krea-ai/krea-2 是 Krea AI 官方发布的 Krea 2（K2）图像生成模型推理代码仓库，提供 Python 推理脚本与运行说明。Krea 2 面向文本生成图像，强调审美质量、创意风格探索和可微调能力。项目包含两类模型使用路径：Krea 2 RAW 作为未蒸馏基础模型，适合 LoRA 训练、微调和研究；Krea 2 Turbo 是 8 步蒸馏模型，适合快速高质量推理。代码仓库许可证为 Apache-2.0，但模型权重采用 Krea 的社区许可证，商业使用需要额外确认或购买商业授权。
适用领域
文本生成图像 / AI 绘画 / 扩散模型推理 / 生成式 AI / LoRA 微调 / 创意设计工具 / 视觉内容生成 / 多风格图像生成
配置难度
中等偏高。对于熟悉 Python、GPU/CUDA、Hugging Face 权重下载和命令行推理的开发者，运行基础示例难度中等；如果要进行 LoRA 训练、商业化部署、高并发推理或接入现有 AIGC 产品，则需要较强的深度学习工程、显存优化、模型服务化和合规经验。
商业价值
较高。Krea 2 面向高审美图像生成和创意风格探索，适合用于 AI 绘画产品、设计辅助工具、广告素材生成、电商视觉生产、游戏概念图、品牌风格 LoRA 定制等场景。Turbo 模型的快速推理能力有利于产品化，RAW 模型的可微调能力有利于差异化风格和私有化定制。但在商业落地前必须确认模型权重许可证，并评估 GPU 成本、内容安全、生成质量稳定性和国内部署链路。
01
技术亮点
- 官方推理代码，可信度较高，适合作为 Krea 2 本地运行和二次集成的起点。
- 同时提供 RAW 和 Turbo 两种模型路线，兼顾研究微调与生产推理。
- Turbo 模型支持 8 步快速采样，适合对响应速度有要求的应用。
- RAW 模型适合 LoRA 训练，官方明确推荐“Train on RAW, Run on Turbo”的工作流。
- README 提供了清晰的安装、环境变量和命令行推理示例。
- 支持高分辨率图像生成，Turbo 示例可生成 2048x2048 图片。
- 可与 ComfyUI、Fal、SGLang、Diffusers、Kohya/musubi tuner、Ostris AI toolkit 等生态结合。
- 代码许可证为 Apache-2.0，便于工程层面的学习、修改和集成。
02
目标用户
- AI 绘画产品开发者
- AIGC 应用开发团队
- 独立设计工具开发者
- 视觉创意工作室
- 模型微调与 LoRA 训练研究者
- 需要本地部署图像生成模型的工程师
- ComfyUI、Diffusers、SGLang 等生态用户
- 希望评估 Krea 2 模型效果的算法工程师
03
配置要求
- 需要下载模型权重文件，代码仓库本身不包含完整模型权重。
- 需要设置 OSS_RAW 和 OSS_TURBO 环境变量，分别指向 RAW 与 Turbo 的 safetensors 文件路径。
- 可通过 --checkpoint 指定 oss_raw 或 oss_turbo，也可使用 K2_CHECKPOINT 作为默认 checkpoint 配置。
- RAW 推荐参数：steps 52，cfg 3.5，适合基础推理、微调和 LoRA 训练。
- Turbo 推荐参数：steps 8，cfg 0.0，mu 1.15，适合快速推理和高分辨率生成。
- 输出分辨率通过 --width 和 --height 设置，README 中提到 RAW 训练至最高约 1K 分辨率，Turbo 可生成约 1K 到 2K 分辨率图片。
- 输出尺寸会自动 padding 到 16 的倍数。
- 可配置 --num-images 批量生成，--seed 控制随机种子，--output 控制输出文件名前缀。
- 若用于 LoRA 微调，官方建议在 RAW 上训练 LoRA，再应用到 Turbo 上进行推理。
- 商业场景需仔细阅读 Krea 2 模型权重社区许可证，必要时联系 opensource@krea.ai 获取商业授权。
04
适用场景
- 根据文本提示词生成高质量图片
- 构建 AI 绘画 Web 应用或内部创意工具
- 使用 RAW 模型训练特定风格、人物、品牌视觉的 LoRA
- 将训练好的 LoRA 应用于 Turbo 模型进行快速推理
- 生成 1K 到 2K 分辨率的创意图片
- 进行图像生成模型的研究、评测和对比
- 接入 ComfyUI、Fal、SGLang 等平台完成工作流部署
- 为广告、电商、游戏概念设计、社交媒体内容生成素材
05
部署与配置
- 安装 Python 环境，并确保系统具备可用的 GPU/CUDA 环境，实际显存需求取决于分辨率和模型加载方式。
- 安装 uv 包管理工具。
- 克隆仓库：git clone https://github.com/krea-ai/krea-2.git
- 进入项目目录：cd krea-2
- 同步依赖：uv sync
- 从 Hugging Face 下载 Krea 2 RAW 和/或 Krea 2 Turbo 的 safetensors 权重文件。
- 设置环境变量：export OSS_RAW=/path/to/krea-2-raw.safetensors；export OSS_TURBO=/path/to/krea-2-turbo.safetensors
- 运行 RAW 推理示例：uv run inference.py "a fox walking in the snow" --checkpoint oss_raw --steps 52 --cfg 3.5
- 运行 Turbo 推理示例：uv run inference.py "a fox walking in the snow" --checkpoint oss_turbo --steps 8 --cfg 0.0 --mu 1.15 --width 2048 --height 2048
06
风险与注意事项
- 模型权重不采用 Apache-2.0，而是 Krea 社区许可证；商业使用可能需要单独授权，存在合规风险。
- 仓库主要提供推理代码，README 中没有详细列出硬件显存需求，部署前需要自行测试资源消耗。
- 高分辨率生成尤其是 2K 输出可能需要较高 GPU 显存和较长推理时间。
- RAW 模型步数较多，推理速度相对慢，更适合训练、研究或高质量探索，不一定适合低延迟生产环境。
- 项目 star 数相对不算特别高，生态成熟度、社区问题解决速度需要进一步观察。
- 安全与内容合规需要额外治理，虽然提供 Safety Guide，但实际产品化仍需接入审核、过滤和风控机制。
- 权重需从 Hugging Face 下载，国内网络环境可能遇到访问速度或可用性问题。
- 模型效果受提示词、采样参数、分辨率和显存环境影响较大，需要调参经验。
2026-06-29
第13名
新收录 · github_search
2026-06-28
第18名
新收录 · github_search
2026-06-27
第16名
新收录 · github_search
2026-06-26
第20名
新收录 · github_search
