Lokale Bildgeneratoren haben meist eine klare Haltung. Die eine Sorte legt jeden Regler offen hin und erwartet, dass man weiß, was damit zu tun ist. Die andere dreht die Regler selbst und lässt nur ein Eingabefeld stehen. Invoke nimmt einen dritten Weg: Beim Öffnen steht eine Fläche da, auf der man zeichnen, malen und mit Ebenen arbeiten kann, die Zahlen bleiben in Reichweite, und die Feinsteuerung taucht erst auf, wenn man sie sucht. Das Projekt hieß früher InvokeAI, das Repository trägt den Namen noch immer, und die Pakete werden weiterhin als InvokeAI 6.x nummeriert — beide Bezeichnungen meinen also dieselbe Software.

Drei Spalten, ein Arbeitsplatz

Die Oberfläche läuft im Browser. Links liegen Prompt und Parameter, in der Mitte das Bild, rechts Galerie und Boards. Die Parameter sind nach Bildgröße, Sampling, Modell, Steuerungsebenen und Verfeinerungsstufen gruppiert; aufgeklappt bleiben zunächst nur Größe, Modell und Sampling. Für die Steuerungsadapter gibt es je eine Zeile, die sich bei Bedarf öffnet. Jedes Ergebnis landet mit seinen vollständigen Metadaten in einem Board, sodass sich Prompt und Einstellungen später zurückholen lassen; ein Bild lässt sich außerdem direkt in den Eingabebereich ziehen und als Ausgangspunkt weiterverwenden.

Eine Leinwand für Erzeugen und Bearbeiten

Das Kernstück ist die Unified Canvas. Text zu Bild, Bild zu Bild, partielle Neuerzeugung und Erweiterung über den Rand hinaus passieren auf derselben unendlichen Fläche. Man skizziert von Hand und legt Farbflächen an, dann arbeitet das Modell den Entwurf aus. Man umfährt einen Bereich und berechnet nur diesen neu. Man zieht den Rahmen über den Bildrand hinaus und baut nach außen weiter. Die Leinwand erkennt, ob in der Auswahl leere Pixel, vorhandene Pixel oder eine gemalte Maske liegen, und wählt den passenden Modus selbst — ein Umschalter bleibt einem erspart.

Ebenen sind der Grund, warum die Leinwand mehr ist als ein großer Pinsel. Über dem Basisbild lassen sich Führungsebenen und Steuerungsebenen stapeln. Eine Führungsebene bringt ihren eigenen Prompt und ihren eigenen Bereich mit, sodass mehrere unabhängige Beschreibungen in einem Bild nebeneinander bestehen, ohne sich zu vermischen. Eine Steuerungsebene nimmt eine Tiefenkarte, eine Kantenkarte oder ein Pose-Skelett und nagelt die Komposition darauf fest. Der ganze Ablauf fühlt sich eher wie Arbeit in einem Bildeditor an als wie das Absenden eines Prompts mit anschließendem Warten auf eine Ziehung.

Der Knotengraph bleibt hinten

Hinter der Leinwand sitzt ein vollständiger knotenbasierter Workflow-Editor. Modell laden, Prompt kodieren, samplen, dekodieren — jeder Schritt ist ein Block, der mit dem nächsten verdrahtet wird. Ein fertiger Graph lässt sich speichern und erneut ausführen, und seine Parameter können als Bedienelemente auf die Oberfläche gehoben und weitergegeben werden. Der Sinn des Graphen ist Wiederholbarkeit: Ein neuer Input durch dieselbe Kette ergibt ein Ergebnis mit gleicher Anmutung, was zählt, wenn eine Bildserie eine gemeinsame Handschrift braucht. Im Alltag muss man ihn nie öffnen; Leinwand und Parameterformular tragen einen. Wenn ein Verfahren festgeschrieben werden soll, wechselt man hinüber, und beide Wege laufen auf demselben Backend.

Die Modellabdeckung hält mit

In der Breite der Modellunterstützung liegt der Vorteil. Ältere Stable-Diffusion-Generationen sind dabei, die SDXL-Familie ist dabei, und neuere große Backbones stehen mit ihren destillierten und bearbeitenden Varianten in derselben Liste. Quantisierte Dateien im gguf-Format laden neben gewöhnlichen Checkpoints und diffusers-Verzeichnissen. Ein Modellmanager installiert und ordnet Checkpoints, LoRAs, Textinversionen und Steuerungsadapter an einer Stelle, sodass nichts von Hand in Ordner kopiert werden muss. Ganz neue Architekturen sind nicht am Erscheinungstag da, aber der Rhythmus ist stetig, und was ankommt, lässt sich ohne zweite Einrichtung auf Leinwand und im Graphen nutzen.

Lizenz und Betrieb

Der Code steht unter Apache 2.0, was für kommerzielle Arbeit günstig ist: Man darf ihn in einem bezahlten Produkt ausliefern, verändern, weitergeben und sogar in etwas Geschlossenes einbetten, ohne die eigenen Änderungen veröffentlichen zu müssen. Die Modellgewichte sind ein eigener Punkt und bringen eigene Bedingungen mit; vor einem kommerziellen Lauf lohnt ein Blick darauf.

Der Betrieb ist ein lokaler Dienst plus ein Browser-Tab. Läuft er, zeigt man den Browser auf die lokale Adresse, und Erzeugung, Prompts und Bilder bleiben auf der Maschine. Starter gibt es für Windows, für macOS auf Apple-Chips und für Linux; wer Container oder eine manuelle Einrichtung bevorzugt, findet auch dafür einen Weg. Mehrere Benutzerkonten und eine Warteschlange sind eingebaut, ein gemeinsam genutzter Arbeitsplatz braucht also keine Zusatzausstattung. Bei der Hardware gelten sechzehn Gigabyte Arbeitsspeicher als Untergrenze; reicht der Grafikspeicher nicht, bringt dynamisches Auslagern ein großes Modell trotzdem zum Laufen — auf Kosten der Geschwindigkeit.

Kurz gesagt: ein eingerichtetes Studio statt eines Prompt-Fensters. Wer beruflich Bilder erzeugt, ein Motiv über viele Durchgänge verfeinert und den Ablauf reproduzierbar halten will, gewinnt mit Leinwand und Graph Zeit zurück. Wer nur ab und zu einen Satz in ein Bild verwandeln möchte, findet mehr Maschinerie vor, als er gesucht hat.