sprite32 1.0
генератор пиксель-арта, иконок и спрайтов 32×32
2 min readupdated
Модель создаёт по текстовому описанию готовые растровые картинки размером 32×32 пикселя с прозрачным фоном (формат RGBA): игровой пиксель-арт, иконки интерфейса, эмодзи и короткие надписи. Автор danemarguglio обучил её с нуля на 660 тысячах реальных изображений без использования синтетики от других нейросетей. В основе лежит лёгкая диффузионная архитектура UNet2DConditionModel (143,5M параметров), а за понимание текста отвечают Qwen3-4B и CLIP. В отличие от крупных генераторов вроде FLUX или SDXL, которые мылят мелкие детали при сжатии, sprite32 сразу рисует попиксельно и не требует постобработки. Подойдёт инди-разработчикам игр, дизайнерам интерфейсов и для быстрого прототипирования ассетов.
Ключевые особенности
- Две версии в релизе: базовая 1.0 (35 шагов) и дистиллированная 1.0 fast (12 шагов со встроенным guidance и облегчённым энкодером
Qwen3-0.6B). - Высокая скорость: быстрая версия рисует один спрайт за 0,16 с на RTX 5090 и за 0,70 с на 16-ядерном CPU, занимая всего 2,6 ГБ VRAM.
- Согласованные наборы: скрипт
consistent.pyгенерирует серию спрайтов из общего начального шума — меняются только нужные буквы или детали, а рамка и стиль остаются едиными. - Рендеринг короткого текста: модель умеет вписывать в картинку слова из 2–5 символов (точное попадание с первой попытки — до 41,1%, с нескольких сидов — до 85%).
Что можно сделать
- Сгенерировать набор тайлов, предметов инвентаря или значков для ретро-игр.
- Собрать серию однотипных кнопок, бейджей или алфавитных символов в едином стиле через шаблон в
consistent.py. - Быстро набросать пак минималистичных иконок или стикеров с готовым альфа-каналом.
Пример
git clone [https://github.com/danemarguglio/sprite32](https://github.com/danemarguglio/sprite32) && cd sprite32
pip install -r requirements.txt
hf download danemarguglio/sprite32 --include "sprite32-1.0-fast/*" --local-dir weights
python hf_sample.py weights/sprite32-1.0-fast --steps 12 --prompts "pixel art cow, side view" --n 8 --seed 1 --out cow.pngПодробнее
Качество: FID 6.61 (1.0) и 6.88 (1.0 fast) на длинных промптах, CLIP score — 27.03 / 27.00.Железо и вес: 9.1 ГБ VRAM и ~8.7 ГБ на диске для полной версии; 2.6 ГБ VRAM и ~2.3 ГБ для быстрой.
Обучение: 500 000 шагов на одной RTX 5090 (20,3 часа) на 653 980 изображениях с открытыми лицензиями.
Ограничения: только разрешение 32×32, иногда ошибается в орфографии длинных слов и повторяет редкие эмодзи-промпты. Лицензия весов и кода — Apache-2.0.










Comments