Krita AI Diffusion插件v1.31.2版本更新解析
Krita AI Diffusion是一款为Krita数字绘画软件开发的AI图像生成插件,它整合了先进的Stable Diffusion技术,让艺术家可以直接在Krita工作流程中使用AI辅助创作。本次发布的v1.31.2版本主要针对用户体验和稳定性进行了优化改进。
历史记录功能优化
本次更新对历史记录功能进行了重要改进。修复了当移除结果图像时历史记录自动滚动到顶部的问题,这个行为在达到历史记录最大容量时也会触发。这意味着艺术家在浏览大量生成结果时,不会再因为系统自动滚动而丢失当前查看位置。
另一个值得注意的改进是结果图像应用状态(通过⭐图标表示)现在可以持久化保存在文档中。这个功能对于长期项目特别有用,艺术家可以清楚地知道哪些AI生成结果已经被应用到作品中,即使关闭后重新打开文档也能保持这些状态信息。
图像处理逻辑增强
新版本调整了结果图像应用的默认行为,现在生成的结果图像在应用到画布时不再自动裁剪。这一变化为高级用户提供了更大的灵活性,特别是那些使用自定义工作流进行图像放大的用户。现在可以生成比画布更大的图像,然后根据需要手动处理,这为超分辨率等高级应用场景提供了可能。
同时,当文档保存时如果存在预览图层,加载文档后会重新使用这个预览图层。这个改进保持了工作流程的连续性,减少了重复操作。
稳定性与错误修复
本次更新包含了多个重要的稳定性修复:
- 修复了包含宽Unicode符号(如表情符号)时的自动补全功能问题,确保提示词输入更加流畅
- 解决了自定义工作流中分辨率不是4字节对齐时的输入遮罩问题
- 修正了当单个区域覆盖整个图像时根提示词被重复的问题
- 修复了打开多个包含嵌入式自定义工作流文档时的崩溃问题
- 改进了放大按钮的状态管理,确保在发生错误后按钮能正确恢复可用状态
这些修复显著提升了插件的稳定性和可靠性,特别是在处理复杂工作流和大型项目时。
技术实现细节
从技术角度看,本次更新涉及到了多个核心组件的优化:
- 历史记录管理模块重构,改进了状态持久化机制
- 图像处理管线调整,移除了强制裁剪逻辑
- 输入系统增强,更好地处理Unicode字符
- 内存管理改进,防止多文档操作时的资源冲突
这些底层改进不仅解决了当前版本的问题,也为未来的功能扩展打下了更好的基础。
总结
Krita AI Diffusion v1.31.2版本虽然是一个小版本更新,但包含了对工作流程和稳定性的重要改进。特别是历史记录功能的增强和图像处理逻辑的调整,将直接影响艺术家的日常使用体验。对于依赖AI辅助创作的数字艺术家来说,这些改进意味着更流畅的工作流程和更可靠的操作体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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