Die besten Open-Source-KI-Tools für Bild und Video 2026

Open-Source-KI-Tools für Bild und Video: Von 14 getesteten Angeboten liegen derzeit ComfyUI, Hugging Face Diffusers und HyperFrames vorn. Alle sind nach unserer Bewertung sortiert, mit Preis, unserem Fazit und für wen sie sich eignen.

Von Sheela · Aktualisiert am 3. Nov. 2026 · So testen wir

So ist das Ranking entstanden: nach unserer Bewertung (maximal 5 Punkte), aus Tests auf Grundlage der Preise, Dokumentation und Richtlinien des jeweiligen Produkts sowie unabhängiger Benchmarks, wo es sie gibt, jeweils geprüft an dem im Test genannten Datum. Wir erhalten keine Affiliate-Provisionen.

1
ComfyUI
Neue offene Bild- und Videomodelle landen zuerst hier; der Knotengraph und ein Server ohne Authentifizierung sind der Eintrittspreis.
Am besten für: Künstler und Entwickler, die die volle Kontrolle über lokale Bild- und Videogenerierung wollen.
Preis: Kostenlos und Open Source unter der Lizenz GPL-3.0. Comfy Cloud kostet ab 20 $ im Monat (16 $ bei jährlicher Abrechnung); Partner Nodes werden pro Nutzung bezahlt.
Unseren Test von ComfyUI lesen
4.7/5
2
Hugging Face Diffusers
Mit Diffusers werden offene Bild- und Videomodelle aus Code ausgeführt, und die Bibliothek setzt voraus, dass du den Speicher-Leitfaden liest, bevor du etwas Großes startest.
Am besten für: Python-Entwickler und Forschende, die auf Diffusionsmodellen aufbauen.
Preis: Kostenlos und Open Source unter der Lizenz Apache 2.0.
Unseren Test von Hugging Face Diffusers lesen
4.4/5
3
HyperFrames
HyperFrames macht Video zu etwas, das ein Coding-Agent schreiben kann, und seine Apache-Lizenz streicht die Rechnung, die mit Remotion kommt.
Am besten für: Entwickler und Agenten-Pipelines, die aus Code kurze Produkt-, Daten- oder Dokumentationsvideos erzeugen.
Preis: Kostenlos unter Apache 2.0, ohne Gebühren pro Rendering oder Schwellen für kommerzielle Nutzung. Cloud-Rendering bei HeyGen und HeyGen-Medien (Avatare, generierte Clips) werden in HeyGen-Credits bezahlt; 4K-Renderings in der Cloud kosten das 1,5-Fache.
Unseren Test von HyperFrames lesen
4.4/5
4
AI Toolkit
Bei AI Toolkit kommt die Unterstützung für ein neues offenes Bild- oder Videomodell meist zuerst an, und es erwartet, dass du die GPU und die Geduld mitbringst.
Am besten für: Kreative, die LoRAs für offene Bild- und Videomodelle trainieren.
Preis: Kostenlos und Open Source unter MIT. Ostris Cloud vermietet vorkonfigurierte GPUs sekundengenau, von 0,71 $/Stunde (A40 48 GB) bis 2,99 $/Stunde (RTX PRO 6000 96 GB).
Unseren Test von AI Toolkit lesen
4.2/5
5
InvokeAI
Eine künstlerfreundliche lokale Bild-App, die ihr Unternehmen überlebt hat und jetzt mitten in einem riskanten Neubau zu v7 steckt.
Am besten für: Kreative, die Bildgenerierung und -bearbeitung im Stil einer Leinwand auf dem eigenen Rechner wollen.
Preis: Kostenlos und Open Source unter der Apache-2.0-Lizenz. Keine bezahlte Stufe, seit der gehostete Dienst im Oktober 2025 geschlossen wurde.
Unseren Test von InvokeAI lesen
3.9/5
6
Concat
Concat erledigt schon das meiste, wofür Leute CapCut nutzen, ohne Konto und ohne Upload, ist aber eine zwei Monate alte Beta mit einem Hauptentwickler und den passenden Absturzberichten.
Am besten für: Creator von Kurzvideos und Entwickler, die Schnitt im Stil von CapCut und Automatisierung per Agent wollen, ohne dass etwas den Rechner verlässt.
Preis: Kostenlos und Open Source (AGPL-3.0). Keine kostenpflichtige Stufe, kein Konto, kein Wasserzeichen; das Projekt bittet auf Patreon um Spenden.
Unseren Test von Concat lesen
3.8/5
7
Freefield
Freefield ist eine gründliche Kopie des Higgsfield-Katalogs mit offenen Gewichten und ein ungewöhnlich gut dokumentiertes ComfyUI-Projekt, allerdings brauchst du eine große GPU oder ein Modal-Konto und Geduld mit Modelllizenzen.
Am besten für: ComfyUI-Nutzer und kleine Studios, die Effekte im Stil von Higgsfield ohne Credits wollen und eine 24-GB-GPU oder ein Modal-Konto haben.
Preis: Kostenlos unter MIT. Du zahlst GPU-Zeit: Auf Modal brauchte ein Charakterbild im Labor 13,0 s L40S-Zeit, etwa 0,007 $ zu Modals Grundpreis von 1,95 $ pro Stunde; lokal nur deine eigene Hardware.
Unseren Test von Freefield lesen
3.8/5
8
Upscayl
Upscayl ist weiterhin der einfachste kostenlose Weg, ein Foto zu vergrößern, ohne es hochzuladen, aber die App, die du heute herunterlädst, ist die von Weihnachten 2024.
Am besten für: Fotografen, Designer und Archivare mit einer dedizierten oder aktuellen integrierten GPU, die kostenlose, private 4x-Vergrößerungen scharfer, aber kleiner Bilder wollen.
Preis: Kostenlos und Open Source (AGPL-3.0) über GitHub und die Website; 12,99 $ im Mac App Store. Upscayl Cloud bietet eine kostenlose Testphase mit 10 Credits und Pro für 24,99 $ für 300 Credits im Monat.
Unseren Test von Upscayl lesen
3.8/5
9
VoiceStudio
VoiceStudio ist ein ernstzunehmender lokaler Ersatz für ElevenLabs, aber das Standard-Stimmmodell ist nur für nicht kommerzielle Nutzung lizenziert, und der Installer verlangt viel Vertrauen.
Am besten für: Einzelpersonen und kleine Teams, die Stimmklonen, Synchronisation und Transkription auf eigener Hardware wollen und vor kommerzieller Nutzung die Lizenz jedes Modells prüfen können.
Preis: Die Open-Source-App ist kostenlos unter AGPL-3.0. Pro kostet 99 $ pro Nutzer und Jahr, Lifetime einmalig 299 $, jeweils für einen Nutzer auf bis zu 3 Geräten, mit kommerzieller Lizenz und Batch-Funktionen; Enterprise auf Anfrage. Modellgewichte haben eigene Lizenzen.
Unseren Test von VoiceStudio lesen
3.8/5
10
ArtCraft
ArtCraft ist ein wirklich nützliches Inszenierungswerkzeug, um KI-Einstellungen zu kontrollieren, aber es ist ein offener Client für einen bezahlten Credit-Dienst, kein Weg, Modelle selbst zu betreiben.
Am besten für: Storyboard-Zeichner, Previs-Teams und kleine Studios, die Kontrolle über die Bildgestaltung bei gehosteten Bild- und Videomodellen wollen.
Preis: Die App ist kostenlos und Open Source (MIT oder Apache-2.0). Gehostete Generierung verbraucht Credits: Basic 10 $/Monat (1.000 Credits), Pro 35 $/Monat (3.750), Max 60 $/Monat (6.600), während eines Rabatts von 20% bei jährlicher Abrechnung mit 8 $, 28 $ und 48 $ ausgewiesen; Enterprise nach Vereinbarung. Verbundene Konten bei Grok, Midjourney, Sora oder World Labs werden separat abgerechnet.
Unseren Test von ArtCraft lesen
3.7/5
11
OpenMontage
OpenMontage ist der bisher vollständigste Versuch, einen Coding-Agenten wie eine Produktionscrew arbeiten zu lassen, hängt aber an einem Maintainer, hat keine Releases und eine AGPL-Lizenz, die gehostete Nutzung einschränkt.
Am besten für: Solo-Creator und kleine Marketingteams, die schon für einen Coding-Agenten zahlen und wiederholbare Kurzvideos mit sichtbarer Kostenspur wollen.
Preis: Kostenlos und Open Source (AGPL-3.0). Der Weg ohne Schlüssel ist kostenlos; bezahlte Generierung läuft über deine eigenen Anbieterschlüssel, mit Beispielen im README von 1,33 $ bis etwa 5 $ pro fertigem Kurzvideo. Standard-Budgetgrenze 10 $.
Unseren Test von OpenMontage lesen
3.7/5
12
editonny
Ein sorgfältiger, lokaler Schnitt-Workflow für Sprechervideos, der zwölf Tage alt ist, auf Macs getestet wurde und unter Windows schon stolpert.
Am besten für: Creator und kleine Teams am Mac, die schon Claude Code oder Codex nutzen und Sprechervideos schneiden und untertiteln wollen, ohne Material hochzuladen.
Preis: Kostenlos und Open Source (MIT). Dein Abo für Claude Code oder Codex kommt hinzu, und optionale externe Generatoren rechnen direkt mit dir ab.
Unseren Test von editonny lesen
3.4/5
13
SketchVLM
SketchVLM ist ein cleverer, günstiger Weg, ein Bildmodell seinen Lösungsweg auf dem Bild zeigen zu lassen, lesenswert und eine gute Ideenquelle, aber es ist Paper-Code ohne Lizenz, und seine Gewinne sind schmaler, als das Abstract nahelegt.
Am besten für: Forschende und Produktteams, die erkunden, wie ein Bildmodell seinen Gedankengang auf einem Bild zeigen könnte, und ein erprobtes Rezept aus Prompt und Raster als Ausgangspunkt wollen.
Preis: Der Code ist öffentlich auf GitHub, aber ohne Lizenzdatei, die Nutzungsrechte sind also unklar. Die Ausführung kostet die API-Aufrufe an GPT-5, Gemini, Claude oder Modelle auf OpenRouter.
Unseren Test von SketchVLM lesen
3.3/5
14
VideoAgent
VideoAgent ist eine beeindruckende Paper-Demo und mühsam zu betreiben, zusammengehalten von vier API-Schlüsseln und zwei nicht kommerziellen Modelllizenzen.
Am besten für: Forscher und Engineers, die untersuchen, wie man Multi-Agenten-Pipelines für Video plant, statt Teams, die ein verlässliches Schnittwerkzeug brauchen.
Preis: Kostenlos unter MIT. Der Betrieb braucht bezahlte API-Schlüssel für Claude sowie für DeepSeek, OpenAI und Gemini für verschiedene Funktionen; einige mitgelieferte Modelle sind nur nicht kommerziell nutzbar.
Unseren Test von VideoAgent lesen
3.2/5