Self-hosted GPT Image 2 / Image-2 workbench for teams
团队级、自托管、会话式 AI 图片生成工作台
Canvas Realm Studio is the English name for 画境工坊: Canvas for 画, Realm for 境, and Studio for 工坊. The repository name keeps the product meaning while carrying the searchable gpt-image-2 / image-2 keywords.
Keywords: gpt-image-2, image-2, GPT Image 2 web UI, AI image generator, OpenAI-compatible, sub2api, text-to-image, image-to-image, self-hosted, Next.js, SQLite.
This is an independent open-source project and is not affiliated with OpenAI.
Canvas Realm Studio（画境工坊）是一套轻量、可自托管的 AI 图片生成系统。它把文生图、图生图、会话上下文、固定提示词、模板、历史记录、用户账号、分组额度、模型配置和在线更新整合到一个清爽的内部工作台里。
它适合内容团队、电商团队、设计工作室、自媒体团队和公司内部工具场景。你可以把 OpenAI-compatible 图片接口、sub2api，或实验性的内置 OpenAI OAuth 账号连接器包装成一个团队可用、可运营、可追溯的图片生成平台。
最新版本重点强化了 图片画布：它不再只是把图片拖来拖去，而是把参考图、提示词、生成任务、结果节点、版本分支和后续改图关系放在同一张可视化流程图里。团队可以清楚看到“哪几张图 + 哪段 Prompt + 哪次生成 + 哪个结果 + 后续怎么继续”，把一次次零散生成沉淀成可复用的生产链路。
画境工坊现在内置独立的 案例中心：效果库同步 awesome-gpt-image-2 的 375 个案例用于浏览方向，并保留源项目原始提示词；灵感库把高价值场景拆成生产模板、提示词拆解、反向避坑和一键转模板。源项目图片只作为来源预览，日常生产建议用自己的 image-2 接口批量生成自有示例图。
| 你想解决的问题 | Canvas Realm Studio 怎么做 |
|---|---|
| 团队成员都在不同工具里生成图片，资产散落 | 统一工作台 + 历史记录 + 会话沉淀 |
| 生成链路复杂，搞不清图片之间的关系 | 图片画布把参考图、任务节点、结果节点和关系线可视化 |
| 同一套提示词要批量处理很多图片 | 会话固定提示词 + 主图/参考图角色 |
| 多图结果太散，后续不知道基于哪张改 | 多图按组展示，选择基准图后继续图生图 |
| 模型接口经常超时或失败，用户看不懂报错 | 错误分类、队列状态、重试和并发配置 |
| 管理员要控制账号和额度 | 用户、分组、月额度、用量统计 |
| 不知道该怎么写 Prompt 或参考什么效果 | 案例中心、原始提示词、Prompt 拆解器、一键导入模板 |
| 常用风格、平台比例、提示词要复用 | 平台模板 + 用户模板 |
| 私有部署后还要升级 | GitHub Releases 检查 + 受限 Web 一键更新 |
画布可以同时放入历史素材、上传图片、任务节点、结果节点和关系线。选中图片或任务节点后继续生成，系统会把它们作为本次参考输入，并自动把新任务和新结果落到画布上。它适合做系列图、版本树、分支对比、参考图组合和可复用工作流。
图片不再只是“生成完下载”。你可以把主图、参考图、生产模板和结果组织成一条资产生产链路，后续继续改图时能追溯每一步使用了什么输入。
每次生成都会进入一个会话。后续你可以继续发文字、上传图片、选择基准图，系统会在同一个上下文里继续处理。
后台不只是配置页，而是运营入口：账号、分组、额度、模型、并发、健康状态、自动清理和在线更新都集中管理。
Web、SQLite、Worker、文件存储和模型接口拆分清晰，部署简单，也方便后续二开。
| 模块 | 能力 |
|---|---|
| 生成工作台 | 文生图、图生图、平台比例、多图成组、停止与重新生成 |
| 图片画布 | 无限画布、参考图组合、任务节点、结果节点、关系线、基于选中结果继续生成 |
| 案例中心 | 效果库、灵感库、原始 Prompt、原文溯源、筛选、复制、导入模板 |
| 会话上下文 | 固定提示词、选择基准图、上传主图和参考图、连续处理 |
| 历史与素材 | 关键词筛选、单张删除、多选删除、下载、复制 prompt、保存模板 |
| 模板体系 | 管理员平台模板、用户私有模板、从历史图或会话提示词保存模板 |
| 账号额度 | 注册登录、管理员认证、分组、月额度、用量统计 |
| 模型配置 | Base URL、API Key、模型名、并发数、OAuth 账号连接器 |
| 运维能力 | 错误分类、健康统计、图片自动清理、Web 一键更新 |
flowchart LR
A["历史素材 / 上传图片"] --> B["选为参考图"]
B --> C["创建任务节点"]
C --> D["调用 image-2"]
D --> E["生成结果节点"]
E --> F["选中结果继续生成"]
F --> C
E --> G["分支对比 / 下载 / 保存模板"]
- 多参考图组合：从历史素材或上传区选择多张图，作为图生图输入。
- 任务节点化：每次生成都会创建流程节点，保留 Prompt、模式、尺寸、参考数量和结果数量。
- 结果自动落位：生成完成后自动替换占位节点，关系线保持绑定。
- 基于选中结果继续生成：选中上一轮结果后继续提交新需求，默认以该结果为下一轮基础。
- 流程复用意识：画布帮助团队沉淀“参考图组合 + Prompt + 输出结果”的生产结构。
flowchart LR
A["案例中心<br/>看效果 / 拆 Prompt"] --> B["导入为模板<br/>平台模板 / 用户模板"]
B --> C["生成工作台<br/>填写变量或补充 Prompt"]
C --> D["上传主图和参考图<br/>拖拽 / 粘贴 / 点击上传"]
D --> E["Worker 调用图片模型"]
E --> F["结果按组回写到会话"]
F --> G["选择基准图"]
G --> H["继续上传图片或补充文字"]
H --> E
F --> I["发送到图片画布<br/>分支 / 对比 / 复用"]
I --> J["保存模板 / 下载 / 历史沉淀"]
| 模式 | 状态 | 说明 |
|---|---|---|
| sub2api / OpenAI-compatible API Key | 推荐 | 使用 Authorization: Bearer <API Key> 调用兼容图片接口 |
| 内置 OpenAI OAuth | 实验性 | 参考 Codex OAuth + PKCE 流程，服务端加密保存 token |
内置 OAuth 支持在后台配置 http://、https://、socks5://、socks5h:// 代理，用于服务端 token 交换、刷新和图片请求。
本地开发：
bun install
cp .env.example .env.local
bun run db:init
bun run dev:all打开：
http://localhost:3000
首次注册的账号会自动成为管理员。
Docker 部署：
git clone https://github.com/laolin5564/canvas-realm-gpt-image-2-studio.git
cd canvas-realm-gpt-image-2-studio
cp .env.example .env
SUB2API_API_KEY=your_api_key docker compose up -d --build默认访问：
http://服务器IP:3000
复制 .env.example 后按需修改：
| 变量 | 默认值 | 说明 |
|---|---|---|
SUB2API_BASE_URL |
https://your-sub2api.example.com/v1 |
OpenAI-compatible 图片接口地址 |
SUB2API_API_KEY |
空 | 图片接口密钥 |
IMAGE_MODEL |
gpt-image-2 |
图片模型名 |
IMAGE_STORAGE_DIR |
./data/images |
图片存储目录 |
DATABASE_URL |
file:./data/app.db |
SQLite 数据库路径 |
IMAGE_REQUEST_TIMEOUT_MS |
300000 |
模型请求超时时间 |
WORKER_POLL_INTERVAL_MS |
3000 |
Worker 轮询间隔 |
APP_BASE_URL |
空 | 部署域名，用于部分回调和 Cookie 判断 |
SESSION_COOKIE_SECURE |
false |
HTTPS 部署建议设为 true |
WEB_UPDATE_ENABLED |
false |
是否允许后台触发 Web 一键更新 |
WEB_UPDATE_REPO_DIR |
/app |
Web 更新执行目录 |
OPENAI_OAUTH_TOKEN_ENCRYPTION_KEY |
空 | 内置 OAuth token 加密 key |
内置 OAuth 模式必须配置 OPENAI_OAUTH_TOKEN_ENCRYPTION_KEY。建议使用 32 字节以上随机字符串，或 base64: 前缀的 32 字节 key。丢失该 key 后，已保存 token 无法解密，需要重新连接账号。
app/ Next.js 页面和 API 路由
components/ 前端客户端组件
lib/ 配置、数据库、权限、队列、模型接口
workers/image-worker.ts 图片生成 Worker
scripts/ 初始化、更新和安全扫描脚本
docs/ 架构文档和 README 插图
data/ 本地数据库和图片，默认不入库
更多维护说明见 docs/ARCHITECTURE.md。
bun run dev # 启动 Next.js 开发服务
bun run worker # 启动图片生成 Worker
bun run dev:all # 同时启动 Web 和 Worker
bun run db:init # 初始化数据库和内置模板
bun run build # 构建生产版本
bun run start # 启动生产 Web 服务
bun run lint # ESLint 检查
bun run typecheck # TypeScript 类型检查
bun test # 单元测试
bun run secret:scan # 扫描常见密钥格式后台「系统更新」会读取 GitHub Releases latest API：
- 当前版本来自
package.json。 - 最新版本来自
UPDATE_CHECK_URL。 - 是否可更新通过 semver 比较。
手动更新：
cd /path/to/canvas-realm-gpt-image-2-studio
bash scripts/update.shWeb 一键更新默认关闭。启用前请确认你理解 Docker socket 权限风险：
WEB_UPDATE_ENABLED=true WEB_UPDATE_REPO_DIR="$PWD" docker compose up -d --buildDocker Compose 需要挂载：
volumes:
- ./data:/app/data
- ${WEB_UPDATE_REPO_DIR}:${WEB_UPDATE_REPO_DIR}
- /var/run/docker.sock:/var/run/docker.sock注意：容器内 WEB_UPDATE_REPO_DIR 必须指向宿主机 Git 项目的相同绝对路径，不能指向镜像内的 /app。
- 请不要把
data/、.env*、真实 API Key 或 token 提交到 Git。 - 应用启动时会自动初始化 schema；新增字段采用非破坏性
ALTER TABLE ... ADD COLUMN。 - 不要手动删除
data/app.db来升级，这会清空用户、任务、模板和历史记录。 - 生产环境建议使用 HTTPS，并设置
SESSION_COOKIE_SECURE=true。 - Web 一键更新需要 Docker socket，等同于给容器宿主机 Docker 管理权限，只建议内网自用。
Canvas Realm Studio is a self-hosted GPT Image 2 / Image-2 workbench for teams. It combines text-to-image, image-to-image, conversational context, pinned prompts, templates, history, accounts, group quotas, model settings and web-based updates into one internal production tool.
The product is designed for content teams, ecommerce teams, design studios, creator teams and internal company workflows. It can wrap an OpenAI-compatible image endpoint, sub2api, or the experimental built-in OpenAI OAuth connector into a team-friendly image generation platform.
The latest release puts more weight on the Image Canvas. It is not just a place to drag images around; it is a visual production workflow where reference images, prompts, generation tasks, result nodes, version branches and follow-up edits stay connected. A team can see which images and prompts produced each output, then continue from any selected result.
It also ships with a dedicated Case Center. The effect gallery syncs 375 structured examples from awesome-gpt-image-2 for visual exploration and keeps the upstream original prompts, while the inspiration gallery turns high-value scenarios into production templates, prompt breakdowns, pitfalls and one-click template imports. Upstream images are shown as attributed previews only; teams can regenerate their own Image-2 examples later.
| Problem | How Canvas Realm Studio Helps |
|---|---|
| Generated images are scattered across tools and users | One shared workspace with history and conversations |
| Production chains become hard to trace | The Image Canvas visualizes references, task nodes, result nodes and connectors |
| Many images need the same transformation prompt | Pinned conversation prompt + main/reference image roles |
| Multiple results become hard to manage | Results stay grouped, and one image can be selected as the next base |
| Model failures are hard for users to understand | Classified errors, queue status, retry actions and concurrency settings |
| Teams need usage limits | Accounts, groups, monthly quotas and usage stats |
| Users need inspiration before writing prompts | Case Center, original prompts, prompt breakdowns and one-click template import |
| Common styles and platform ratios should be reusable | Platform templates and user templates |
| Self-hosted deployments need upgrades | GitHub Releases checks and restricted web update flow |
- Text-to-image and image-to-image workflows.
- Visual Image Canvas with reference images, workflow nodes, result nodes, connectors and continue-from-selection.
- Common ecommerce and content ratios for platforms such as Douyin, Xiaohongshu, WeChat articles and product shots.
- Generate 1, 2 or 4 images at once, with multi-image results grouped in one message.
- Upload, drag, paste and reuse reference images.
- Pinned conversation prompts for batch processing many images with one rule set.
- Continue generation from the selected base image plus uploaded references and new text instructions.
- Stop running tasks and regenerate failed or stopped tasks.
- Case Center with effect gallery, inspiration gallery, original prompts, source traceability and template import.
- Platform templates managed by admins and private templates saved by users.
- Admin dashboard for accounts, groups, quotas, model config, health stats and update checks.
The canvas turns generated assets into a readable production graph. Drop in historical assets, upload new references, select one or more images, submit a prompt, and Canvas Realm Studio creates a task node plus result nodes. When a result is selected, the next request continues from that result instead of starting a disconnected task.
The admin side was also reorganized for larger teams: users, groups, model channels, site settings, history and operational metrics are now separated into dedicated sections.
Canvas features:
- Multi-reference image selection from history or uploads.
- Task nodes that preserve mode, prompt, size, reference count and output count.
- Result nodes that replace placeholders after generation.
- Connectors that keep the production relationship visible.
- Continue generation from the selected result or task node.
- Better foundation for version trees, branch comparison and reusable production flows.
| Mode | Status | Notes |
|---|---|---|
| sub2api / OpenAI-compatible API Key | Recommended | Calls image endpoints with Authorization: Bearer <API Key> |
| Built-in OpenAI OAuth | Experimental | Stores encrypted tokens server-side and follows a Codex-style OAuth + PKCE flow |
The OAuth connector supports optional http://, https://, socks5:// and socks5h:// proxies for token exchange, token refresh and image requests.
| Layer | Tech |
|---|---|
| Web | Next.js App Router, React, TypeScript |
| Database | SQLite, node:sqlite |
| Worker | Dedicated image generation worker |
| Runtime | Bun, Node.js |
| Deployment | Docker, Docker Compose |
| UI | CSS variables, lucide-react |
Local development:
bun install
cp .env.example .env.local
bun run db:init
bun run dev:allOpen:
http://localhost:3000
The first registered user becomes the admin.
Docker:
git clone https://github.com/laolin5564/canvas-realm-gpt-image-2-studio.git
cd canvas-realm-gpt-image-2-studio
cp .env.example .env
SUB2API_API_KEY=your_api_key docker compose up -d --buildDefault data paths:
| Path | Purpose |
|---|---|
data/app.db |
SQLite database |
data/images/ |
Generated images and uploaded assets |
backups/ |
Backups created by update scripts |
bun run dev # Start the Next.js dev server
bun run worker # Start the image generation worker
bun run dev:all # Start Web and Worker together
bun run db:init # Initialize database and built-in templates
bun run build # Build for production
bun run start # Start production Web server
bun run lint # Run ESLint
bun run typecheck # Run TypeScript checks
bun test # Run tests
bun run secret:scan # Scan common secret patternsManual update:
cd /path/to/canvas-realm-gpt-image-2-studio
bash scripts/update.shWeb update is disabled by default because it requires Docker socket access. Enable it only for trusted private deployments:
WEB_UPDATE_ENABLED=true WEB_UPDATE_REPO_DIR="$PWD" docker compose up -d --build- Never commit
data/,.env*, API keys or OAuth tokens. - Production deployments should use HTTPS and
SESSION_COOKIE_SECURE=true. - The built-in OAuth connector stores encrypted tokens, but it is still experimental.
- Web updates require Docker socket access, which effectively grants Docker control on the host.
- Multi-provider health checks and automatic failover.
- Retry with another model or lower concurrency.
- Asset library, favorites and batch download.
- Export platform-ready image packs.
- Object storage support, such as S3 / R2 / OSS.
- Team spaces, projects and a template marketplace.
MIT