gabrielelozupone/kokon 是一个本地桌面应用，只需用一句话描述想要的修改就能修图。它无需安装 Python、也不依赖云端，一个安装文件即可运行，支持 Windows 和 Mac，并同时附带一个基于 Qwen-Image 2.1、面向 AI 代理的 MCP 服务器。2026 年 11 月 4 日的提交 69fc57e 标题为 "Video: Kokon 0.12 (Update012, Update012UHD), voice round 3"，新增 853 行、删除 2 行。
改动的全部都是宣传视频的制作物。新建了约 3 分钟长的 0.12 介绍视频结构，并以视频合成 composition 的形式登记了 Update012 和用于 UHD 的 Update012UHD 两个。场景如实包含了 0.12 所涉及的功能。其中包括：레이어스 랩 功能——为文字、蝙蝠、鬼魂、蜘蛛等对象分层，重绘背景后分别对每个对象进行隐藏、移动或缩放；只用 AI 扩展并补全那一只被裁切掉的蜘蛛的功能；Blend into scene——读取画面中物体站在何处、画出影子，并在潮湿或发光的地面上叠加反射；着色功能——直接涂画想要的位置，然后说出要放在那里什么，Prompt+ 便将其转换为一条详细请求并绘制出来；以及 PSD 导出。旁白使用与 0.10 和 0.11 视频相同的 Chatterbox base 声音逐句生成，新增了直到结尾卡片为止的 20 个句子的 wav 文件，其中只有用于结尾卡片的第 20 句额外添加了新的 slow 语调（base, 0.3, 0.2, 0.7），在句子之间插入 0.8 秒停顿。“默认 0.4 秒听起来太急促”这一注释原样保留。
视频中称其在 Mac 上以自研引擎运行。大本中写明的数值以 M2 Pro 16GB、1024²、Qwen-Image 2.1 Turbo、8 步为基准，并称处理 1 兆像素图像约需 65 秒（sd.cpp 为 276 秒），比之前快四倍。但这次提交改动的不是应用代码，而只有大本、语音文件和视频时间线，这些数值是项目在自己的大本中写下的自我测量值。同一份大本说明 Blend into scene 属于实验性功能，并写明 inpaint 结果会原样贴在涂色区域之外的原图上。也就是说，通过这次提交所能确认的只到 0.12 主张了什么为止，并不是由第三方验证过性能与结果质量的资料。