与产生最终像素数组的传统 AI 图像生成器不同,Klad 将每一次笔触、压力点和颜色都视为持久数据。这种架构选择允许编程智能体执行特定命令——例如用数千次独立笔触绘制一个“萌芽生物”——同时人类用户可以观察笔触在编辑器中出现,并手动调整特定元素,如嘴部的曲线或叶子的颜色。

数据驱动的绘画 vs. 像素生成

大多数 AI 艺术工具的功能是生成一张扁平图像,唯一的迭代方式是“重新生成”提示词。Klad 通过在用户电脑上维护一个包含纯文本文件的文件夹来转变这一范式,这些文件将绘画表示为笔触和形状的集合。

因为绘画是数据,编程智能体可以使用 CLI 与其交互以执行特定操作,例如 'klad stroke art.klad l4 --brush oil'。这允许智能体贡献到共享历史中,其中每一次更改都是一个离散步骤,可以由人类合作伙伴撤销或修改。

一个分割视图,显示一个终端窗口和一个绘画编辑器,其中正在渲染并编辑一个萌芽生物。
Klad 工作流展示了一个智能体通过命令行绘制生物,同时人类用户在编辑器中进行实时调整。github.com

此视觉效果说明了该应用程序的核心概念:编程智能体执行命令生成笔触,而人类在编辑器中与生成的数据进行交互。

“图像生成器给你提供像素,剩下的唯一编辑方式就是再次掷骰子。klad 将每一次笔触和每一次填充都作为数据保留:它的走向、压力大小、画笔属性及其颜色。”

— GitHub - klad-app/klad: A drawing app built for agent/human collaboration

人类与智能体的交互工作流

协作工作流旨在实现对话式和视觉化的体验。用户可以要求智能体绘制特定物体(如灯笼),智能体将执行命令来渲染它。如果结果略有偏差,用户可以在画布上“钉”一个注释来给智能体提供特定反馈,或者直接接管画笔手动修正笔触。

一个夜晚场景,包含一名戴兜帽的旅行者拿着灯笼和一只小的萌芽生物。
使用 Klad 数据驱动绘画方法创建的完成场景,包含一名旅行者和一只萌芽生物。github.com

这张图片作为通过该工具协作工作流可实现的艺术效果的具象示例。

该系统支持复杂的艺术功能,如图层、遮罩和剪裁。即使是涂抹等高级效果也被视为笔触;如果用户移动一个涂抹效果,软件会重新计算油漆如何与底层图层融合,确保作品的艺术完整性保持不变。

游戏开发与动画

Klad 包含完整的动画套件,包括时间轴、洋葱皮和带有反向动力学(IK)的骨骼绑定。它专门为游戏资产量身定制,允许用户创建角色和道具,并可作为精灵图(sprite sheets)或直接作为 SpriteFrames 导出到 Godot。

一组包含箱子、板条箱、木桶和各种奇幻物品的十二个游戏道具。
在 Klad 中创建的一组游戏道具,突出了其在游戏开发和资产创建方面的实用性。github.com

这张图片展示了该工具针对游戏开发的特定优化及其生产可导出资产的能力。

对于动画,该工具可以从关键帧绘画中生成“中间帧”。它会检查物理一致性(例如确保脚不会穿过地面),并在保持原始笔触数据的同时导出完成的片段。

当前限制与可用性

该项目目前处于早期阶段,需要用户从源码构建。虽然它支持 macOS 的压感和倾斜,但 Linux 版本目前默认使用鼠标输入,Windows 支持仍在测试中。

该软件目前缺乏一些标准的插画功能,如吸附、网格以及 SVG 导入/导出。它在源码可用许可下提供,对于个人使用以及年收入低于 500,000 欧元的公司是免费的。

Hacker News 读者的反应

  • 疑问: 一位评论者质疑该工具与让智能体生成 SVG 代码有何区别。 评论 ↗
  • 亲身经验: 一位测试过该工具的用户报告称,虽然用于绘画的 LLM 仍处于早期开发阶段,但这一过程感觉与过去几年 AI 编程的演变非常相似。 评论 ↗
  • 亲身经验: 开发人员分享说,生成复杂的场景可能需要 10 到 15 分钟的 AI 工作,他们指出这感觉与模型编写中等应用功能所需的时间相当。 评论 ↗
  • 质疑: 一位评论者表示担忧,认为将每一次笔触视为离散数据可能会导致极高的 Token 成本。 评论 ↗

以上为 Hacker News 讨论中观点的摘要,并非经过核实的事实。 阅读完整讨论 ↗