aclysia/sd-comfyui-krita Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

Stable Diffusion Krita插件集成镜像 技术文档

镜像概述和主要用途

本镜像是基于Stable Diffusion的Docker封装，预集成了通过Krita插件调用Stable Diffusion所需的全部依赖（包括Python运行时、API服务组件、模型加载库等）。其核心用途是简化数字艺术家及开发者通过Krita进行AI辅助绘画的部署流程，无需手动配置复杂的依赖环境，可快速实现Krita与Stable Diffusion的联动。

核心功能和特性

• 全依赖预集成：内置Krita插件通信所需的API服务（如Stable Diffusion WebUI API或轻量API服务）及Python依赖库（torch、diffusers、requests等），无需额外安装。
• Stable Diffusion核心功能：支持文本生成图像（txt2img）、图像生成图像（img2img）、模型微调（LoRA/Checkpoint加载）等基础功能。
• Krita插件兼容性：兼容主流Krita AI绘画插件（如krita-ai-diffusion、Stable Diffusion Krita Plugin），确保插件可直接调用镜像内的Stable Diffusion服务。
• GPU加速支持：支持NVIDIA GPU加速（需宿主环境配置nvidia-docker），提升图像生成效率。
• 数据持久化：支持通过卷挂载存储模型文件、生成结果，避免容器重启后数据丢失。

使用场景和适用范围

• 数字艺术创作：数字艺术家通过Krita插件调用Stable Diffusion，实现AI辅助草图补全、风格迁移、细节增强等创作流程。
• 插件开发测试：开发者快速验证Krita插件与Stable Diffusion的通信逻辑，无需本地搭建完整Stable Diffusion环境。
• 教育/培训场景：培训机构或个人学习者快速搭建AI绘画教学环境，降低工具配置门槛。
• 轻量级部署：个人用户或小型团队无需复杂服务器配置，通过Docker一键启动Stable Diffusion+Krita工作流。

使用方法和配置说明

前提条件

• 已安装Docker Engine（20.10+）及Docker Compose（可选，用于编排）。
• 若启用GPU加速：宿主环境需安装NVIDIA驱动（版本≥450.80.02）及nvidia-docker2（参考NVIDIA Docker文档）。
• 宿主机已安装Krita（版本≥5.0）及对应AI绘画插件。

获取镜像

从Docker仓库拉取镜像（假设镜像名称为sd-krita-integration:latest，实际名称需替换为官方/私有仓库地址）：

bash
docker pull [仓库地址]/sd-krita-integration:latest

启动容器（基础部署）

1. Docker Run命令

CPU模式（仅用于测试，生成速度较慢）：

bash
docker run -d \
  --name sd-krita-service \
  -p 7860:7860 \  # API端口映射（Krita插件需连接此端口）
  -v /path/to/local/models:/app/stable-diffusion/models \  # 挂载本地模型文件（.ckpt/.safetensors）
  -v /path/to/local/outputs:/app/outputs \  # 挂载生成结果目录
  [仓库地址]/sd-krita-integration:latest

GPU加速模式（推荐，需nvidia-docker支持）：

bash
docker run -d \
  --name sd-krita-gpu-service \
  --gpus all \  # 启用所有GPU（或指定数量，如"device=0"）
  -p 7860:7860 \
  -v /path/to/local/models:/app/stable-diffusion/models \
  -v /path/to/local/outputs:/app/outputs \
  -e ENABLE_GPU=true \  # 启用GPU加速
  [仓库地址]/sd-krita-integration:latest

2. Docker Compose配置

创建docker-compose.yml文件，适合多容器管理或持久化部署：

yaml
version: '3.8'
services:
  sd-krita:
    image: [仓库地址]/sd-krita-integration:latest
    container_name: sd-krita-service
    restart: unless-stopped  # 容器退出后自动重启
    ports:
      - "7860:7860"  # API端口（与Krita插件配置一致）
    volumes:
      - ./local-models:/app/stable-diffusion/models  # 宿主机模型目录（相对路径）
      - ./local-outputs:/app/outputs  # 宿主机输出目录（相对路径）
    environment:
      - STABLE_DIFFUSION_API_PORT=7860  # API服务监听端口
      - ENABLE_GPU=true  # 启用GPU（需宿主GPU支持）
      - MODEL_LOAD_PATH=/app/stable-diffusion/models  # 容器内模型加载路径
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all  # 使用所有GPU（或指定数量，如1）
              capabilities: [gpu]  # 声明GPU能力

启动服务：

bash
docker-compose up -d

Krita插件连接步骤

1. 验证服务状态：容器启动后，访问http://localhost:7860，若显示Stable Diffusion API状态页或WebUI，则服务正常运行。
2. 配置Krita插件：
   • 在Krita中打开已安装的AI绘画插件（如krita-ai-diffusion）。
   • 进入插件设置界面，配置“Stable Diffusion API地址”为http://localhost:7860。
   • （可选）设置模型路径（若插件支持自定义模型，填写容器内路径/app/stable-diffusion/models）。
3. 测试连接：在插件中发起测试请求（如输入文本“a cat”生成图像），若输出目录（./local-outputs）生成图像文件，则连接成功。

配置参数说明

环境变量

通过-e参数或docker-compose.yml的environment字段配置，支持以下参数：

卷挂载

通过-v参数或docker-compose.yml的volumes字段挂载，支持以下路径：

端口映射

注意事项

• 模型文件：需用户自行准备Stable Diffusion模型文件（如从CivitAI、Hugging Face下载），并放入宿主机模型目录（挂载至容器的/app/stable-diffusion/models）。
• GPU兼容性：若启用GPU加速，需确保宿主NVIDIA驱动版本≥450.80.02，且已安装nvidia-docker2。
• 插件版本：Krita插件版本需与镜像内置API服务兼容（参考镜像文档或插件官方说明）。
• 性能优化：生成高分辨率图像时，建议通过环境变量ENABLE_GPU=true启用GPU，并确保模型文件为优化版本（如FP16格式）。