实战教程 开源与独立软件 数字设计与艺术

Krita AI插件完整指南：安装配置、实时绘制与ControlNet

作者: • • 3 min read

DigiLiner 视频演示教程，录制于2024年3月（时长10分14秒）。此后插件经历了多次重大架构更新；若界面布局与当前版本不一致，请以文内最新步骤为准。

速览数据表：Generative AI for Krita

定位与性质 为Krita增添生成式AI能力的第三方开源插件；并非Krita官方核心功能
作者 / 许可协议 Acly (Interstice) / GPL-3.0；各扩散底模受各自独立许可协议约束
当前稳定版本 v1.53.0（2026年8月22日），针对Krita 5.x深度适配
前瞻测试版本 v1.54.0-pre（2026年10月3日），仅限Krita 6.x使用
后台引擎 ComfyUI（托管式本地服务或自定义独立服务器）或Interstice云端GPU服务
适配模型库 SD 1.5、SDXL、Illustrious、Flux 2、Z-Image；不同模型对控制层的支持度各异
本地硬件门槛 建议至少6 GB显存（NVIDIA）；RTX 2060或更高；磁盘预留空间10 GB起步
适用人群 希望完整把控线稿和图层结构，同时将AI作为渲染与辅助绘制工具的数字艺术家

现实开局：相隔29天的两条轨迹

2023年9月3日。GitHub上一个低调的代码仓库发布了其初始版本：v0.1.0 [2]。

2023年10月2日。Krita官方社区论坛贴出了一份严正的政策公告。论坛自即日起禁止发布推广生成式AI工具的帖子，且明确涵盖“旨在为Krita添加生成式AI的扩展插件”。公告中赫然写着：“the Krita team doesn’t support AI in its current state.”（Krita开发团队不支持当前形态的AI） [3]。

两件事之间仅相隔整整29天。官方公告并未点名任何特定项目；我们没有直接证据证明两者存在因果关系。然而，今天被大量教程冠以“Krita的AI插件”之名的工具，其发展历程恰好穿行在这两个历史节点之间。

三年之后，该插件在GitHub上积累了83次版本迭代与10,857颗星标 [2]。一个未获Krita官方团队认可的外部工具，为何能在Krita的工作面板中结合得如此天衣无缝？而网络上频繁宣称的两个“100%”——“100%纯本地运行”与“100%保护原始线稿”，究竟包含多大程度的事实？

第一次转折：这不是Krita官方的AI

Generative AI for Krita是一款完全独立开发、基于Krita的Python脚本接口运行的开源第三方插件。 它既没有集成在Krita安装包中，也不由Krita基金会负责维护。

这一边界具有直接的现实意义。插件文档明确要求：遭遇报错或运行异常时，请勿前往Krita官方社区寻求排障；官方渠道不对其负责，所有技术支持均应当在插件自有的GitHub Discussions、Discord服务器及Issue跟踪列表中提交 [1][4]。

值得玩味的是，Krita团队并非在所有层面都排斥神经网络技术。2024年12月，Krita团队公布了与英特尔联合研发的实验性插件 Fast Sketch Cleanup。该工具借助轻量神经网络自动对铅笔草稿进行勾线清理，训练所用数据据官方说明全部取自开源授权集 [5]。它完全在本地计算机运行，绝不建立任何外网连接 [6]。项目公告亦划定了分明的边界：该工具不涉及任何扩散式图像生成，其目的绝非为画面凭空添加新的未经绘制的细节 [7]。

因此，根本的分歧并非简单的“是否采用AI”。从历史文献来看，Krita团队的审慎态度主要取决于两点：该技术究竟为画作添加了何种内容，以及其训练数据来自何处。鉴于2023年论坛公告之后官方未再就生成式图像发表新的指导纲领，社区政策必须置于当年的历史背景下客观看待。

应当选择哪个版本组合？

对于当下的实际生产应用而言，最稳妥成熟的选择是Krita 5.3搭配插件v1.53.0版本。 Krita 5.3.0与6.0.0于同一天（2026年3月24日）正式发布。作为首个基于Qt 6框架重构的大版本，6.0被团队定性为前瞻实验版本，官方建议稳定工作流继续沿用5.3 [8][9]。krita.org官方下载主页也将5.3.4.1列为推荐稳定版本 [10]。

在插件端，版本分化更为严厉。v1.54.0-pre的发布说明中明确注明：“No longer works with Krita 5.x!”（不再支持Krita 5.x）。这一前瞻测试版仅能在Krita 6环境运行，且在macOS平台上存在已知性能瓶颈 [11]。

Krita 版本 插件版本 实际运行状态
5.3.x v1.53.0 稳定成熟的生产选择。发布说明推荐基准：Krita 5.3.2.1 [12]
6.0.x v1.54.0-pre 实验预览版。发布说明推荐基准：Krita 6.0.4 [11]
5.2.x 较早的1.x旧版 项目README以5.2.0为最低门槛，但新版更新日志推荐5.3 [1][12]

容易忽略的避坑提示： Windows应用商店版、Steam版以及Linux下的Flatpak打包版本，受制于沙盒环境，通常无法正确安装后端依赖项。插件文档强烈建议Windows用户使用krita.org提供的独立安装包，Linux用户采用官方AppImage格式运行 [4]。

插件安装的六个有序步骤

该插件直接通过GitHub Releases页面下载的ZIP归档包完成导入 [4]：

  1. 依据本机Krita版本，前往GitHub下载匹配的ZIP压缩包。
  2. 打开Krita，依次点击 Tools（工具）▸ Scripts（脚本）▸ Import Python Plugin from File…（从文件导入Python插件） 并选取下载的ZIP。
  3. 在弹出的确认窗口中点击 Yes 启用插件。
  4. 完全重启Krita软件；此步骤属于强制必选。
  5. 新建一个中低分辨率画布，依次勾选 Settings（设置）▸ Dockers（面板）▸ AI Image Generation。
  6. 在右侧新停靠的面板中点击 Configure（配置） 按钮以设定后端服务方式。

本地运行需要预留至少10 GB可用磁盘空间；若配置多款底模与LoRA微调包，占用50 GB以上极为常见 [4]。请确保显卡驱动已更新至官方最新版。

第二次转折：“100%本地”是一种可选配置，而非固有属性

插件具备纯本地离线运行的能力，但并非任何一种配置都是本地进行的。 画布上的图像数据送往何处，完全取决于您在配置面板中所选的服务架构 [4]。

架构模式 图像渲染执行位置 系统配置要求 目标受众
Local Managed Server（本地托管） 本机GPU或CPU独立完成 高性能独立显卡，充足硬盘空间 绝大多数桌面端主力机；插件自动下载管理ComfyUI后台
Custom Server（自定义服务器） 已有的ComfyUI实例（本地或局域网主机） 手动部署节点与模型权重文件 熟悉ComfyUI生态的高级玩家；默认连接地址 127.0.0.1:8188 [13][14]
Online Service（云端服务） Interstice的云端GPU算力集群 注册账号并充值点数；无本地GPU门槛 无独显轻薄本用户、尝鲜评估者

采用云端方案并不代表必然丧失隐私，但需要仔细审阅其条款。Interstice在说明中承诺：用户输入的初始图像绝不进行持久化保留，仅用于完成所请求的单次渲染任务；生成的最终图像同样不予留存，仅在处理大文件传输时可能存在短暂的暂存中转 [15]。其运算服务器分布在欧洲、加拿大或美国境内 [16]。其隐私权政策最后更新于2024年4月4日，未就模型后续训练事宜做出单独特别说明 [16]。

从v1.53.0版本开始，系统加入了一项机制：通过云端生成并从历史记录导出的图像会自动写入“人工智能生成”标识，且针对欧盟境内用户会嵌入不可见的固定元数据数字水印。根据版本说明，该机制不影响完全在本地服务器运行的用户 [12][15]。

资费结构： 5,000计算点数标价10欧元，15,000点数标价28欧元。单次Live实时画笔步进通常耗费1点（折合约0.002欧元），而生成一张完整的1024×1024高规格图像耗费5点 [15]。点数采用随用随扣模式，无使用期限限制。

硬件实测：6 GB显存到底意味着什么？

项目README明确提出，本地运算“建议至少拥有6 GB显存（NVIDIA）” [1]。安装指南列出的硬件支持范围涵盖：RTX 2060及以上N卡、8 GB及以上Intel Arc独立显卡、支持ROCm架构的AMD显卡以及Apple Silicon平台；CPU模式虽然可以启动，但单步运算时间极其缓慢，缺乏实用价值 [4]。

部分独立第三方的技术评测更为审慎：将8 GB视作保障流畅体验的实用基准线，而将12至16 GB视作游刃有余的门槛 [17]。读者可将第三方评测视作经验参考。

更为关键的技术细节在于：当显存即将耗尽时，系统通常不会直接报错崩溃；运算时长会因为系统将数据页面交换到主内存中而呈现数十倍的急剧上升 [18]。在怀疑插件界面卡死之前，请先调出任务管理器查看显存分配情况，并优先从512×512的较低分辨率开始调试。

核心控制中枢：Strength（重绘幅度）滑块

Strength（重绘强度）滑块决定了模型在计算过程中沿用多少已有画布内容、覆盖多少新内容。 彻底吃透这一滑块的逻辑，即可掌握该插件的整个运转机制 [19]。

  • 设定在100%时： 面板上的操作按钮显示为 Generate。已有画布上的笔触被完全置之不理，系统将按照画面尺寸重新生成一张图像。
  • 低于100%时： 按钮名称变为 Refine。模型会将当前画布上的线稿和色彩视作起点；数值越低，改动幅度越轻微克制。

如果仅仅输入提示词后被动等待结果，本质上只用到了100%模式。只有当滑块降至100%以下时，画师手绘笔触的指导价值才真正开始主导画面走向。

计算结果首先以预览卡片形式呈现并保存在历史面板中。点击 Apply 按钮或双击缩略图，即可将该结果作为新图层插入到图层堆栈的最顶端 [19]。请注意规避初学者常犯的错误：若未点击Apply就连续点击Refine，模型实际上依然是在反复对未更新的初始草稿进行计算。

官方文档并未给出绝对的标准数值表。在DigiLiner的实际测试与教学演示中，通常将其划分为三个实用区间：

  • 0.30 – 0.45（质感细化）： 画师的手工笔触、色彩布局得到严格保留；模型主要负责补全材料纹理与微弱的光影明暗。
  • 0.45 – 0.60（理想平衡）： 手绘形体结构能被模型准确识别，并转化为协调立体的光照渲染。这是数码绘画中最推荐的初始调试起点。
  • 0.70及以上（结构重塑）： 模型开始大刀阔斧地重塑解剖形态与透视关系，画面的整体布局将被赋予极高的主导权。

从低数值起步逐步往上试探，是最高效稳妥的工作方式。

实时绘制（Live Mode）

Live模式以牺牲极致精细度为代价，换取几乎零延迟的即时视觉反馈。 点击运行按钮启动后，只要画师在画布上挥笔或移动滑块，预览窗口便会连续刷新。在此过程中随机种子（seed）保持锁定，画面只因笔刷改动而演进。若想探索不同的构图分支，只需手动递增种子编号 [19]。

响应帧率直接受显卡硬件水平制约；官方默认选用了响应极为迅猛的 Hyper 采样预设 [20]。若想查阅具体实战流程，可参考我们的湖泊风光实时绘制演示与自然景观实时绘画教程。

CFG引导强度：并不存在放之四海皆准的黄金数值

CFG（Classifier-Free Guidance）决定了生成模型服从文本提示词的严格程度。 算法奠基人Ho与Salimans在其经典论文中，将其阐述为生成样本质量与多样性之间的权衡杠杆 [21]。插件指南指出：高CFG数值能增强对复杂提示词的遵从度，但易造成画面过饱和与噪点伪影；而轻量快速采样器则必须配合较低的CFG运行 [20]。

所谓“CFG务必保持在5.5到7.5之间”的经验之谈，仅仅适用于旧版SD模型。插件内置的预设配置涵盖了1.0至7.0的广泛跨度 [22]：

采样器预设 步数 CFG 典型应用领域
DPM++ 2M Karras (Default) 20 7.0 SD 1.5与SDXL的经典默认组合；收敛状态极佳
Euler Ancestral 20 6.0 常见于非写实插画与日系动漫赛道
UniPC BH2 (Fast) 12 4.0 快速渲染，画质损失极为微小
DPM++ SDE Karras (Turbo/Lightning) 6 2.0 Turbo与Lightning蒸馏轻量模型
Euler + Hyper LoRA (Realtime) 8 3.5 实时绘画模式；部分Live风格预设采用6步及1.8 CFG
Euler Simple (Flux) 20 1.0 Flux模型技术体系

在Flux架构下沿用CFG 7.0，或在经典SDXL模型中机械照搬1.0，都会导致成像严重失真。请优先遵循对应预设的默认值。

局部绘制：Selection Fill（选区填充）

Selection Fill能够将生成过程精准限制在选区内部，同时完好保留画布其余区域。 一旦激活某个选区工具，操作按钮便会动态展开为功能明确的专项菜单 [23]：

操作模式 核心功能
Fill 常规局部修补；自动向选区边缘周边邻近色调靠拢融合
Expand 扩展画布视界；忽略选区内原先存在的像素
Add Content 结合文本提示词或控制图层在指定选区新增视觉要素
Remove Content 抹除目标物体；利用环境背景纹理自动将空缺处修补完整
Replace Background 实验性功能；自动抠出前景主体并按文本提示词重新渲染背景

第三次转折：无须手动羽化选区边缘

许多教程教导画师“选区务必手工羽化8到14个像素以避免生成生硬接缝”，在当前插件中这一繁琐操作是不必要的，因为底层已完全实现了自动化处理。

插件会将选区范围划分为多重过渡带：核心区域按设定Strength全力计算，外围包含自动扩充的渐变衰减圈，并在最外层与原始画布通过Alpha透明通道完成平滑柔化叠合 [23]。源码中的默认参数如下 [24]：

  • Selection Feather（羽化范围）： 选区尺寸的10%（至少提供32像素过渡梯度）
  • Selection Grow Offset（扩展偏移）： 4像素
  • Selection Blend（混合过渡）： 25像素

这一过渡区域还会跟随Strength数值动态缩放；在50%重绘强度下，过渡羽化范围仅为100%全强度时的一半 [23]。如果发现拼接痕迹，应首先检查上述底层参数与上下文扩展范围。若将Feather与Blend同时归零，自动化边缘过渡才会彻底关闭 [23]。

两个值得掌握的实践细节：

  • Seamless模式： 在绘制分镜漫画等边界明确的局部区块时，在高级菜单中关闭Seamless选项即可将选区视作独立画幅处理，免除不必要的边缘混色 [23]。
  • 上下文开销： 哪怕只勾选了一小块微型选区，系统耗费的时间与显存也是根据所选取的全局上下文尺寸计算的。扩大上下文可以带来更为自然的环境光照协调，但会增加单步耗时 [23]。

如需查看逐步实操流程，欢迎参考我们的使用Krita为画面添加新元素教学。

Control Layers：将线稿与草图转化为空间约束法则

Control Layer（控制图层）通过线稿、姿态骨骼或深度图等直观几何线索来引导生成过程。 其技术源流脱胎于Zhang、Rao与Agrawala于2023年发表的ControlNet里程碑论文。该算法锁死预训练底模权重，通过以零初始化的卷积层引入空间引导信息 [25]。

在Krita中的操作非常简捷：选中任一图层，点击面板中的 Add control layer，再指定其空间引导类型即可 [26]：

分类分组 支持类型 输入要求与主要用途
参考引导 Reference, Style / Composition, Face 引导整体画面基调或人脸五官；Face模式需要输入裁剪好的人脸特写
线性轮廓 Scribble, Line Art, Soft Edge 适用于手工绘制的草图线稿，或由现有图层自动抽取的外轮廓
边缘检测 Canny Edge 从既有图像中快速计算出高反差边缘骨架
空间深度 Depth, Normal 包含几何景深与法线方向的数据，常从Blender等3D软件中直接导出
骨骼姿态 Pose OpenPose人体姿态骨架；可使用Krita矢量工具随意拉伸关节调整动作
辅助修饰 Segmentation, Unblur, Stencil 包含区域着色分割图、清晰度修复通道与高对比度黑白蒙版

结构性控制图层与主画布严格实行像素级坐标对齐，因而长宽比必须保持高度一致。点击 From image 按钮，系统会自动将当前所有可见图层合并提取为统一控制信号 [26]。对于结合3D资产的进阶工作流，请阅读我们的将Blender 3D场景引入Krita AI协同工作指南。

架构限制提示：不同模型体系之间的控制层模块无法相互混用。截至目前，SD 1.5依然拥有最为完备的控制类型覆盖度 [27]。切勿预先假定换用新模型后仍能直接启用所有的控制选项。

第四次转折：Line Art同样无法提供“100%保真防线”

“Line Art能百分之百锁定画师的线稿、AI仅在底层负责铺色填涂”这一断言，并没有官方技术文献作为支撑。使用手册指出：提高控制图层权重仅仅能够使生成画面在形态上更为贴近引导图层 [26]。这是一项强力空间引力偏置，绝非坚不可摧的物理锁定。

当您的原稿墨线具有绝对不可被涂改的重要性时，请采用以下经工程检验的四步工作法：

  1. 将手绘线稿图层指定为Line Art类型的Control Layer。
  2. 文本提示词中仅描述材质细节、色调氛围与环境光照。
  3. 计算完成后，点击 Apply 将结果作为新图层插入到画作中。
  4. 将原本的手绘纯线稿图层，重新拖拽移动到该生成图层的正上方。

第四步并非依托任何AI演算法，而是Krita最基础的数字绘图图层层级逻辑；但这恰恰是唯一能够绝对确保线稿原汁原味不受算法侵蚀的技术保障。

此外，Range（介入区间） 参数提供了针对扩散时间步的精细把控能力。例如将Range设为0.2到0.7，意味着前20%阶段模型可自由构想构图雏形，中段70%前施加骨架约束，最后30%解除约束自由刻画质感。由于宏观布局定型较早而微观细节生成较晚，这一设置既能严守姿态轮廓，又能让微观笔触保持生动多姿 [26]。

决策矩阵：该插件是否适合您的工作流？

您所处的实际场景 推荐选型策略
配备高性能NVIDIA显卡，数据隐私不可妥协 Krita 5.3 + v1.53.0 + Local Managed Server
无独立显卡，仅作轻度学习评估 Online Service；在承接商业委托前仔细核对用户服务协议
本地已建有完善的ComfyUI工作流 Custom Server；直接与现有节点及模型权重打通 [13]
使用苹果Mac电脑（Apple Silicon） 支持Apple Silicon机型；注意考量v1.54.0-pre在macOS下的延迟表现
仅需整理修缮纸质铅笔线稿，不需画面生成 Krita官方出品的Fast Sketch Cleanup轻量插件
仅需进行高质量超分辨率放大放大图片 插件内置Upscale模块或专门的开源工具 Upscayl
大规模多任务自动化批量跑图需求 原生ComfyUI环境或 Automatic1111批量出图工作流 [17]
成果需发布在明确排斥AI画作的平台或社群 务必提前查阅该平台的合规守则；Krita Artists社区便属此类 [3]

核心优势： 与Krita选区、笔刷与图层深度互通；代码完全透明开源；本地环境运行无额外订阅费用支出。
客观短板： 得不到Krita官方基金会的技术支持；对显存与硬盘空间有刚性要求；Krita 5与6跨版本之间存在断代割裂；衍生模型资产版权核查责任完全由使用者自负。

若需横向比对其他优质数字工具，欢迎浏览我们的开源软件替代方案与工具集成大全。

结语

回到开篇提出的两个核心质询：那两个所谓的“100%”宣传，都未能通过严谨推敲。唯有经过画师主动配置本地后端，插件才能达成100%本地私密运算；同时，Line Art也绝非不可逾越的绝对防护锁；而滑块上那个看似强力的100%，实质上是完全抛弃画布原本心血的代名词。

最具实效的第一步往往始于微小尝试：在电脑上备好Krita 5.3与v1.53.0插件，建立一块512×512规格的画板随手勾勒几笔雏形，将Strength滑块滑落至100%刻度下方，观察不同区间内算法与笔刷的微妙互动。

在Krita中运用AI辅助绘图的精髓，始于100%之下。

  1. 一款完全依托公有领域授权素材完成训练、运行于本机的开源模型，能否化解Krita团队在2023年提出的质疑与忧虑？
  2. 在手绘笔触与算法计算的比例博弈中，当自身绘制痕迹占到多大比重时，您依然会自信地在画面角落签上自己的名字？

已核实参考文献与延伸阅读

以下所有参考资料与超链接均已于2026年11月8日完成有效性验证。

The DigiLiner editorial team publishes with dual-source verification, a public corrections log, and human-supervised AI assistance. Editorial Policy

Keep reading

Upscayl 评测：开源 AI 图像放大的速度与质量
实战教程

Upscayl 评测：开源 AI 图像放大的速度与质量

📺 视频概览与快速总结 欢迎阅读 DigiLiner 的官方教程与演示指南。在本文中，我们讲解视频里展示的核心技巧、工作流、软件工具与分步操作：《AI 图像放大——Upscayl 篇》。请按下列步骤操作，内含结构化的文字说明与实用提示。 🎨 分步 AI 绘画与数字工作流 把 AI 的生成能力直接集成到 Krita 中，会彻底改变数字插画工作流。该 AI 插件不再需要在网页界面里分别生成图像再导入，而是支持画布内的蔓延涂抹、实时的”草图转画作”生成，以及在局部蒙版图层上进行精确的内部重绘。...
Nov 8, 2026 Read Review →
Automatic1111 批量 AI 图像生成：批处理工作流
实战教程

Automatic1111 批量 AI 图像生成：批处理工作流

📺 视频概览与快速总结 欢迎阅读 DigiLiner 的官方教程与演示指南。在本文中，我们讲解视频里展示的核心技巧、工作流、软件工具与分步操作：《Automatic1111 批量 AI 图像生成》。请按下列步骤操作，内含结构化的文字说明与实用提示。 🎨 分步 AI 绘画与数字工作流 把 AI 的生成能力直接集成到 Krita 中，会彻底改变数字插画工作流。该 AI...
Nov 8, 2026 Read Review →

发表评论

评论经审核后显示。含链接或推广内容的留言不会发布。