企业官网建设流程全解析

最短路径跑通IOPaint部署：AI修图工具从pip安装到本地出图实战

【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

你刚把pip install iopaint敲进终端，进度条转到一半突然报 diffusers 版本冲突——AI修图工具装不装得上，往往是第一道坎。按下面 5 段可直接复制的命令走一遍，IOPaint 部署到本地出图，你只需要再等一次模型自动下载，不用手改任何配置。

装环境：虚拟环境和 CUDA 版 torch 是最容易出错的两步

IOPaint 的 requirements.txt 把 diffusers 钉在 0.27.2、gradio 钉在 4.21.0，torch 要求 ≥2.0.0。依赖锁得这么死，和你机器上其他项目的包很容易打架，所以第一步先建隔离环境。

创建虚拟环境，避免污染全局 Python：

python3 -m venv .venv source .venv/bin/activate

📦 有 NVIDIA 显卡的话，先装 CUDA 11.8 版 torch，再装 IOPaint 本体（setup.py 里当前版本是 1.6.0）：

pip3 install torch==2.1.2 torchvision==0.16.2 \ --index-url https://download.pytorch.org/whl/cu118 pip3 install iopaint

NVIDIA 版 torch 连同 CUDA 依赖约 2.5GB，下载耗时取决于网速。AMD 显卡用户把索引换成rocm5.6（注意只支持 Linux）；纯 CPU 机器直接跳过 torch 那行，pip3 install iopaint会带上 CPU 版。Windows 用户如果不想敲命令，官方另有桌面一键安装包，但本文这条路径在所有平台通用，也方便你排查问题。

⚠️ 模型默认下载到~/.cache。磁盘紧张时，启动命令加--model-dir指到空间更大的目录，例如--model-dir ~/.cache/iopaint-models。

完全不想动本地 Python 也有退路：仓库自带 docker/CPUDockerfile，一条docker build即可得到纯 CPU 镜像。

IOPaint 部署收尾：一条命令启动 WebUI，模型全自动下载

环境就绪后，先以 CPU + 默认 lama 模型验证整条链路是否通：

iopaint start --model=lama --device=cpu --port=8080

模型不需要手动下载：首次启动时 IOPaint 会扫描模型目录，发现没有 lama 就自动从 HuggingFace 拉取，日志停在下载进度条时别急着 Ctrl+C。下载完成后浏览器访问http://localhost:8080，上传一张图、刷掉不想要的区域即可拿到修复结果。下面是仓库 assets 目录里的去水印示例，重点看人物皮肤和车窗部位的纹理过渡是否自然：

IOPaint 去水印修复后：水印被擦除且背景纹理保持自然

擦除类模型共 8 个：lama、ldm、zits、mat、fcf、manga、cv2、migan，用--model切换即可；想要"替换物体、向外扩图"这类生成式效果，则传扩散模型名，例如--model=Sanster/PowerPaint-V1-stable-diffusion-inpainting，有 GPU 时记得把--device=cuda加上，服务默认只监听 127.0.0.1，局域网内其他人访问需改--host。

显存不够时的 4 个降级开关

扩散模型对显存比较敏感，SDXL 比 SD1.5 更吃资源，遇到 OOM 时按这张表加参数，不用改一行代码：

组合示例（SDXL + 两个省显存开关）：

iopaint start --model=diffusers/stable-diffusion-xl-1.0-inpainting-0.1 \ --device=cuda --low-mem --cpu-offload --port=8080

⚠️ Apple Silicon 用户注意：8 个擦除类模型目前都不支持 MPS 加速（见 iopaint/const.py 里的MPS_UNSUPPORT_MODELS），macOS 上建议直接用扩散模型，或退回 CPU 跑 lama。

不打开网页：用 iopaint run 批量处理整个目录

WebUI 适合一张张精修，但如果你手上有一批图要统一去水印，直接用命令行批处理更省事：

iopaint run --model=lama --device=cpu \ --image=./images --mask=./masks --output=./results

--image和--mask都指向目录时，要求 mask 图与原图同名；--mask传单文件则所有图共用这一张 mask。mask 会自动 resize 到原图尺寸，加--concat能把原图、mask、结果拼成一张对比图导出，方便抽检。这个命令同样适合放进无显示器的服务器里跑批。

整条链路里真正值得记住的只有两点：torch 版本和 CUDA 索引要在装 IOPaint 之前定好；模型下载是一次性的，之后换模型、调参数都不用再等。现在打开终端跑一下iopaint start --help，把--enable-interactive-seg、--enable-realesrgan这些插件开关翻一遍，下次修图时把 Segment Anything 交互分割和超分一起挂上，这台本地修图站才算真正派上用场。

【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