К содержимому
Изображения

UbaNova-32

генератор пиксель-арта для спрайтов

2 мин чтенияобновлено

UbaNova-32 — это небольшая авторегрессионная модель (42.8 миллиона параметров), созданная разработчиком Muhammad Fahril Irkham для генерации двухмерного пиксель-арта размером 32х32 пикселя по текстовому описанию на английском языке. Архитектура последовательно предсказывает каждый пиксель по растру, используя замороженный текстовый кодировщик от CLIP (модель компьютерного зрения и обработки текста) и дополнительные токены управления размером, фоном, степенью заполнения и детализацией. На выходе получаются чистые спрайты с точными цветами палитры и прозрачным фоном без размытия и постобработки. Модель станет отличным инструментом для инди-разработчиков игр и создателей контента.

Ключевые особенности

  • Генерация спрайтов: создание детализированного пиксель-арта 32х32 пикселя с прозрачным фоном по текстовому промпту.
  • Тонкая настройка: управление размером (доступен режим 16х16), фоном, степенью заполнения холста и плотностью цветов.
  • Авторегрессионная архитектура: декодер-трансформер на 42.8 миллиона параметров, предсказывающий пиксели последовательно в растровом порядке.
  • Эффективность: работа на GPU с FP16 autocast или на обычном CPU, веса занимают всего 86 МБ.

Что можно сделать

  • Создать игровые ассеты: сгенерировать наборы спрайтов для 2D-игр (оружие, зелья, персонажи, предметы окружения).
  • Оформить интерфейс: получить чистые пиксельные иконки для пиксель-арт проектов или инди-игр.
  • Экспериментировать со стилями: использовать разные промпты и параметры детализации для получения ретро-графики в стилистике 16х16 или 32х32.

Пример

from infer32 import SpriteGenerator32

gen = SpriteGenerator32()                 # cuda если доступно, иначе cpu
images = gen.generate("golden crown with rubies", n=4, seed=42)   # список 32x32 RGBA PIL изображений
images[0].resize((256, 256), 0).save("crown.png")
ПодробнееАрхитектура: декодер-трансформер (512 ширина, 12 слоев, 8 голов)
Параметры: 42.84M обучаемых параметров
Бенчмарки: CLIP score 28.87, точность извлечения промпта R@1 50.0%
Веса: FP16, 86 МБ, инициализация на базе UbaNova-16
Примеры
Обсудить Telegram 2

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы1.6 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 · BF16 — 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.

    # ubanova/UbaNova-32
    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 ubanova/UbaNova-32 --local-dir ~/models/UbaNova-32
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к UbaNova-32
  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

Дообучение модели

ubanova/UbaNova-16

Новые посты про версии UbaNova-16 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

ubanova/UbaNova-32
Автор
ubanova
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

02

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

GlyphAnchor

GlyphAnchor