänst, och det egna /sdcpp/v1 har asynkrona jobb med status och avbrott – det som behövs för att en agent eller ett skript ska kunna vänta på en bild. Den används som motor i andra program (LocalAI, KoboldCpp och en GIMP-plugin listas i README), och det finns en tredjeparts MCP-server som kör mot det nativa API:t. Att API:t inte är fruset drar ned ett steg.
Drift och införande Gäller: En container med en enda binär och libgomp som enda beroende, ingen databas och ingen sidotjänst – det är enklare drift än de flesta katalogposter. Modellerna laddas ner för sig och ligger kvar i en katalog. Det som drar ned är att servern saknar autentisering och måste stå bakom en proxy, att bygget ur källkoden kräver eftertanke kring CMake-flaggor och minne, och att prestandan beror helt på vilka kärnor som finns.
Kostnadsbild Gäller: MIT och inga licenskostnader, ingen prenumeration och ingen molnräkning per bild: kostnaden är de kärnor och det RAM som redan finns, plus el. Modellvikterna är gratis att ladda ner, även om varje modell har sina egna villkor (SD-Turbo under Stability AI Community License).
Svensk användbarhet Gäller: Varken webbgränssnittet eller dokumentationen finns på svenska – servern har engelska texter och det finns ingen översättningsmekanism. För ett verktyg som mest används över API och kommandorad betyder språket mindre, men den som ska sätta upp det läser engelsk dokumentation, och det finns ingen svensk supportkanal.

Kostnad: .

Faktakontrollerad

SwarmUI

Webbgränssnitt för bildgenerering

Webbgränssnitt för bildgenerering som använder ComfyUI som motor och delar ut arbetet mellan flera användare och grafikkort.

Öppen källkodJavaScriptPython
Startår
2024
API
REST API · webhooks
MCP
MCP-server, Tredjepart

Betyg

79

Preliminärt

Projektdata

4 742GitHub-stjärnor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2024
Licens
MIT LicenseÖppen källkod (OSI-godkänd licens) · MIT enligt LICENSE.txt. · Licensmodeller
Öppen källkod
Ja
Plattformar
Linux · Windows · Webbläsare
API
REST API · webhooks Uppgivet
MCP
MCP-server, Tredjepart
Export
Ej verifierat Ej verifierat
Språk
Gränssnitt: Delvis svenska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: MIT-licens verifierad i repots LICENSE.txt (Copyright 2024-2025 Alex 'mcmonkey' Goodwin). Hela kodbasen öppen på GitHub, self-host på egen hårdvara, ComfyUI-flöden i öppet JSON-format och ingen licenslåsning; backendmotorer (ComfyUI, AutoWebUI) är själva utbytbara via backend-abstraktionen.
Funktionell passform Gäller: Täcker det namngivna fallet väl enligt README och docs: flera användare mot samma server, jobbfördelning mellan flera GPU:er, flikar för generera/redigera/bygga flöden, presets, upscaling, ControlNet och video-/ljudmodeller. Förutsättning: ComfyUI ska vara installerat och förstått, och för en enskild användare finns enklare alternativ (vår katalogpost).
Dataflytt och interoperabilitet Gäller: Dokumenterad bildmetadata (docs/Image Metadata Format.md), väldokumenterat REST-API mot modeller, köer och generering (docs/API.md med APIRoutes: ModelsAPI, T2IAPI, AdminAPI m.fl.) och ComfyUI-arbetsflöden som utbytbara JSON-flöden. Full export av användarkonton, presets och inställningar är dock inte verifierad.
Mognad och trygghet Gäller: Aktiv utvecklare och god dokumentation, men utgivningstakten är långsam: releases.atom visar 0.9.8-Beta (2026-03-10) efter 0.9.7-Beta (2025-08-25) — sju månader mellan utgåvor — och projektet är fortfarande Beta (0.9.x). Ingen SECURITY.md i repot (HTTP 404 via raw.githubusercontent.com). Startår 2024, blygsam historik.
Framtidskraft Gäller: Väldokumenterat backend-REST-API (docs/API.md samt APIRoutes per delsystem), dokumenterade webhooks (docs/Features/Webhooks.md) och utbyggnadsmodell via extensions (docs/Making Extensions.md) — verklig automation vägen. Nivå 5 kräver belagd praktisk integrations-/anpassningsförmåga i tredjepartsmiljöer, vilket inte är dokumenterat.
Drift och införande Gäller: Docker-stöd finns (launchtools med Dockerfiles och docker-compose, docs/Docker.md) men drift kräver ComfyUI-miljö, Python, GPU-drivrutiner och en alltid-på-server — tydliga men reella krav. Dokumenterade kommandoradsargument och felsökningssidor finns; Linux och Windows stöds.
Kostnadsbild Gäller: Ingen licenskostnad (MIT) och ingen betalnivå; totalkostnaden domineras av GPU-hårdvara, el och drifttid för servern plus underhåll av ComfyUI-miljön. Antagande: befintliga grafikkort, egen värd — ny GPU-investering eller moln-GPU-tid får beräknas själv. Ingen kommersiell supportkanal; support via GitHub.
Svensk användbarhet Gäller: Verifierat svenskt gränssnitt: languages/sv.json täcker 670 av 672 nycklar i languages/en.json (99,7 procent, kontrollerat 2026-10-28 mot raw-filerna). Viktig reservation: filens authorship-fält anger att samtliga översättningar är AI-genererade (translate-tool) och kvaliteten är därför ogranskad; dokumentation och community är engelska.

Kostnad: .

Faktakontrollerad

whisper.cpp

Tal till text på egen hårdvara

Portabel implementering av Whisper i C och C++ som transkriberar tal lokalt på CPU eller GPU utan Python-beroenden.

Öppen källkodCC++
Startår
2022
API
http
MCP
MCP-server, Tredjepart

Betyg

73

Preliminärt

Projektdata

54 908GitHub-stjärnor
Visa alla fakta och bedömningarVisa alla fakta
Startår
2022
Licens
MIT LicenseÖppen källkod (OSI-godkänd licens) · MIT för koden. Whisper-modellvikterna har OpenAI:s modelllicens och ska bedömas för sig. · Licensmodeller
Öppen källkod
Ja
Plattformar
Linux · macOS · Windows · containers
API
http Uppgivet
MCP
MCP-server, Tredjepart
Export
Ej verifierat Ej verifierat
Språk
Gränssnitt: Engelska · Dokumentation: Engelska · Support: Engelska
Öppenhet och kontroll Gäller: MIT-licens verifierad i repots LICENSE ('Copyright (c) 2023-2026 The ggml authors') — OSI-godkänd och fri att drifta och redistribuera. Praktisk kontrollbegränsning: modellvikterna distribueras under OpenAI:s modelllicens och omfattas inte av MIT; den frågan ska bedömas separat från programvarulicensen (jämför katalogpostens licenstext).
Funktionell passform Gäller: Täcker transkriptionsfallet väl enligt README och exempelkod: CLI med språkval/översättning, tidsstämplar, kvantiserade modeller för svag hårdvara och en HTTP-server; bredd plattformsstöd och få beroenden. Mindre luckor: inget redigeringsgränssnitt för transkript och inget färdigt arbetsflöde för många samtidiga strömmar (katalogpostens begränsningar).
Dataflytt och interoperabilitet Gäller: Utdata är standardfiler (text, JSON, SRT, VTT — verifierat i examples/server/server.cpp som stödjer response_format inklusive OpenAI-liknande verbose_json) och modellvikterna är GGML-filer som kan flyttas fritt mellan installationer. Det är filbaserad dataflytt snarare än ett komplett export-API, och t.ex. talardelning/avancerade format täcks inte fullt ut — därför 4.
Mognad och trygghet Gäller: Sedan 2022 (katalogpost), kontinuerliga utgåvor (v1.9.4/v1.9.5 med updated-datum 2026-10-06/07 i releases.atom), bred plattformssupport med CI-byggen och brett ekosystem av binädingar. Säkerhetspolicy och uppdateringspolicy inte verifierade mot oberoende källa, därför inte 5.
Framtidskraft Gäller: Väldokumenterat C-API (include/whisper.h, länkad i README), CLI med skriptbar automation och en enkel HTTP-server med OAI-liknande svarsformat (README-tabellrad för whisper-server). Agentintegration finns bara som tredjeparts-MCP-servrar; ingen inbyggd MCP/webhooks/SDK — därför 3 och inte 4.
Drift och införande Gäller: Få beroenden och liten binär (katalogpostens styrkor), men införandet kräver att man själv kompilerar med CMake eller bygger en container, samt laddar rätt modellvikter. Tydligt dokumenterat (examples/server/README.md med fullständig flagglista) och hanterbart med normal IT-kompetens, men mer friktion än färdiga paket.
Kostnadsbild Gäller: Licenskostnad 0 (MIT) och betydligt lägre hårdvarukrav än GPU-verktygen i gruppen: kvantiserade modeller kör på vanlig CPU (README). Antaganden: kostnaden består av CPU-tid, lagring för modellvikterna (flera GB per stor modell) och integrationsarbete (ingen färdig produkt med support); det senare kan bara beräknas av organisationen — därför 3.
Svensk användbarhet Gäller: Negativ kontroll: repots filträd (2 057 filer via trees-API, hämtat 2026-10-28) innehåller ingen locales-/i18n-katalog och dokumentationen är engelska. Ett svenskt belägg finns dock: verktyget stöder flerspråkiga Whisper-vikter med '-l/--language' och '-dl/--detect-language' (verifierat i examples/cli/cli.cpp och examples/server/server.cpp), så svensk transkription är tekniskt möjlig. Praktisk kvalitet för svenska är inte testad av oss — därför 2, inte 3.

Kostnad: .

Faktakontrollerad

Till hela programvarukatalogen