IOPaint 从零跑通：本地 AI 修图 10 分钟完整实操

IOPaint 从零跑通本地 AI 修图 10 分钟完整实操【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaintIOPaint 是一款免费开源的 AI 修图工具能把照片里的杂物、水印、文字擦除干净还支持用扩散模型替换画面内容。跟着下面步骤操作你大约 10 分钟就能在本地跑起 IOPaint 服务并修好第一张照片。动手前的环境摸底先确认 Python 版本和磁盘余量判断标准Python 3.7 以上即可建议直接用 3.10磁盘至少留20GB空间给模型缓存。不满足时怎么办用 pyenv 或系统包管理器装一个新版 Python模型目录用--model-dir挪到余量大的盘。判断有没有可用的 GPU判断标准有 NVIDIA 显卡且驱动支持 CUDA 就走 GPU 路线依赖清单 requirements.txt 里要求torch2.0.0这是最容易踩坑的版本线1.x 的老 PyTorch 会直接跑不起来。没有显卡也不影响--devicecpu下擦除类模型lama速度完全够用。确认网络能拉取模型判断标准模型首次启动时从 HuggingFace 自动下载国内网络慢或失败很常见。不满足时怎么办先用iopaint download --modellama单独预下载或下载完成后加--local-files-only离线加载。⚠️ 最常见的看似装好其实没装好pip install全程无报错启动却提示 torch 相关异常。九成是装成了 CPU 版 PyTorch 却想跑 CUDA或新旧版本混装。跑一下python -c import torch; print(torch.__version__, torch.cuda.is_available())版本 2.x 且第二个值为 True 才算到位。核心操作安装、启动、修第一张图安装 IOPaint 并核对依赖这一步就是把 IOPaint 本体和全部依赖装进当前 Python 环境一条命令的事。pip3 install iopaint装完后你应该看到终端无报错且iopaint start --help能列出完整参数列表说明入口脚本正常注册。用显卡前先装 GPU 版 PyTorch默认从 PyPI 装的 PyTorch 是 CPU 版有 NVIDIA 显卡时必须先换成 CUDA 版否则后面所有--devicecuda都会静默失效。pip3 install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118验证信号torch.cuda.is_available()打印True。启动服务并自动下载模型首次启动会自动把 lama 模型下载到默认缓存目录默认在~/.cache目录逻辑见 iopaint/const.py下载完服务才就绪耐心等进度条走完。iopaint start --modellama --devicecpu --port8080终端出现Uvicorn running on http://127.0.0.1:8080后浏览器打开 http://localhost:8080 看到编辑页面即成功。在网页里涂抹区域修好第一张图上传图片后用画笔在要删除的区域涂白白色即擦除区服务端调用 lama 做图像修复inpainting几秒出结果想替换而不是擦掉可在模型列表切到 PowerPaint 等扩散模型。✅ 验证信号页面右侧出现修复后的预览原物体所在区域被背景自然补全没有明显涂抹痕迹。深度配置性能调优以下参数都在iopaint start命令行传入显存吃紧时优先开前两个参数默认值推荐值--devicecpucuda有 NVIDIA 卡--low-mem关显存低于 8GB 时开注意力切片省显存--cpu-offload关显存低于 6GB 时开权重卸载到内存--no-half关扩散模型出黑图/绿图时开回退 fp32--cpu-textencoder关跑扩散模型时进一步压显存存储与缓存策略配置项默认值推荐值模型目录--model-dir或XDG_CACHE_HOME~/.cache独立数据盘目录扩散模型单个体积可达数十 GB输出质量--quality10090用于网络分享时更省空间离线加载--local-files-only关断网环境预下载完成后常开 用iopaint list查看已下载模型iopaint download --model模型名可以提前拉取指定模型避免首次启动卡在下载上。安全与权限监听地址--host默认127.0.0.1仅本机可访问推荐保持默认确需局域网共用时才改为0.0.0.0端口--port默认8080服务器上先确认未被占用再启动缓存目录归属模型缓存在启动服务的用户主目录下换用户或容器映射时注意目录属主一致否则会出现模型已下载但读不到的情况场景实战局域网多人共用一个服务办公室几台电脑都修图没必要各装一套开一台机器对外监听即可。最小配置iopaint start --modellama --host0.0.0.0 --port8080。效果预期同事在浏览器输入http://服务器IP:8080就能直接使用机器和端口建议只在内网暴露。命令行批量修复一整个文件夹手上有一百张图要统一去水印网页一张张点太慢用iopaint run直接批处理掩码图与原图同名放一个文件夹即可。iopaint run --modellama --devicecpu \ --image/path/to/images \ --mask/path/to/masks \ --output/path/to/output验证信号output 目录里按原图名逐张产出修复结果。用容器镜像隔离环境不想污染宿主机 Python 环境时仓库里自带 CPU 镜像定义 docker/CPUDockerfile构建后直接起容器。docker build -f docker/CPUDockerfile -t iopaint-cpu . docker run -p 8080:8080 -it iopaint-cpu iopaint start --modellama --port8080效果预期容器内服务与宿主机完全隔离端口映射后浏览器访问 http://localhost:8080 即用。排错速查报错关键词一句话原因修复操作CUDA not available/ cuda 为 False装的是 CPU 版 PyTorch用 cu118 的 index-url 重装 torchtry to downloading后卡死或超时首次启动自动下载模型但网络不通提前iopaint download或--local-files-onlyCUDA out of memory显存不足加--low-mem --cpu-offload打开 8080 提示Connection refused服务没起来或端口改了核对--port看终端是否出现 Uvicorn running扩散模型结果黑图/绿图半精度不被当前设备支持加--no-half回退 fp32如果表里没覆盖你的报错把完整异常信息拿去项目官方仓库的 Issues 区搜同关键词高频问题的解法基本都有现成答案仍无法解决时新建 Issue 附上dump_environment_info打印的环境摘要会方便维护者定位。收尾以上覆盖安装、启动、批处理到局域网与容器部署的完整路径所有参数用iopaint start --help均可自查。更多模型与插件说明去项目 GitHub 仓库及官方文档页的 Models、Plugins 章节继续看。【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考