GIMP-ML
GIMP-ML 是一款专为 GNU 图像 manipulation 程序(GIMP)打造的开源人工智能插件集合,旨在将前沿的计算机视觉模型无缝集成到这款经典的免费图像处理软件中。它主要解决了传统图像编辑工具在智能化处理方面的不足,让用户无需切换软件或具备深厚的编程背景,即可在 GIMP 内部直接调用强大的 AI 能力。
无论是需要快速修图的设计师、希望探索算法应用的研究人员,还是对 AI 绘图感兴趣的普通用户,都能从中受益。通过 GIMP-ML,用户可以轻松实现基于文本描述生成图像(支持 DALL-E 2 和 DALL-E 3)、智能扩展画面边界(Outpainting)以及依据文字指令编辑现有图片等高级功能。其独特的技术亮点在于构建了一个灵活的插件架构,不仅持续更新以支持更稳定、更新的模型,还拥有一个不断扩充的“模型库”,方便社区贡献和集成各类最新的深度学习成果。作为完全开源的项目,GIMP-ML 在保持 MIT 协议开放性的同时,也尊重各个独立模型的原始许可,是连接经典开源图像编辑与现代化 AI 技术的桥梁。
使用场景
一位独立游戏开发者需要为复古风格的角色立绘快速生成多种背景变体,并修复旧素材中的破损区域。
没有 GIMP-ML 时
- 设计师必须频繁切换窗口,在浏览器调用在线 AI 绘图工具生成素材,再手动下载并导入 GIMP 进行合成,工作流严重割裂。
- 面对老游戏素材中的缺失角落或损坏边缘,只能依靠耗时费力的手工仿制图章工具一点点修补,难以保证纹理自然衔接。
- 想要尝试“赛博朋克街道”或“幽暗森林”等不同背景风格时,每次都需要重新构思提示词并在外部平台排队等待生成,迭代效率极低。
- 缺乏直接在图层上操作的能力,无法利用 GIMP 原有的蒙版和选区功能对 AI 生成结果进行精细化控制。
使用 GIMP-ML 后
- 开发者直接在 GIMP 菜单栏调用集成的 DALL-E 3 模型,输入文字即可在当前画布生成高质量背景,实现了“所想即所得”的无缝创作流。
- 利用内置的图像外绘(Outpaint)功能,一键智能扩展画面边界并自动补全破损区域,纹理与光影完美融合,将数小时的修图工作缩短至几分钟。
- 通过文本指令即时生成多种风格方案,无需离开软件即可在同一项目中快速对比不同视觉效果,大幅加速了美术风格的决策过程。
- 所有 AI 生成内容直接作为新图层呈现,可立即结合 GIMP 强大的图层混合模式与滤镜进行二次编辑,保留了专业级的工作灵活性。
GIMP-ML 通过将前沿生成式 AI 深度嵌入经典开源编辑器,彻底打破了传统修图与智能创作之间的壁垒,让单人团队也能拥有电影级的视觉生产效率。
运行环境要求
未说明
未说明

快速开始
用于 GNU 图像处理程序的人工智能
:star: :star: :star: :star: 欢迎支持。本分支仍在开发中。
已添加 DALL·E 3 和 DALL·E 2。
菜单截图
当前的代码库和模型正在广泛更新,以支持更先进、更稳定的功能。

引用
请使用以下 BibTeX 条目进行引用:
@article{soman2020GIMPML,
title={GIMP-ML:在 GIMP 中使用计算机视觉模型的 Python 插件},
author={Soman, Kritik},
journal={arXiv 预印本 arXiv:2004.13060},
year={2020}
}
设置/贡献
受 GIMP-ML 启发的相关工作
| 仓库 | 链接 |
|---|---|
| Intel | Open VINO |
| GIMP-ML-Hub | GIMP-ML-Hub |
模型库
| 名称 | 模型 |
|---|---|
| 用文本编辑图像 | DALL·E 2 |
| 扩展图像 | DALL·E 2 |
| 文本转图像 | DALL·E 3 |
许可证
版本历史
v1.12020/10/17v1.02020/07/19常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
opencode
OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。




