IOPaint 是一款免费、开源的图像修复与图像外扩工具，由开发者 Sanster 主导开发，采用 Apache License 2.0 协议授权。它把 LaMa、PowerPaint、AnyText、Stable Diffusion 等多种人工智能模型整合到同一套界面里，可完成擦除、修复、对象替换、文字绘制与画幅扩展等任务[1]。工具支持本地部署，兼容 CPU、GPU 与苹果芯片，既提供网页界面，也提供命令行批量处理方式。
定义
IOPaint 是一套完全自托管、免费开源的图像修复(inpainting)与图像外扩(outpainting)工具，其官方定位是「由当前先进人工智能模型驱动的图像修复与外扩工具」。它把图像处理所需的多个人工智能模型集中到一个软件里，用户无需分别部署各个模型，即可在同一界面完成不同的编辑任务[1]。
从功能角度看，IOPaint 覆盖四类主要操作：以 LaMa 模型实现的擦除、以 PowerPaint 模型实现的对象替换、以 AnyText 模型实现的图像内文字绘制，以及同样由 PowerPaint 支持的画面外扩。这些功能都建立在涂抹选区这一交互方式之上；用户先用笔刷或套索标出待处理区域，再由模型在选区内部生成内容[1]。
除主要功能外，IOPaint 还通过插件机制接入图像分割、背景移除、超分辨率与人脸修复等能力，例如 Segment Anything、RemoveBG、Anime Segmentation、RealESRGAN、GFPGAN 与 RestoreFormer[1]。软件以 Python 包的形式发布，可在命令行列界面中安装和启动[1]。
原理
IOPaint 的核心工作流程围绕蒙版(mask)展开。用户先在原图上圈出需要修改的区域，软件把原图与该蒙版一并送入模型，模型只在蒙版覆盖的像素范围内生成内容，区域以外的像素保持不变，因此可以在不改变原图整体构图的前提下替换局部内容[1]。擦除任务通常由 LaMa 一类修复模型承担，这类模型根据选区周边的纹理与结构推断缺失内容；替换与外扩任务则由扩散模型承担，模型还会结合用户输入的提示词控制生成结果。
在模型管理上，IOPaint 可以启动时自动从模型托管平台下载所需权重，也可以通过参数指定本地存放目录，此外还支持直接加载本地的 ckpt 或 safetensors 单文件模型[1]。由于这些模型是独立训练的组件，IOPaint 本身并不参与训练，而是扮演调度与推理入口的角色，把不同模型的输入输出统一到一套接口之下。
推理可在中央处理器或图形处理器上运行，安装时需按硬件选择对应版本的深度学习框架，例如使用英伟达显卡需预先安装 CUDA 版本的 PyTorch，超威半导体显卡在 Linux 下可使用 ROCm 版本。
发展历程
IOPaint 的前身是名为 Lama Cleaner 的图像修复工具，该项目以 LaMa 模型为核心，用于去除照片中不需要的物体、瑕疵与人物[2]。早期版本的模型选择较为有限，仅内置 anything4 与 realisticVision1.4 等少数扩散修复模型[3]。
随着 1.0.0 测试版推出，项目正式启用 iopaint 这一名称与命令行工具，新增了 iopaint start 与 iopaint run 两个子命令，分别用于启动模型服务与批量处理；该版本还支持从模型托管平台自动下载 sd1.5、sd2 与 SDXL 的普通或修复模型，并加入了图像外扩功能[3]。同一时期加入的还有 MIGAN、PowerPaint、Kandinsky 2.2 修复模型与轻量的 MobileSAM 等新模型[3]。
项目在后续版本中持续维护，发布过 1.5.1 与 1.5.3 等版本[1][4]。有技术资料称其开发已停止，新环境搭建前需要确认这一情况[5]。
应用
在照片处理方面，IOPaint 常被用于清除画面中的路人、广告牌、电线等干扰元素，去除水印与污渍，以及修补老照片上的划痕和破损，其擦除操作通常只需在目标区域上涂抹即可完成[6]。借助人脸修复与超分辨率插件，还可以改善模糊老照片中的人脸细节与整体清晰度[1]。
在电商与内容创作场景中，该工具可用于批量清除商品主图的水印与背景瑕疵，或在画面中生成文字注释[6]。图像外扩功能则可以把竖版照片扩展为横版，用于制作海报、拼图与故事板等素材[7]。
在部署方式上，IOPaint 全部在本地运行，原始图片无需上传到外部服务器，可通过网页界面操作，也可用命令行对整批图片进行自动化处理[1]。有开发者将其与内网穿透工具配合，以便在局域网之外访问本地服务[8]。
局限
IOPaint 的处理效果高度依赖所选模型。默认修复模型对小目标如电线一类的识别能力较弱，需要改用其他模型才能获得更理想的结果[7]。使用扩散模型完成替换或外扩时，结果通常需要人工逐步调整参数，难以一次达到稳定输出。
运行条件也构成限制。使用图形处理器处理时对显存有要求，显存不足会出现卡顿，需要降低处理分辨率；纯中央处理器模式下虽然可以运行，但速度明显偏慢[7]。安装过程涉及深度学习框架与硬件驱动版本匹配，使用英伟达或超威半导体显卡时需要分别选择对应版本，环境配置存在一定门槛。
本地部署意味着服务只在安装它的设备上可用，离开该设备就无法即时处理图片；若改用云端图形处理器部署，则会带来持续的计算成本[7]。此外，模型权重需要在首次使用时下载，网络条件会影响初次启动的耗时[1]。
参见
-
图像修复 —— IOPaint 所实现的核心任务，指在图像缺失或指定区域内生成合理内容。
-
Stable Diffusion —— IOPaint 用于对象替换与图像外扩的扩散模型系列。
-
图像分割 —— IOPaint 通过 Segment Anything 等插件实现的选区生成技术。
-
超分辨率 —— IOPaint 借助 RealESRGAN 插件提升图像清晰度的功能。
-
生成式人工智能 —— IOPaint 各功能所依托的技术基础。
参考资料
- IOPaint [引用日期2026-10-14]
- lama-cleaner [引用日期2026-10-14]
- Sanster/IOPaint iopaint-1.0.0b2 on GitHub [引用日期2026-10-14]
- Lama Cleaner图片去水印工具最新版IOPaint-1.5.3使用教程-优雅草卓伊凡 [引用日期2026-10-14]
- lamacleaner [引用日期2026-10-14]
- GitHub爆款神器 | IOPaint：21.7k star 开源AI图像修复项目，竟能秒删水印、拓展画幅！ [引用日期2026-10-14]
- AI修图革命：IOPaint+cpolar让废片拯救触手可及 [引用日期2026-10-14]
- 零公网IP也能搭AI画室？IOPaint+cpolar实测 [引用日期2026-10-14]