Krita AI Diffusion插件解决了一个很实际的问题：绘师在Krita里进行数字绘画时，经常需要借助Stable Diffusion生成参考图、补充细节或者扩展画面，但频繁切换到WebUI会打断图层工作流。该插件由社区开发者维护，使用ComfyUI作为推理后端，通过本地HTTP接口与Krita通信。插件不会把生成结果直接覆盖原图，而是放进新图层，这对后期修改非常友好。
插件适合Krita 5.x版本，需要Python环境支持。由于Krita内嵌了Python解释器，插件可以直接在软件中执行网络请求和图像处理任务。实际使用前需要先确认两件事：ComfyUI能正常出图，Krita能加载插件并连接后端。下面按环境准备、插件安装、功能用法和性能优化四个部分展开。
一、安装ComfyUI与准备模型
ComfyUI是插件默认的推理后端，它负责加载Stable Diffusion模型、执行采样并返回图像。你可以把ComfyUI理解为一个本地的图像生成服务器，Krita插件只充当客户端。因此第一步是获取ComfyUI源码并安装依赖。建议使用Git克隆仓库，避免直接下载压缩包导致后续更新麻烦。
git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m pip install -r requirements.txt python main.py --listen 127.0.0.1 --port 8188
启动后终端会显示服务地址，默认是http://127.0.0.1:8188。保持该终端窗口不要关闭，插件需要一直通过这个地址访问后端。如果端口被占用，可以改用--port 8189，但插件配置也要同步修改。
接着需要准备模型文件。Stable Diffusion 1.5系列模型体积较小，适合显存不高的设备；SDXL模型细节更好，但对显存和分辨率要求更高。模型文件通常放在ComfyUI目录下的models/checkpoints文件夹中。Windows完整路径类似C:\ComfyUI\models\checkpoints，Linux路径为~/ComfyUI/models/checkpoints。LoRA文件放入models/loras，ControlNet模型放入models/controlnet。放置完成后需要重启ComfyUI，让后端重新扫描模型目录。
这里有一个常见误区：很多绘师只在WebUI中下载了模型，却忘记ComfyUI使用的是独立的目录结构。即使你本地已经有AUTOMATIC1111 WebUI的模型，也需要把模型文件复制或建立软链接到ComfyUI的对应目录，否则Krita插件无法调用。建议为ComfyUI单独整理一个精简模型集，只保留常用的底模和LoRA，避免每次加载都扫描大量文件。
二、在Krita中安装并连接插件
Krita AI Diffusion插件可以从其GitHub发布页面下载打包好的ZIP文件。打开Krita后，点击顶部菜单工具，选择脚本，再点击从文件导入Python插件，选中下载的ZIP文件。导入成功后，需要重启Krita使插件注册生效。
重启后进入设置中的配置Krita，找到Python插件管理器，勾选AI Diffusion。此时如果一切正常，Krita的菜单栏中会出现插件面板入口，通常位于设置下方的Dockers中。也可以手动放置插件文件到Krita的pykrita目录：Windows下为C:\Users\你的用户名\AppData\Roaming\krita\pykrita，Linux下为~/.local/share/krita/pykrita。手动放置后同样需要重启并在插件管理器中启用。
连接后端是配置环节中比较容易出错的步骤。打开插件面板后，进入设置界面，把后端地址填写为http://127.0.0.1:8188。如果ComfyUI使用了其他端口，这里必须保持一致。插件一般会提供连接测试按钮，点击后如果显示绿色状态，说明Krita已经能够与ComfyUI通信。若连接失败，优先检查ComfyUI终端是否仍在运行、端口是否被防火墙拦截、以及地址中是否多加了空格。
三、核心功能：文生图、图生图与局部重绘
文生图是最基础的用法。新建一个空白画布，调整好目标尺寸后，在插件面板中输入正面提示词和负面提示词。正面提示词描述画面主体、风格、构图和光照，负面提示词用来排除低质量、模糊、畸形等不想要的特征。点击生成后，插件会把结果放到新图层，原图层不会被改动。这一步特别适合快速产出概念草图或探索不同配色方案。
图生图适合在已经画好的线稿或色稿基础上继续深入。插件面板中的强度参数控制生成结果与原始图像的差异程度：强度越低，结果越接近原图；强度越高，AI自由发挥空间越大。一般从0.35到0.65之间开始尝试比较稳妥。比如你有一张粗略的草稿，把强度设为0.5，再配合提示词描述细节，插件会在保留大致构图的前提下补全颜色和结构。
局部重绘是Krita插件最突出的优势之一。用选区工具框选画面中的某个区域，例如手部、背景或者衣物褶皱，然后只对该区域进行生成。插件会使用蒙版限制采样范围，选区外的像素基本保持不变。这种方式比在WebUI中上传整张图并用涂抹工具更精确，因为Krita的选区、路径和蒙版系统本身就很成熟。扩展画布功能也依赖选区：先把画布向外扩展出空白区域，再选中空白部分，让AI根据已有画面内容补全新区域，实现自然延伸。
如果ComfyUI中安装了ControlNet节点，插件还能在生成时加入线稿、深度图或姿态骨骼作为控制信号。比如用Krita的线稿图层作为ControlNet输入，AI会在保持线条结构的前提下填充颜色和光影。这个工作流对漫画上色、角色设计等任务帮助很大，但需要提前确认ControlNet模型已放到正确目录并在ComfyUI中成功加载。
四、提升生成质量与稳定性
提示词的写法直接影响生成结果。Krita插件支持常见的权重语法，例如(主体词:1.3)表示提高该词权重，[弱化词:0.7]表示降低权重。如果要调用LoRA，可以写成<lora:模型名:0.8>。负面提示词不要写得过长，把高频问题写清楚即可，例如低分辨率、模糊、多余手指、文字乱码等。过长的负面提示词反而会压缩正面提示词的发挥空间。
采样器和步数需要根据模型类型调整。对于SD1.5模型，20到28步配合DPM++ 2M Karras采样器通常能获得稳定结果，CFG Scale建议在5到8之间。SDXL模型则适合30步左右，CFG维持在4到7，生成分辨率至少设置为1024×1024。如果是LCM或Turbo这类蒸馏加速模型，步数可以降到4到8，但需要搭配对应的采样器和较低的CFG，否则画面容易过饱和或出现噪点。
显存管理也很重要。如果显卡显存只有6GB到8GB，建议在启动ComfyUI时加上--normalvram，显存低于6GB可以尝试--lowvram，极低显存环境才使用--novram。这些参数会牺牲一定速度来换取稳定性。生成时尽量避免同时开启过大的画布和ControlNet，因为这会在显存中同时保存多个中间张量。可以先在小尺寸下验证效果，确认后再通过插件的高清放大或图生图进行无损放大。
五、常见故障与排查思路
插件面板不显示，通常是插件没有正确启用。可以重新打开配置Krita里的Python插件管理器，确认AI Diffusion处于勾选状态，然后完全关闭并重启Krita。如果插件显示错误，可以打开工具菜单中的脚本控制台查看Python报错信息，多数情况是缺少依赖或插件文件不完整。
连接测试失败时，先在浏览器中访问http://127.0.0.1:8188，能打开ComfyUI界面说明后端正常，问题出在Krita插件配置；如果浏览器也打不开，说明ComfyUI没有启动或端口不对。检查终端是否报错，尤其是模型路径不存在、CUDA版本不匹配、依赖安装不完整这几种情况。Windows用户还要留意防火墙弹窗是否拦截了Python网络访问。
生成结果发黑、发灰或严重变形，大多数情况下是模型与参数不匹配。SDXL模型在512×512分辨率下出图会非常差，SD1.5模型强行输出1024×1024也容易产生重复结构。可以先把分辨率调到模型推荐范围，关闭ControlNet和LoRA，用最简单的提示词测试底模能否正常出图，再逐步添加额外条件，这样更容易定位问题。
Krita AI DiffusionAI辅助绘画开源绘画软件修改时间：2026-09-21 16:48:41