InvokeAI 创意引擎全景指南Stable Diffusion 专业创作工具的功能架构、安装部署与模型生态【免费下载链接】InvokeAIInvoke is a leading creative engine for Stable Diffusion models, empowering professionals, artists, and enthusiasts to generate and create visual media using the latest AI-driven technologies. The solution offers an industry leading WebUI, and serves as the foundation for multiple commercial products.项目地址: https://gitcode.com/GitHub_Trending/in/InvokeAIInvokeInvokeAI是一套面向专业创作者与 AI 爱好者的开源创意引擎围绕 Stable Diffusion 系列模型提供完整的本地化视觉媒体生成与编辑能力。本文以仓库根目录 README.md 为主线结合源码、依赖清单与 Docker 部署脚本系统讲解 Invoke 的安装启动方式、Web UI、Unified Canvas、节点化工作流、画廊管理等核心功能以及其覆盖从 SD 1.5 到 Flux.2、Ideogram 4 等主流模型的生态矩阵帮助你快速评估并上手这套可商用授权的本地 AI 创作工具。项目定位面向专业创作的开源创意引擎Invoke 的自我定位并非一个简单的文生图玩具而是一套creative engine——一个以本地 Web 服务器与 React 前端为核心的创作基础设施。根据 README.md 的表述它具备三个关键属性商用友好的许可证免费使用可支撑商业产品落地可安装于兼容硬件支持本地下载安装GPU 为推荐环境完整的创作闭环生成、精修、迭代图像并构建可复用的工作流。从依赖清单 pyproject.toml 可以看到其技术底座后端基于 Python 3.11–3.12requires-python 3.11, 3.13与 FastAPI/uvicorn核心依赖包括diffusers、transformers、compel提示词加权、onnxruntime、opencv与spandrel超分模型加载等前端则是位于 invokeai/frontend/web/package.json 的 React TypeScript Vite 单页应用。整个项目采用 node-based 架构AI 能力以可组合的invocation 节点形式暴露这一点贯穿 UI 与后端 API。安装与启动Launcher、命令行与 Docker 三条路径方式一官方 Launcher推荐新手README 推荐的起步方式是通过 Launcher 下载安装器该链接位于 README 的 Installation 一节为外部项目链接本文仅转述其存在。Launcher 负责引导式安装、依赖管理与版本更新能显著降低环境配置门槛。若安装中遇到问题README 建议先查阅官方 FAQ 的故障排查章节再考虑加入 Discord 社区求助。方式二从源码手动运行仓库内置了 Python 命令行入口核心入口文件为 invokeai/app/run_app.py。其启动流程可概括为解析 CLI 参数先于其他一切配置加载确保命令行优先级最高加载配置get_config()初始化日志若配置了pytorch_cuda_alloc_conf在导入 torch 之前配置 CUDA 内存分配器注册所有 invocation 节点、加载自定义节点custom nodes探测空闲端口应用必要的 monkeypatch以 uvicorn 启动 ASGI 服务。命令行参数由 invokeai/frontend/cli/arg_parser.py 定义目前提供三个参数参数说明--root path指定运行时根目录。缺省时按以下顺序查找$INVOKEAI_ROOT环境变量 → 当前虚拟环境的父目录 →$HOME/invokeai--config path指定invokeai.yaml配置文件路径缺省时在根目录中查找--version显示版本号后退出服务默认监听0.0.0.0:9090见 Dockerfile 中的INVOKEAI_HOST/INVOKEAI_PORT环境变量端口被占用时 run_app.py 会自动寻找下一个空闲端口并给出警告。若配置了base_url还会自动挂载SubPathASGIMiddleware以支持反向代理子路径部署并透传X-Forwarded-*头。方式三Docker 容器部署仓库 docker 目录提供了完整的容器化方案包含四个文件Dockerfile多阶段构建先用 Node 22 构建前端vite build再在 Ubuntu 24.04 上通过uv安装 Python 3.12 依赖最终以invokeai-web作为默认 CMD 启动docker-compose.yml定义了invokeai-cuda默认、invokeai-cpu--profile cpu与invokeai-rocm--profile rocm三个服务变体分别对接 NVIDIA、纯 CPU 与 AMD ROCm 硬件run.sh便捷启动脚本自动解析.env中的GPU_DRIVER选择 profile默认 cuda并完成构建与启动docker-entrypoint.sh容器入口负责按CONTAINER_UID调整运行用户、按RENDER_GROUP_ID配置 ROCm 渲染组、可选安装 SSH配合PUBLIC_KEY常用于 Runpod 云 GPU 场景最终以非 root 用户执行服务。Docker 部署的关键环境变量见 docker/docker-compose.yml环境变量默认值作用INVOKEAI_ROOT/invokeai容器内运行时目录也可用CONTAINER_INVOKEAI_ROOT覆盖HOST_INVOKEAI_ROOT~/invokeai宿主机数据目录绑定挂载进容器INVOKEAI_PORT9090端口映射HF_HOME~/.cache/huggingfaceHuggingFace 模型缓存目录GPU_DRIVERcuda构建参数可选cpu/rocmCONTAINER_UID1000容器内运行用户的 UID建议设为$(id -u)保证文件属主正确值得注意的是pyproject.toml 中 torch 的安装按平台区分了多个 extracpu、cudatorch 2.7.1cu128、rocmtorch 2.10.0rocm7.1与xpuIntel Arc/Battlemagetorch 2.13.0xpu且这些 extra 相互冲突conflicts声明安装时只能二选一。Dockerfile 中对此有明确说明在 arm64 架构上 torch/torchvision 会回退到 PyPI 的 CPU wheel因此 aarch64 平台应使用GPU_DRIVERcpu。核心功能逐项拆解Web Server UI本地托管的创作前端Invoke 的核心交互入口是本地 Web 服务器与 React UI。前端工程位于 invokeai/frontend/web由 Vite 构建使用 Redux Toolkit、xyflow/react工作流图编辑、pragmatic-drag-and-drop拖拽交互、dockview多面板布局等现代前端库。README 称其为行业领先的用户体验——这主要体现在画布、节点编辑与画廊之间的无缝拖拽衔接。Unified Canvas统一画布创作空间Unified Canvas 是 Invoke 最具辨识度的功能一个完全集成的画布实现支持全部核心生成能力、局部重绘in/out-painting、笔刷工具等。它的设计目标是把 AI 变成创意协作者——艺术家可以在此画布上混合 AI 生成图、草图、摄影与渲染图进行持续的增补与迭代。从源码看画布与节点系统是打通的invokeai/app/invocations/canvas.py 中定义了canvas_output节点CanvasOutputInvocation其作用是把工作流最终输出的图像送入画布暂存区canvas staging area——在画布上执行Run Workflow on Canvas时工作流的最终结果会通过该节点回到画布中继续编辑实现了节点管线 → 画布编辑 → 再生成的闭环。Workflows Nodes节点化工作流管理Invoke 提供完整的工作流管理方案将节点式管线的灵活性与 UI 的易用性结合。用户可以为特定的生产场景构建、分享可复用的生成管线。底层支撑是位于 invokeai/app/invocations 的节点注册体系每个节点通过invocation(...)装饰器注册声明title、tags、category与version。仓库中已内置超过 100 个节点涵盖基础图像处理image.py、mask.py、color_map.py、提示词与文本编码prompt.py、compel.py、ControlNet 系列controlnet.py、canny、depth、pose 等、放大与修复upscale.py、infill.py、视频video_concat.py、wan_latents_to_video.py等。节点即后端 API 的核心抽象前端工作流编辑器所见即所得地操作这些节点。自定义节点也是受支持的启动时 run_app.py 会调用load_custom_nodes()加载用户扩展节点并在加载后校验每个节点的输出类型是否已注册避免自定义节点覆盖核心节点。Board Gallery Management画廊与作品管理Invoke 内置了组织化的画廊系统用于在创作空间中存储、访问和混搭内容。两个关键体验拖拽即用图像可以拖放到应用中任意基于图像的 UI 元素上例如作为 img2img 的输入、ControlNet 的参考图元数据召回图像内嵌丰富的元数据可一键召回生成时使用的关键提示词与设置便于复现与迭代。后端对应的是board_records、image_records、board_images、virtual_boards等一组服务目录见 invokeai/app/services其中virtual_boards实现按条件过滤的虚拟画板gallery服务负责多用户画廊数据的组织。仓库的测试目录如 tests/app/routers/test_board_images_maintenance.py、test_virtual_boards.py对画板批量操作、多用户隔离等场景均有覆盖。模型支持生态从 SD 1.5 到最新开源与 API 模型README 的 Features 一节列出了相当完整的模型支持矩阵可分为三类本地开源文生图/图生图模型本地运行SD 1.5、SD 2.0、SDXLSD 3.5 Medium / LargeCogView 4Flux.1 系列Dev、Schnell、Kontext、Krea、Redux图生图变体、Fill局部重绘Flux.2 系列Dev、Klein 4B、Klein 9BZ-Image Turbo / Base、Krea 2 Turbo / Raw、AnimaQwen Image / Qwen Image Edit、Ideogram 4ERNIE-Image / ERNIE-Image-TurboAPI 专用模型仅通过 API 调用Nano Banana、GPT Image、Wan上述模型在仓库中有对应的节点与后端实现佐证例如 invokeai/app/invocations 下可见flux_denoise.py、flux2_denoise.py、sd3_denoise.py、cogview4_denoise.py、qwen_image_denoise.py、ideogram4_denoise.py、ernie_image_denoise.py、krea2_denoise.py、z_image_denoise.py、wan_denoise.py等节点文件后端在 invokeai/backend 下对应flux/、flux2/、ideogram4/、wan/、z_image/、krea2/等目录模型加载器则集中在 invokeai/backend/model_manager/load含model_loaders/目录与model_loader_registry.py注册机制。每种架构都实现了独立的去噪denoise、文本编码text encoder与 VAE 编解码链路并由统一的 Model Manager 负责下载、安装、缓存与按需加载。此外还支持多种模型格式与工具链ckpt、diffusers 目录格式及部分 gguf 量化格式gguf已列入 pyproject.toml 依赖并内置放大工具、Embedding 管理器textual inversion、SAM / SAM2 目标分割与选择模型源码见 invokeai/backend/image_util/segment_anything。从源码看整体架构将上述内容串起来Invoke 的运行架构可以概括为三层前端层invokeai/frontend/webReact TypeScript Vite 的 SPA包含画布、节点编辑器、画廊三大交互区域通过 REST API 与 Socket.IO 与后端通信API 层invokeai/app/apiFastAPI 路由 WebSocket其中 routers 下分模块管理模型、图像、画板、会话队列等资源执行层invocation 节点注册表invokeai/app/invocations→ 会话处理器invokeai/app/services/session_processor→ 后端生成引擎invokeai/backend按模型架构分目录实现配合模型管理器统一调度显存与模型缓存。启动顺序由 invokeai/app/run_app.py 严格编排其中多处注释强调了加载顺序的敏感性CUDA 内存分配器必须在导入 torch 之前配置、自定义节点必须在核心节点注册之后加载这些细节保证了多模型混合工作流下的稳定性。参与贡献README 明确欢迎任何形式的贡献——文档、功能、缺陷修复、代码清理、测试或代码评审。入门路径包括阅读贡献文档、加入开发者社区频道Discord 的#dev-chat或 GitHub 讨论板。项目同时依靠赞助支持开源开发赞助资金直接用于维护、新功能与社区支持。结语Invoke 的价值在于把专业级的生成能力、灵活的工作流与友好的创作界面统一到一套本地部署的开源方案中。通过本仓库你可以同时获得覆盖数十种主流与前沿模型的生成后端、可自由组合的节点工作流、面向艺术创作流程的统一画布以及一整套可审计、可扩展的源码实现——从 README.md 出发沿着本文给出的源码路径即可逐步深入这套创意引擎的每一个细节。【免费下载链接】InvokeAIInvoke is a leading creative engine for Stable Diffusion models, empowering professionals, artists, and enthusiasts to generate and create visual media using the latest AI-driven technologies. The solution offers an industry leading WebUI, and serves as the foundation for multiple commercial products.项目地址: https://gitcode.com/GitHub_Trending/in/InvokeAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考