Krita AI Diffusion插件v1.32.0版本解析:图像生成与应用流程优化
Krita AI Diffusion是一款为Krita数字绘画软件设计的AI图像生成插件,它通过集成先进的AI模型,为艺术家和设计师提供了强大的创意辅助工具。该插件能够直接在Krita工作环境中实现文本到图像、图像到图像的生成,以及各种基于AI的图像编辑功能。
最新发布的v1.32.0版本主要针对图像生成后的预览和应用流程进行了重要优化,同时增加了多项实用功能,提升了用户体验和工作效率。下面我们将详细解析这一版本的核心改进。
图像生成后的行为自定义
v1.32.0版本最显著的改进是提供了更灵活的生成后行为控制选项,让用户能够根据自己的工作流程习惯来配置AI生成结果的展示和应用方式。
生成完成后的动作选择
新版本在界面设置中增加了"Finished Generation"选项,允许用户选择当新图像生成完成时系统应执行的操作:
- 无动作:仅完成生成,不进行任何自动操作
- 预览(默认选项):自动打开预览窗口展示生成结果
- 立即应用:直接将生成结果应用到画布上
这一改进特别适合那些有固定工作流程的专业用户,可以根据个人偏好减少不必要的操作步骤。
应用行为的精细控制
另一个重要改进是"Apply Behavior"设置,它允许用户更细致地控制生成结果如何应用到画布上,特别是针对区域生成的情况:
无区域生成时的选项:
- 修改当前活动图层
- 在当前图层上方创建新图层
- 在当前图层下方创建新图层
区域生成时的选项:
- 修改现有的区域图层
- 将结果分组到区域图层
- 不分割区域结果,遵循非区域行为
这些选项为复杂工作流程提供了更大的灵活性,特别是对于需要精确控制图层结构的专业项目。
技术改进与功能增强
除了上述主要功能外,v1.32.0版本还包含多项技术改进:
-
Alpha通道支持:现在自定义工作流中的Krita图像图层节点可以正确处理Alpha通道,为透明背景工作提供了更好的支持。
-
参考图像处理优化:对于Reference和Face控制图层,现在使用调整大小而非裁剪来使其成为正方形,保留了更多原始图像信息。
-
性能优化:新增了强制平铺VAE解码选项,可以在性能设置中启用,有助于处理大尺寸图像时的内存管理。
-
调度器扩展:在自定义调度器选项中新增了Laplace调度器,为高级用户提供了更多控制生成过程的选择。
-
空提示处理改进:当没有输入提示时,现在会将条件设置为零,这减少了SDXL等某些模型产生的噪声。
用户体验提升
v1.32.0版本在多方面改善了用户体验:
- 改进了ComfyUI服务器的首次启动检测机制
- 增强了连接设置中缺失模型的报告功能
- 为ComfyUI服务器请求添加了网络超时设置
- 升级了托管服务器中的PyTorch和ComfyUI版本
- 新增了加泰罗尼亚语翻译支持
总结
Krita AI Diffusion v1.32.0版本通过引入生成后行为的精细控制和多项技术改进,显著提升了插件的实用性和用户体验。这些变化特别适合那些需要高效工作流程的专业用户,使他们能够更专注于创作过程而非技术操作。随着AI辅助创作工具的不断成熟,这类针对工作流程优化的更新将变得越来越重要。
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