---

AI RUNNER

v3.0.0.devX

AI Runner 可以用 pyinstaller 编译，但当前版本尚不稳定（稳定版本请查看发布页）。

3.0 版本是一次重大升级，旨在将应用从原型阶段推进到更稳定和用户友好的状态。

它带来了新的用户界面、新功能、更健壮的代码库、安全更新以及更流畅的安装流程等诸多改进。

我们计划在未来通过 Snap 在 Linux 上发布。

更多信息请参阅 隐私和安全 部分。

---

在您自己的硬件上运行 Stable Diffusion

---

⭐ 特性

AI Runner 是一个多模态 AI 接口，允许您在自己的硬件上运行开源大型语言模型和 AI 图像生成器。

功能	描述
🗣️ 大型语言模型和通信
✅ 基于语音的聊天机器人对话	使用语音与聊天机器人进行对话
✅ 文本转语音	将文本转换为语音音频
✅ 语音转文本	将语音音频转换为文本
✅ 图像转文本	从图像中提取文本
✅ 使用大型语言模型生成文本	使用大型语言模型生成文本
✅ 本地文档和网站的检索增强生成（RAG）	使用大型语言模型与本地文档交互
🎨 图像生成
✅ Stable Diffusion（所有版本）	使用 Stable Diffusion 生成图像
🔜 Kandinsky	使用 Kandinsky 生成图像
✅ 近实时绘画	近实时绘画和生成图像
✅ 文本生成图像（又称 TextToImage / Txt2Img）	根据文本描述生成图像
✅ 图像生成图像（又称 ImageToImage / Image2Image）	基于输入图像生成新图像
🖼️ 图像处理
✅ 内部绘制和外部绘制	在保持上下文的同时修改图像的部分区域
✅ Pix2Pix	将图像从一个领域转换到另一个领域
✅ 深度图生成图像（又称 DepthToImage / Depth2Img）	从深度图生成图像
✅ Controlnet	使用额外输入控制图像生成
✅ LoRA	使用 LoRA 高效微调模型
✅ 文本嵌入	使用文本嵌入控制图像生成
🔜 使用 GFPGAN 进行图像放大	使用 GFPGAN 提高图像质量
🔧 实用工具
✅ 离线本地运行	在自己的硬件上运行，无需互联网
✅ 快速生成	在约 2 秒内生成图像（RTX 2080s）
✅ 同时运行多个模型	同时使用多个模型
✅ 绘图工具	内置绘图和图像处理工具
✅ 图像滤镜	应用各种图像滤镜
✅ 暗色模式	在低光环境下舒适的观看体验
✅ 无限滚动画布	无缝滚动浏览生成的图像
✅ NSFW 过滤器开关	帮助控制 NSFW 内容的可见性
✅ NSFW 安全防护	帮助防止生成有害内容
✅ 标准 Stable Diffusion 设置	轻松调整标准 Stable Diffusion 参数
✅ 快速加载时间，响应式界面	享受流畅和响应迅速的用户体验
✅ 纯 Python 实现	无需依赖网络服务器，纯 Python 实现

---

💻 系统要求

最低系统要求

• 支持 CUDA 的 GPU
• 6GB RAM
• 6GB 磁盘空间用于安装 AI Runner

推荐系统配置

• RTX 2080s 或更高
• 32GB RAM
• 100GB 磁盘空间

---

🔧 安装

Linux

1. 打开文件浏览器，导航到包含 install.sh 脚本的目录
2. 使用键盘快捷键 Ctrl + Alt + T 打开终端
3. 将 install.sh 脚本拖入终端并按 Enter
4. 按照屏幕上的说明操作

---

🚀 运行 AI Runner

Linux系统

1. 使用键盘快捷键 Ctrl + Alt + T 打开终端
2. 导航到包含 run.sh 脚本的目录（例如 cd ~/airunner）
3. 输入 ./bin/run.sh 并按 Enter 键运行 bin/run.sh 脚本
4. AI Runner 将启动，按照屏幕上的设置说明操作后即可开始使用

---

✏️ 使用 AI Runner

有关如何使用 AI Runner 的说明可在 wiki 中找到

---

💾 编译 AI Runner

克隆此仓库

git clone https://github.com/Capsize-Games/airunner.git
cd airunner

从源代码构建

pip install -e .
pip install pyinstaller
bash build.dev.sh

🔬 单元测试

运行特定测试

python -m unittest src/airunner/tests/test_draggable_pixmap.py

当前的测试覆盖率较低，但可以使用以下命令运行现有测试：

python -m unittest discover tests

测试覆盖率

运行带有覆盖率跟踪的测试：

coverage run --source=src/airunner --omit=__init__.py,*/GFPGAN/*,*/data/*,*/tests/*,*_ui.py,*/enums.py,*/settings.py -m unittest discover src/airunner/tests

要在终端中查看报告，请使用：

coverage report

要生成更详细的 HTML 报告，请运行：

coverage html

在 htmlcov/index.html 中查看结果。

---

隐私和安全

尽管 AI Runner v3.0 是基于 Huggingface 库构建的，但我们已经小心地删除了应用程序中的任何遥测或跟踪功能。

主应用程序本身无法访问互联网，我们正在努力适当地沙盒化某些功能，以确保用户的隐私和安全。

随着应用程序的发展，我们将逐步摆脱 Huggingface 库。

互联网访问

核心应用程序无法访问互联网。然而，有两个功能需要互联网访问。这两个功能是"设置向导"和"模型管理器"。

这些工具各自都在独立的应用程序窗口中运行，能够直接访问和下载 Huggingface.co 和 civitai.com（取决于给定的 URL）上的文件。任何其他 URL 都将被阻止。

下载过程不使用 Huggingface Hub 库。

更多信息请参见 Darklock 和 Facehuggershield 库。

---

磁盘访问

transformers 库的写入访问已被禁用，防止其在运行时创建 huggingface 缓存目录。

应用程序本身仍可能访问磁盘进行读写，但我们已将读写操作限制在用户提供的 airunner 目录内（默认位于 ~/.airunner）。

所有其他尝试访问磁盘的操作都会被阻止并记录，供您审查。

更多信息请参见 src/security/restrict_os_access.py。

---

Huggingface Hub

安装 Huggingface Hub 是为了让 Transformers、Diffusers 和其他 Huggingface 库能够按预期运行，但已经对其进行了限制，以防止其访问互联网。

针对该库采取的安全措施如下：

• 禁止访问互联网
• 禁止访问磁盘
• 所有环境变量设置为最高安全级别
• 所有遥测功能已禁用

更多信息请参见 Facehuggershield。

---

Huggingface 库的计划安全措施

我们计划在未来从应用程序中移除 Huggingface 库。尽管当前架构依赖于这些库，但我们将在未来迁移到更好的解决方案。