Pular para o conteúdo principal
PromptQuorumFeito para humanos. Estruturado para IA.
Início/LLMs locais avançados
Image & Video Generation

Ferramentas locais de imagem, vídeo e visão comparadas (2026): geração, visão e OCR

·9 min de leituraPor Hans Kuepper · Fundador do PromptQuorum · Mecanismo de descoberta de IA de pesos abertos e código aberto

As 39 ferramentas locais de imagem do diretório do PromptQuorum se dividem em dois trabalhos que devem ser comparados separadamente: geração de imagem e vídeo (24 ferramentas) e visão e OCR (16). Na geração, ComfyUI, InvokeAI e StableSwarmUI documentam fluxos de trabalho baseados em nós; AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge, StableSwarmUI e ToolNeuron documentam sistemas de extensões; e AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge e ToolNeuron documentam uma API local. Na visão, o LLaVA documenta a leitura de texto em imagens e o Idefics documenta várias imagens por prompt. Use a tabela comparativa abaixo e leia a análise de cada ferramenta antes de instalá-la.

Principais conclusões

  • 39 ferramentas, dois trabalhos: geração de imagem e vídeo (24) e visão e OCR (16).
  • A tabela é gerada a partir do registro de cada ferramenta e conferida com o README ou o site oficial; um traço significa "não informado na documentação", nunca "não".
  • As licenças diferem de maneiras que importam: por exemplo, AUTOMATIC1111, DiffusionBee, Stable Diffusion WebUI Forge e Locally Uncensored são AGPL-3.0, ComfyUI e Fooocus são GPL-3.0, AnimateDiff, ControlNet e InvokeAI são Apache-2.0, StableSwarmUI e ToolNeuron são MIT, e o Stable Diffusion usa uma licença OpenRAIL.
  • Cada nome de ferramenta na tabela leva à sua própria análise no PromptQuorum, onde estão os passos de instalação e os limites.

📍 Em uma frase

As ferramentas locais de imagem são dois trabalhos diferentes — gerar imagens e vídeo e entender imagens — por isso as 39 ferramentas do diretório do PromptQuorum são comparadas dentro de cada trabalho, com uma tabela gerada a partir dos mesmos dados de ferramenta da análise própria de cada uma.

💬 Em termos simples

Algumas ferramentas desenham imagens a partir de um texto, e outras olham uma imagem e respondem perguntas sobre ela. Comparar uma ferramenta de desenho com um modelo que lê imagens em "inpainting" não faz sentido, então este guia compara itens do mesmo tipo.

Ler em:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

As ferramentas locais de imagem fazem dois trabalhos diferentes — gerar imagens e vídeo a partir de um prompt e entender as imagens que você fornece — e nenhuma lista única de recursos compara os dois de forma justa. Este guia compara 39 ferramentas gratuitas e pagas que rodam no seu próprio hardware, um trabalho de cada vez, usando uma tabela comparativa gerada a partir dos mesmos dados da análise própria de cada ferramenta no PromptQuorum, de modo que a tabela e as análises não podem se contradizer.

Esta página contém links de referência para produtos de terceiros. O PromptQuorum não está inscrito em nenhum programa de afiliados — são links simples que não geram comissão. Clicar nos links e os próximos passos são de sua inteira responsabilidade. Estes links não representam qualquer endosso ou verificação por parte do PromptQuorum.

Como comparamos

Os fatos de cada ferramenta — preço, licença, plataformas, requisitos de hardware e atributos específicos da categoria — são armazenados uma única vez, no registro da ferramenta no diretório. A tabela comparativa abaixo é gerada a partir desses registros, e a análise da própria ferramenta usa o mesmo registro, de modo que os dois não podem informar valores diferentes.

Os atributos específicos da categoria (por exemplo, inpainting ou suporte a extensões) foram tirados do README ou do site oficial de cada projeto e conferidos com a redação exata de lá. Quando a documentação é omissa, a tabela mostra um traço em vez de adivinhar; quando uma afirmação vem com ressalvas (experimental, dependente de um fork ou um serviço hospedado em vez de um recurso local), o atributo fica de fora da tabela e é tratado na análise da ferramenta.

Apenas ferramentas com análise própria no PromptQuorum estão na tabela. A comparação lista ferramentas que rodam no seu próprio hardware; ela não faz ranking, porque a escolha certa depende da sua restrição.

Tabela comparativa

Escolha um trabalho abaixo e leia a linha de ponta a ponta. Clique no nome de uma ferramenta para abrir a análise completa no PromptQuorum.

FerramentaPreçoLicençaPlataformasExecuçãoHardwareVersãoInpaintingGeração de vídeoEditor de fluxo por nós / grafosExtensões / pluginsModo de baixa VRAMServidor de API localAnáliselink de produto · divulgado
AnimateDiffGratuitoApache-2.0Windows, Linux, macOSLocal13 GB de VRAM——Sim————Ler análise →AnimateDiff
AUTOMATIC1111GratuitoAGPL-3.0macOS, Windows, LinuxLocalCPU é suficientev1.10.1Sim——SimSimSimLer análise →AUTOMATIC1111
ComfyUIGratuitoGPL-3.0macOS, Windows, LinuxLocalCPU é suficientev0.43.0—————SimLer análise →ComfyUI
ControlNetGratuitoApache-2.0Windows, Linux, macOSLocal8 GB de VRAM—————Sim—Ler análise →ControlNet
DiffusionBeeGratuitoAGPL-3.0macOSLocalCPU é suficiente—SimSim————Ler análise →DiffusionBee
Draw ThingsFreemiumProprietarymacOS, iOSHíbrido8 GB de RAM——Sim————Ler análise →Draw Things
Easy DiffusionGratuitoCustom (MIT-style grant + CreativeML Open RAIL-M use restrictions) …Linux, macOS, WindowsLocalVaria conforme o modelov3.0.16Sim——SimSim—Ler análise →Easy Diffusion
FooocusGratuitoGPL-3.0Windows, Linux, macOSLocalCPU é suficientev2.5.5Sim———Sim—Ler análise →Fooocus
FriedrichAIPagoProprietary (closed source)WindowsLocalVaria conforme o modelo1.0——————Ler análise →FriedrichAI
GenvaFreemiumProprietaryiOSLocal—1.0.0——————Ler análise →Genva
Invoke AIFreemiumApache-2.0Windows, Linux, macOSLocal4 GB de VRAM—Sim—Sim———Ler análise →Invoke AI
Krita AI DiffusionFreemiumGPL-3.0macOS, Windows, LinuxHíbridoCPU é suficiente1.53.0Sim—————Ler análise →Krita AI Diffusion
LariaPagoProprietaryAndroidHíbrido————————Ler análise →Laria
LLM HubFreemiumSource-available (PolyForm Noncommercial 1.0.0) …Android, iOSLocalVaria conforme o modeloAndroid 4.4.2 / iOS 1.4.0——————Ler análise →LLM Hub
Local AI: Offline Chat & Image (GeetMark)GratuitoNot statedAndroidLocalVaria conforme o modelo26.10.11——————Ler análise →Local AI: Offline Chat & Image (GeetMark)
Locally UncensoredFreemiumAGPL-3.0Windows, Linux, macOSLocalVaria conforme o modelo3.0.2—SimNão———Ler análise →Locally Uncensored
OpenMontageGratuitoAGPL-3.0macOS, Windows, LinuxHíbridoVaria conforme o modelo——Sim————Ler análise →OpenMontage
PixlStashGratuitoGPL-3.0macOS, Windows, LinuxLocalCPU é suficiente1.11.5—————SimLer análise →PixlStash
Radiant CanvasFreemiumProprietarymacOSLocal16 GB de RAM1.22——Sim———Ler análise →Radiant Canvas
Stable DiffusionGratuitoOpenRAILmacOS, Windows, LinuxLocal10 GB de VRAM———————Ler análise →Stable Diffusion
Stable Diffusion WebUI ForgeGratuitoAGPL-3.0Linux, macOS, WindowsLocalVaria conforme o modelo————Sim—SimLer análise →Stable Diffusion WebUI Forge
StableSwarmUIGratuitoMITWindows, LinuxLocal8 GB de VRAM——SimSimSim——Ler análise →StableSwarmUI
TokForgeGratuitoProprietaryAndroidLocalVaria conforme o modelo1.3.6.1——————Ler análise →TokForge
ToolNeuronGratuitoMITAndroidLocalVaria conforme o modelo——————SimLer análise →ToolNeuron

"—" significa que a documentação do próprio projeto não informa o dado, não que o recurso não exista. Os valores vêm do README ou do site oficial de cada projeto e são conferidos novamente quando a análise de uma ferramenta é atualizada.

Geração de imagem e vídeo: o que muda

  • Estilo de fluxo de trabalho. ComfyUI, Invoke AI e StableSwarmUI documentam fluxos baseados em nós ou grafos. A documentação das outras ferramentas não descreve um editor de nós.
  • Extensões e plugins. AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge, StableSwarmUI e ToolNeuron documentam um sistema de extensões ou plugins.
  • Vídeo. ComfyUI, StableSwarmUI, DiffusionBee, Draw Things, Locally Uncensored e AnimateDiff documentam geração de vídeo ou animação.
  • Inpainting. AUTOMATIC1111, ComfyUI, DiffusionBee, Fooocus e Invoke AI documentam inpainting.
  • Operação com pouca VRAM. AUTOMATIC1111, Fooocus e ControlNet documentam um modo de pouca VRAM ou um requisito declarado de VRAM pequena; para as demais, consulte a análise, pois o requisito depende do modelo que você carrega.
  • API local. AUTOMATIC1111, ComfyUI, Stable Diffusion WebUI Forge e ToolNeuron documentam uma API que outros apps podem chamar.
  • Licença e preço. AUTOMATIC1111, DiffusionBee, Stable Diffusion WebUI Forge e Locally Uncensored são AGPL-3.0; ComfyUI e Fooocus são GPL-3.0; AnimateDiff, ControlNet e Invoke AI são Apache-2.0; StableSwarmUI e ToolNeuron são MIT; o Stable Diffusion usa uma licença OpenRAIL. O Draw Things é um app de código fechado, o Locally Uncensored é gratuito e de código aberto com um complemento de nuvem pago opcional, e o Invoke AI é freemium. Licenças copyleft impõem condições à distribuição de versões modificadas — veja Licenças de ferramentas de IA explicadas.

Visão e OCR: o que muda

  • Leitura de texto em imagens. LLaVA e modelos de visão do Ollama documentam a leitura ou o reconhecimento de texto em imagens.
  • Várias imagens por prompt. O Idefics documenta a aceitação de várias imagens em um único prompt.
  • API local. Os modelos de visão do Ollama documentam uma API local; a API documentada do Idefics é hospedada, não local, por isso não é contada.
  • Licença. LLaVA e Idefics são Apache-2.0; os modelos de visão do Ollama são um conjunto de modelos cujas licenças variam, então confira a licença de cada modelo.

O que esta comparação não pode dizer

  • Ela compara recursos documentados, não qualidade. Não diz nada sobre a beleza das imagens ou a precisão da leitura de texto — isso exige seus próprios prompts e o seu próprio hardware.
  • Ela não inclui benchmarks de velocidade: o PromptQuorum não os mediu para essas ferramentas.
  • Os traços são lacunas na documentação dos projetos, não constatações negativas. Algumas ferramentas podem oferecer um recurso que o README delas não menciona.
  • Ferramentas de edição e de ampliação (Real-ESRGAN, FunClip) e o DALL-E 3 via Ollama não são comparados aqui: as duas primeiras têm pouco em comum para comparar, e a última não tem análise no PromptQuorum.
  • As ferramentas mudam rápido. A análise de cada ferramenta informa a versão em que foi conferida, e este guia é atualizado quando uma análise é atualizada.

Perguntas frequentes

Por que geração de imagem e modelos de visão são comparados separadamente?

Eles fazem trabalhos diferentes, então a maioria dos atributos só faz sentido dentro de um deles — inpainting se aplica à geração de imagem, e leitura de texto em imagens se aplica a modelos de visão. Compará-los em uma única tabela deixaria a maioria das células vazia ou sem sentido.

O que significa um traço na tabela comparativa?

Significa que a documentação do próprio projeto não informa esse atributo. Não significa que o recurso não exista; consulte a análise da ferramenta ou o repositório dela.

O Stable Diffusion em si é um app?

O Stable Diffusion é uma família de modelos de imagem, não um app. Ele aparece junto com os apps porque tem sua própria análise no PromptQuorum, e a maioria das ferramentas de geração aqui consegue rodar modelos Stable Diffusion.

Alguma dessas ferramentas tem link de afiliado?

Não. O PromptQuorum não tem relação de afiliado com nenhuma ferramenta desta comparação no momento da redação, e nenhum link aqui gera comissão.

Com que frequência esta comparação é atualizada?

Ela é atualizada duas vezes por ano e sempre que a análise de uma das ferramentas listadas é atualizada, porque a tabela é gerada a partir dos mesmos dados dessas análises.

Fontes

← Voltar para LLMs locais avançados

MCP