К содержимому
Изображения

pixelsprite canvas v2

генератор пиксель-арт спрайтов по тексту и силуэту

2 мин чтенияобновлено

Компактный авторегрессионный трансформер (39,1 млн параметров), который по текстовому описанию рисует пиксель-арт спрайты размером 16×16, 24×24 и 32×32 пикселя. Модель попиксельно заполняет холст слева направо и сверху вниз, выбирая для каждой точки один из 1024 цветов палитры или прозрачность, а за понимание текста отвечает замороженный энкодер paraphrase-multilingual-MiniLM-L12-v2. В отличие от обычных генераторов картинок, она понимает запросы на русском, украинском и английском, позволяет раздельно управлять формой и цветом через classifier-free guidance (настройка силы следования промпту) и умеет раскрашивать готовый силуэт без изменения контура. Пригодится инди-разработчикам и пиксель-арт художникам для быстрого прототипирования иконок, предметов и игровых ассетов.

Ключевые особенности

  • Понимает промпты на английском, русском и украинском языках, хотя обучалась на английских подписях.
  • Поддерживает размеры 16×16 и 32×32 (нативное обучение), а также 24×24 как окно в центре холста 32×32.
  • Раздельный classifier-free guidance: силу влияния промпта на силуэт и на цветовую палитру можно настраивать отдельно (по умолчанию 1.0 и 2.0).
  • Режим раскрашивания по маске: при передаче готового силуэта модель подбирает только цвета, строго сохраняя исходную форму.
  • Сверхлёгкая архитектура decoder-only на 12 слоёв (39,1M параметров) с палитрой из 1024 цветов в пространстве OKLab.

Что можно сделать

  • Генерировать наборы игровых предметов, зелий и оружия в единой палитре и сразу сохранять их в PNG с альфа-каналом или единым спрайт-листом.
  • Перекрашивать уже готовые спрайты и силуэты под разные стихии или материалы (например, превратить обычный сосуд в ледяное зелье с помощью параметра mask).
  • Подключить к локальному веб-интерфейсу или CLI-утилите из репозитория автора для пакетного перебора вариантов по сиду.

Пример

from pixelsprite import SpritePipeline

pipe = SpritePipeline.from_pretrained("ihor-umanets/pixelsprite-canvas-v2")
res = pipe.generate("a teal cookie jar", n=8, size=32, seed=0)
res.save("outputs/jars")
recolour = pipe.generate("ice potion", n=4, size=32, mask=res.index[0] >= 0)
ПодробнееОбучена на 1 431 684 спрайтах (16×16 и 32×32) за 6 часов на одной NVIDIA RTX PRO 6000.
На тесте наличие указанного в промпте цвета совпадает в 80,5% случаев для 16×16 и в 76,0% для 32×32; для русских и украинских запросов доминирующий оттенок совпадает с английским в 71% тестов.
Ограничения: плохо сочетает два признака сразу (в «blue flaming mushroom» может пропасть огонь), слабо реагирует на слова про позу и размер («upright», «tiny»), а редкие русские фразы без прямого аналога в датасете могут искажать форму объекта.
Лицензия весов: CC BY-NC 4.0 (только некоммерческое использование; датасеты обучения также собраны из ИИ-генераций Krea 2).
Примеры
Обсудить Telegram 1 82

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.1 GB · готовые файлы1.7 GB
  • BF16веса 0.1 GB1.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB1.5 GB
  • 4-bitвеса 0.0 GB1.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ihor-umanets/pixelsprite-canvas-v2
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ihor-umanets/pixelsprite-canvas-v2 --local-dir ~/models/pixelsprite-canvas-v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pixelsprite-canvas-v2
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии pixelsprite-canvas-v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face

О модели

ihor-umanets/pixelsprite-canvas-v2
Автор
ihor-umanets
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

821

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

SEEDRA 2010

SEEDRA 2010