Krita AI Diffusion插件v1.34.0版本发布:支持最新NVIDIA架构与Flux Union ControlNet
Krita AI Diffusion是一款为Krita数字绘画软件开发的AI生成插件,它通过集成Stable Diffusion等先进模型,让艺术家可以直接在熟悉的绘画环境中使用AI辅助创作。该插件支持文生图、图生图、图像修复等多种AI生成功能,同时保持了与Krita原生工具的深度整合。
核心升级:PyTorch 2.7.0与CUDA 12.8支持
本次1.34.0版本最重要的升级是将底层框架升级到了PyTorch 2.7.0和CUDA 12.8。这一技术升级带来了几个关键优势:
-
NVIDIA Blackwell架构支持:新版完全兼容最新的RTX 5000系列显卡,确保用户在使用最新硬件时能获得最佳性能表现。Blackwell架构是NVIDIA最新推出的GPU架构,在AI计算性能上有显著提升。
-
计算效率优化:PyTorch 2.7.0包含多项性能优化,特别是在张量运算和内存管理方面,这将使AI生成过程更加流畅,减少等待时间。
-
稳定性增强:新版本修复了之前版本中的多个已知问题,提高了插件整体稳定性。
需要注意的是,要充分发挥新版本性能,用户应确保显卡驱动已更新至最新版本。对于Windows用户,建议通过NVIDIA GeForce Experience或官方网站获取最新驱动。
Flux Union ControlNet集成
1.34.0版本新增了对Flux Union ControlNet模型的支持,这是ControlNet技术的一个重要分支。Flux Union ControlNet相比标准ControlNet具有以下特点:
-
多条件联合控制:能够同时处理多种控制条件(如边缘、深度、姿态等),实现更精确的图像生成控制。
-
细节保留能力:在保持整体构图的同时,能更好地保留输入图像的细节特征。
-
风格适应性:对不同的艺术风格有更好的适应能力,特别适合数字绘画场景。
用户可以选择下载fp16或fp8精度的模型文件,前者提供更高的生成质量,后者则占用更少显存,适合配置较低的设备。安装时只需将模型文件放置在指定目录即可自动识别。
安装与兼容性改进
针对不同操作系统环境,开发团队做出了多项优化:
-
Windows环境修复:解决了PSModulePath环境变量不存在时的安装问题,使安装过程更加健壮。同时修复了insightface在Windows系统上的安装问题,确保人脸相关功能正常使用。
-
自定义工作流增强:改进了参数节点的处理逻辑,现在可以正确接受默认值设置,使复杂工作流的创建更加直观。
-
用户界面优化:重新设计了队列按钮的下拉菜单交互,操作更加符合用户预期。
技术建议与最佳实践
对于计划升级的用户,建议:
-
在升级前备份现有的工作流配置和自定义模型。
-
如果从较早版本升级遇到问题,可以尝试完全卸载旧版本后重新安装。
-
使用Flux Union ControlNet时,建议先从小尺寸图像开始测试,确认效果后再提高分辨率,以节省时间。
-
对于拥有多GPU的系统,可以在设置中指定优先使用的显卡,以获得最佳性能。
Krita AI Diffusion持续推动着数字艺术创作边界的扩展,1.34.0版本的发布再次证明了开源社区在AI艺术工具领域的创新能力。这些技术进步不仅为专业艺术家提供了更强大的工具,也让更多创作者能够轻松体验AI辅助创作的魅力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00