KritaのPythonプラグインで、画像編集画面から生成AI(Stable Diffusion、Flux、Z-Imageなど)によるinpaint・outpaint・アップスケールを行えるようにするツールです。バックエンドにはComfyUIを使い、テキストプロンプトなしでも選択範囲を塗りつぶせるよう設計されています。ControlNetやIP-Adapter、リージョンごとのプロンプト指定など、細かい制御機能も備えています。
ai_diffusion/extension.py がKritaのプラグインシステムに登録され、ドッカーUIとしてPyQt6ウィジェット群(ai_diffusion/ui/server.py など)を表示します。ai_diffusion/backend/server.py の Server クラスがComfyUIの導入・起動・バージョン管理を担当し、GPU種別(CUDA・ROCm・XPU・MPS・CPU)ごとに backend/requirements/ 以下の依存関係リストを切り替えます。生成リクエストは backend/comfy_client.py がWebSocket経由でComfyUIに送信し、backend/workflow.py と comfy_workflow.py が実際のノードグラフ(inpaint・ControlNet・IP-Adapterなど)を組み立てます。document.py がKritaのレイヤーや選択範囲を読み書きし、生成結果をキャンバスに反映します。
- STEP 01
Krita 5.2.0以上をインストールし、リリースのZIPをTools・Scripts・Import Python Plugin from Fileで読み込みます。
- STEP 02
Kritaを再起動し、Settings・Dockers・AI Image Generationからドッカーを表示させます。
- STEP 03
ドッカー内のConfigureボタンを押すと、ComfyUI本体と必要なモデル・カスタムノードのダウンロードが始まります(GPUによっては数GB単位の時間がかかる処理です)。
- STEP 04
キャンバスで選択範囲を作り、プロンプト欄に指示を入力してGenerateを押すと、選択領域だけがAIで塗り替わります。
- STEP 05
History欄で過去の生成結果とプロンプトを一覧し、気に入った結果をレイヤーとして取り込めます。
- STEP 06
リモートのComfyUIサーバーがすでに起動していれば、ローカルインストールをスキップして自動接続する挙動も確認できます。
Krita上にAI画像生成ドッカーが常設され、選択範囲へのinpaint・outpaint、ControlNetやIP-Adapterを使った参照画像ベースの生成、リージョンごとのプロンプト指定、生成キューと履歴閲覧が一通り手に入ります。ローカルGPUかクラウド接続のどちらでも同じUIから操作できる状態になります。
ローカル実行にはNVIDIAで6GB VRAM以上が推奨されており、それ未満やCPUのみだと生成が非常に遅くなるか失敗する可能性があります。
初回のConfigureでComfyUI本体・カスタムノード・モデルファイルをまとめてダウンロードするため、ディスク容量と回線速度によっては長時間かかります。
GitHub Actionsのテストではモデルダウンロードとサーバー実際インストールを伴うpytestを実行しており、CIコストが高い部類の構成です。
AMD・Intel GPUやMac向けの依存関係ファイルも用意されていますが、README上はNVIDIA向けが最も手厚く案内されています。
Kritaで絵を描きながら、ComfyUIのノード編集を意識せずにinpaint・アップスケール・参照画像生成を使いたい人に向いています。CI(.github/workflows/test.yml)がWindows・macOS・Linuxの3環境でサーバーの実インストールとpytestを回している点から、READMEの機能説明が実装(server.py・comfy_client.py・workflow.pyなど)と乖離していないと判断できます。ただしGPU要件とダウンロード量は実際に試す前提として重く、非力な環境での快適さは保証されていません。