גיליון אחד, לא תמונה לכל נכס
במקום לבקש מהמודל תמונה לכל ספרייט, בקשו גיליון אחד: תמונה אחת של 4 מגה-פיקסל שמסודרת כרשת, ואת התאים שלה חותכים אחר כך בסקריפט.
- נושא, דמות למשל, הוא גיליון אחד של ארבעה מבטים על אותה דמות.
- משפחת חפצים היא גיליון אחד של שמונה עד שנים-עשר חפצים שונים.
- פריט חשוב, כמו נשק, הוא גיליון אחד של כמה מבטים על אותו פריט.
גיליון נותן שלושה דברים.
- עקביות. ארבעת המבטים יוצאים מאותו רינדור: אותם צבעים, אותה תלבושת, אותו נשק, אותו אור. ארבעה רינדורים נפרדים נותנים ארבע דמויות שונות.
- סגנון אחד משותף לכל החפצים במשפחה.
- תפוקה. גיליון לוקח ארבע עד חמש דקות ומניב ארבעה עד שנים-עשר ספרייטים.

הגיליונות לא מיועדים רק למשחקים. turnaround של דמות משמש כתמונת ייחוס למוקאפ של אפליקציה, לקומיקס או לסטוריבורד. זה גם סוג תמונת הייחוס שמודלי image-to-video כמו Seedance, MiniMax Hailuo או Wan 2.2 מקבלים כנקודת התחלה.
כל מה שלמטה נבדק תוך כדי הפקת סט של יותר מ-1000 קבצים: דמויות, פריטים, אפקטים, אביזרים וטקסטורות למשחק אחד. ההגדרות הולכות לפי מדריך ההגדרות של Qwen-Image 2.1.
הגדרות וגרף ה-ComfyUI
השתמשו במודל הבסיס ולא ב-Turbo, ב-CFG 3 עם פרומפט שלילי, עם APG ו-FreSca על נתיב המודל. אין בגרף prompt upsampler: הפרומפט נכנס כפי שנכתב.
| צומת | הגדרה |
|---|---|
| UNETLoader | qwen_image_2.1_int8_convrot.safetensors |
| CLIPLoader | qwen3vl_8b_int8_convrot.safetensors, סוג qwen_image |
| VAELoader | qwen_image_2.1_vae_bf16.safetensors |
| QwenImage21Cache | device auto, dtype int8 |
| APG | eta 1.0, norm threshold 10.0, momentum 0.3 |
| FreSca | scale low 1.0, scale high 2.0, frequency cutoff 8 |
| TextEncodeQwenImage21 | פרומפט ופרומפט שלילי, רזולוציה 1024 |
| EmptyLatentImage | 2432 × 1664 לגיליון, 1024 × 1024 לטקסטורה |
| KSampler | 20 צעדים, CFG 3.0, euler, simple, denoise 1.0 |
| VAEDecode, SaveImage | ה-PNG יוצא ב-RGBA, ראו בסעיף הבא |
נתיב המודל עובר ב-UNETLoader, ואז ב-QwenImage21Cache, APG, FreSca וב-KSampler. זמנים שנמדדו על המכונה שהפיקה את הסט:
| משימה | זמן |
|---|---|
| גיליון, 2432 × 1664, 20 צעדים | 230 עד 320 שניות |
| טקסטורה, 1024 × 1024, text-to-image | כ-80 שניות |
| מעבר image-to-image, 1024 × 1024 | כ-40 שניות |
מדריך ההגדרות מתעד כרטיס של 12 GB שמרנדר תמונה של 4 מגה-פיקסל בגודל הזה עם שיא של 11.5 GB על משקולות ה-int8, כך שגיליון אמור להיכנס, בתנאי ששום דבר אחר לא חולק את הכרטיס.
שתי מלכודות אם אתם מפעילים את ComfyUI דרך ה-API שלו. ב-JSON שנשלח ל-/prompt, תמונת ייחוס מועברת כמפתח שטוח: "images.image_1": [node, 0]. הצורה המקוננת, "images": {"image_1": …}, מתקבלת בלי שגיאה, ותמונת הייחוס פשוט לא נלקחת בחשבון, בלי שום אזהרה. ותמיד בדקו שה-PNG שאתם מקבלים הוא במצב RGBA. פרומפט שלא מוסגר כראוי נותן רקע אטום; עדיף לזרוק שגיאה מאשר לחתוך אותו.
שקיפות מובנית
Qwen-Image 2.1 מפיק ערוץ אלפא בעצמו, בתנאי שהפרומפט ממוסגר בשני משפטים.
- פתיחה:
This is an RGBA image with transparency. - סיום:
The image has alpha channel and the background is transparent.
התוצאה היא PNG RGBA אמיתי. כ-1 % מהפיקסלים חצי-שקופים ואין שוליים צבעוניים. זה מחליף את רקע המג'נטה הישן שהיה צריך להסיר, שהשאיר שוליים צבעוניים ואילץ ניקוי של זליגת צבע.
הוסיפו למשפט הסיום: no ground, no cast shadows, no frames, no text, no labels. בלעדיו המודל אוהב לשים צל או כתם קרקע מתחת לכל נושא, וזה שובר את החיתוך.

איך כותבים פרומפט לגיליון
מכיוון ששום דבר לא משכתב את הפרומפט בשבילכם, הוא חייב להיות ארוך ומדויק: הפרומפטים של הסט נעים בין 2,500 ל-3,000 תווים, ופרומפט קצר נותן גיליון חלש שהמבטים בו דומים זה לזה.
הסדר שלמטה הוא זה שעבד. שמרו עליו.
- משפט ה-RGBA הפותח.
- הנושא והרשת. "A game character turnaround sheet of one single character, description, drawn four times at exactly the same scale in a strict row of 4 equal cells with generous empty space between the cells, read left to right."
- התאים, אחד-אחד, ממוספרים. "cell 1, … ; cell 2, … ; cell 3, … ; cell 4, …" ברשת של 4 על 2 קראו גם לשורות בשם: "Top row: cell 1, … Bottom row: cell 5, …"
- סעיף הזהות. "Same character in every cell: identical colours, proportions, costume, weapon and lighting."
- בלוק הסגנון, זהה לכל הסט.
- משפט ה-RGBA הסוגר.
הפרומפט המלא של גיליון הסיירת שלמעלה:
This is an RGBA image with transparency. A game character turnaround sheet of one single character, a young woman ranger in her twenties with light brown skin, a long dark braid over one shoulder, a hooded forest-green cloak, a brown leather jerkin over a cream linen shirt, dark trousers, tall laced boots, a straight one-handed sword with a plain steel crossguard and a leather-wrapped grip held low in her right hand with the point toward the ground, and a small round wooden buckler strapped to her left forearm, drawn four times at exactly the same scale in a strict row of 4 equal cells with generous empty space between the cells, read left to right: cell 1, standing at rest, seen straight from the front, both feet on the same line, face fully visible; cell 2, standing at rest, turned 45 degrees to her right so we see the front and her right side, the sword arm nearest the viewer; cell 3, standing at rest in strict profile, facing right, one eye visible, the braid down her back, the sword in front of her; cell 4, standing at rest seen directly from behind, the back of the hood, the cloak and the braid, the sword hanging point down along her right leg so that exactly one blade shows beside the cloak, no face. Same character in every cell: identical colours, proportions, costume, weapon and lighting. Style: hand-painted game illustration, visible brush strokes, rich material detail, crisp silhouettes, soft frontal light from slightly above, a thin cool rim light, no outline, no motion blur. The image has alpha channel and the background is transparent, no ground, no cast shadows, no frames, no text, no labels.
כללים שנלמדו מהניסויים:
- תארו את החומר, לא רק את החפץ. "a battle axe: a long straight ash-wood haft and one broad crescent steel blade with a bearded lower edge, the head wedged and riveted, the edge bright and nicked".
- תארו כל מבט לפי מה שהמצלמה רואה, לא לפי השם שלו. "seen from a three-quarter back angle, turned 135 degrees so we see its back and its left side, the face hidden" עובד. "back three-quarter view" לבדו עובד הרבה פחות.
- מבט מלמעלה, אם מוסיפים אותו, דורש התעקשות: מצלמה שמכוונת ישר למטה, רק קודקוד הראש והכתפיים נראים, בלי פנים, "like a token on a tactical board game map".
- אמרו מה אסור שיהיה שם כשהמודל נסחף. נושא בלי גפיים מצמיח טפרים ופה בתאי ההתקפה אם הטקסט גנרי. כתבו "no arms, no legs, no teeth".
- כתבו את תאי הפעולה, אם מוסיפים אותם, לכל נושא בנפרד. טקסט משותף אחד, "the subject attacks", נותן תנוחות חלשות לכל הדמויות. כל נושא מקבל תנופה משלו ומכה משלו: אלה מורמת, נשיכה, נשיפת אש, זרוע תמנון.
- שימו לב למילים שמשנות את הרינדור. "bold simplified, strong contrast, clean silhouette" לאייקון מלאי הפיק פיקטוגרמה בשחור-לבן. לאייקון צבעוני כתבו "in full colour, painted with exactly the same rich materials as cell 1".
- בלוק סגנון אחד לכל הסט שומר נושאים, חפצים ואביזרים באותו עולם. הבלוק של הסט הזה נמצא בפרומפט שלמעלה: איור משחק מצויר ביד, משיכות מכחול נראות, פירוט חומרים, צלליות חדות, אור קדמי רך מעט מלמעלה, אור שוליים קריר, בלי קו מתאר, בלי טשטוש תנועה.
הפרומפט השלילי של הסט:
artifacts, washed-out colors, low quality, low resolution, blurry, extra fingers, missing fingers, deformed hands, bad anatomy, extra limbs, text, watermark, signature, labels, captions, letters, numbers, cast shadow, ground, floor, gradient background, frame, border lines, photo, 3d render

תבניות גיליון
כל הגיליונות הם 2432 × 1664 פיקסלים.
נושא יחיד: שורה של 4, דמות אחת
| תא | מבט |
|---|---|
| 1 | במנוחה, חזית |
| 2 | במנוחה, שלושת רבעי מלפנים |
| 3 | במנוחה, פרופיל מלא |
| 4 | במנוחה, גב |
ארבעה מבטים בשורה אחת הם הפריסה שהחזיקה בכל בדיקה: תאים גבוהים, דמות גדולה, והנשק מצויר נכון בכל מבט. רשת של 4 על 2 עם מבט מלמעלה ושני תאי פעולה עובדת גם היא, אבל ארבעת התאים הנוספים האלה הם המקום שבו הגיליונות משתבשים: להב שני במבט מהגב, חרב במקום הלא נכון במבט מלמעלה, יד משונה במכה. הוסיפו אותם כשאתם צריכים אותם, ובדקו אותם אחד-אחד.
משפחת חפצים: 4 על 3 או 4 על 2, חפצים שונים
שורה אחת לכל תא: "Cell 5, row 2 column 1: description." חפצים ארוכים מקבלים "lying horizontally across the cell, pointing to the right" (שוכב לרוחב התא, מצביע ימינה) כדי שימלאו את התא. סיימו ב: "Exactly one object per cell, N objects in all, no duplicates, no object crossing into another cell, each object drawn large enough to fill most of its cell."
שנים-עשר חפצים לגיליון הוא המספר הגדול ביותר ששימש בסט. מעבר לזה התאים נעשים קטנים.

הפרומפט המלא של הגיליון הזה:
This is an RGBA image with transparency. A game item sheet of twelve different dungeon objects, each drawn large in its own cell of a strict 4 by 3 grid of equal cells with generous empty space between the cells, read left to right then top to bottom. Cell 1, row 1 column 1: an iron key with a looped bow and two square teeth, lying horizontally across the cell, pointing to the right. Cell 2, row 1 column 2: a wooden torch, a split oak stick wrapped in tarred cloth, the flame burning upward. Cell 3, row 1 column 3: a small red health potion, a round glass flask with a cork stopper and a wax seal. Cell 4, row 1 column 4: a leather coin pouch, drawstring closed, bulging, two gold coins showing at the mouth. Cell 5, row 2 column 1: a battle axe, a long straight ash-wood haft and one broad crescent steel blade with a bearded lower edge, the head wedged and riveted, the edge bright and nicked, lying horizontally across the cell, pointing to the right. Cell 6, row 2 column 2: a round wooden shield with an iron rim and a central iron boss, three planks visible, seen straight on. Cell 7, row 2 column 3: a rolled parchment scroll tied with a red ribbon, lying horizontally across the cell, pointing to the right. Cell 8, row 2 column 4: a lantern, a square iron frame with four glass panes and a ring handle, a candle glowing inside. Cell 9, row 3 column 1: a short sword with a plain crossguard, a leather-wrapped grip and a round pommel, lying horizontally across the cell, pointing to the right. Cell 10, row 3 column 2: a loaf of dark rye bread with a cracked crust. Cell 11, row 3 column 3: a brass compass in an open round case, the needle visible. Cell 12, row 3 column 4: a coil of hemp rope with a frayed end. Exactly one object per cell, twelve objects in all, no duplicates, no object crossing into another cell, each object drawn large enough to fill most of its cell. Style: hand-painted game illustration, visible brush strokes, rich material detail, crisp silhouettes, soft frontal light from slightly above, a thin cool rim light, no outline, no motion blur. The image has alpha channel and the background is transparent, no ground, no cast shadows, no frames, no text, no labels.
אביזרים ואפקטים: 4 על 2 או 4 על 3
אביזרים: "dungeon fixtures seen straight on from the front", עם אור אחיד. אפקטים: "glowing, with soft luminous edges". קליעים: "flying to the right".
פריט אחד בכמה מבטים: שורה של 4
אותו חפץ בכל ארבעת התאים: המבט הבסיסי מלפנים, שוכב על הקרקע במבט מלמעלה, אייקון מלאי צבעוני, אייקון פעולה דו-גוני. אפשר להוסיף מבטי זריקה בשורה שנייה; סדרה ראשונה של פלשיון וגרזן נתנה קיצור פרספקטיבי משכנע, כולל הגרזן כשרואים אותו מהצד הצר שלו, אבל נשק נזרק שרואים אותו מלפנים הוא התא שנכשל הכי הרבה. התבנית הזאת היא החדשה ביותר בסט ועדיין בבדיקה.

אותו מתכון בסגנונות אחרים
הרשת, טקסטי התאים ומסגרת ה-RGBA לא תלויים בסגנון. רק בלוק הסגנון משתנה. הגיליונות שלמטה נוצרו מפרומפט הסיירת כשבלוק הסגנון הוחלף באחד מאלה:
- פיקסל ארט.
Style: 16-bit pixel art, a visible pixel grid, flat colours with two or three shades per material, hard pixel edges, a one-pixel dark outline, no anti-aliasing, no gradients. - אנימה.
Style: anime cel shading, clean dark line art, flat colours with one hard shadow tone, small bright highlights, a saturated palette, soft frontal light. - וקטור שטוח.
Style: flat vector illustration, simple geometric shapes, no gradients, no texture, a limited palette of six colours, thick uniform outlines, soft frontal light. - Low poly.
Style: low poly 3D render look, visible flat triangular facets, matte materials, no texture detail, soft studio light from the front and above.
לבלוק ה-low poly, הסירו "3d render" מהפרומפט השלילי, אחרת שתי ההוראות נלחמות זו בזו.




בארבעת הגיליונות שלמעלה הדמות, התלבושת והתנוחות שלה נשמרו מבלוק לבלוק; רק הרינדור השתנה. בחרו בלוק אחד לכל הסט. ספרייטים שנעשו בבלוקים שונים לא יושבים יחד.
חיתוך הגיליון לספרייטים
החיתוך נעשה על ערוץ האלפא, בארבעה שלבים.
- חלקו את התמונה לתאים שווים.
- בכל תא, קחו את התיבה התוחמת של הפיקסלים שהאלפא שלהם מעל 32, עם שוליים של 4 פיקסלים.
- אפסו אלפא מתחת ל-24, וזה מסיר את ההילה.
- התייחסו לתא עם פחות מ-100 פיקסלים אטומים כאל תא ריק.
אחר כך מקמו כל ספרייט לפי השימוש שלו.
- ספרייט של נושא: בקנבס ביחס הגובה-רוחב של תמונת הייחוס של המשחק, הרגליים על הקצה התחתון.
- חפץ: ממורכז בקנבס.
- אייקון מלאי: ריבוע של 192 פיקסלים. חפץ שאורכו יותר מפי 1.6 מרוחבו מסובב ב-45 מעלות, החוד כלפי מעלה-ימינה.
- דלת, סורג: נמתחים מקצה לקצה, האלפא נכפה ל-255. דלתות יוצאות כהות פי שניים עד ארבעה מהרצוי, אז התאימו את הבהירות שלהן לייחוס.
אם נושא גולש לתא הסמוך, החיתוך קוטע אותו. לכן הפרומפט מבקש "generous empty space between the cells".
טקסטורות ללא תפר
המודל לא מפיק אריח מושלם גם כשמבקשים, ולכן השיטה שלמטה, שנשמרה אחרי כמה כישלונות, מתקנת את התפר אחר כך.
- text-to-image ב-1024 × 1024 עם "A seamless tileable texture, top-down flat orthographic close-up of … Even diffuse lighting, no vignette, no perspective."
- הזיזו את התמונה בחצי מרוחבה ובחצי מגובהה. התפר עובר עכשיו באמצע, כצלב.
- image-to-image בעוצמה 0.55 על התמונה המוזזת, עם הצומת
QwenImageImg2Img. - שמרו רק צלב מרכזי מרוכך מהמעבר הזה, 96 פיקסלים מכל צד של התפר עם טשטוש גאוסי של 32 פיקסלים, מודבק בחזרה על המקור המוזז. הקצוות נשארים החלק הפנימי הלא-נגוע של הרינדור הראשון.
- הזיזו בחזרה לכיוון השני.
- מיזוג בשיקוף של 24 פיקסלים מכל צד של הקצה כדי לבטל את הקפיצה האחרונה בצבע, וכך גם בתבליט.
- הפיקו את ה-normal map ואת ה-roughness מהתמונה הסופית.
מדד בקרה: ההפרש הממוצע בין קצוות נגדיים חלקי הגרדיאנט הממוצע בתוך האריח. ב-1.0 התפר לא שונה מכל פיקסל שכן.

מה לא עבד:
- מעבר image-to-image מלא בלי מסכה: המודל יוצר מחדש תפר על הקצוות שלו.
- שני מעברים לסירוגין: התוצאה מחמירה, 2.07 ואז 2.43 על טקסטורת הרצפה.
- צביעה מחדש של טקסטורה קיימת ברזולוציה נמוכה ב-image-to-image: תוצאה מפוספסת. התחילו מחדש מ-text-to-image.
בקשו דפוסים גדולים, חמישה או שישה נדבכים של אבנים לאריח. דפוסים קטנים הופכים את החזרה לבולטת.
רינדור מחדש, בדיקה, איטרציה
- גיליון הוא דטרמיניסטי לפרומפט ול-seed נתונים. שמרו את ה-PNG הגולמי ואת טקסט הפרומפט לצידו.
- עשו נושא מחדש על ידי יצירת כל הגיליון שלו מחדש עם seed אחר, לעולם לא תא בודד. שמרו את הגיליון הישן: אפשר לבחור ממנו תנוחה טובה יותר אחר כך.
- הפרידו בין הציור לחיתוך. את החיתוך והמיקום אפשר להריץ שוב מהגיליונות הגולמיים בלי לקרוא ל-ComfyUI.
- הפכו את האצווה לניתנת להמשך. גיליון שכבר נמצא על הדיסק לא מצויר שוב, וכך ריצה של שלוש שעות שורדת הפסקה.
שלוש בדיקות שכדאי לעשות לפני שהספרייטים נכנסים למשחק.
- בדקו על רקע בהיר או על לוח שחמט, לא על אפור כהה. רקע כהה מסתיר שוליים צבעוניים והילות.
- הסתכלו בגודל המשחק, לא רק בהגדלה. אייקון חייב להישאר קריא ב-32 פיקסלים.
- צלמו צילום מסך בתוך המשחק כדי לבדוק את הספרייטים מול המשטחים. ספרייטים ב-HD על קירות שעשויים מפיקסלים גדולים מתנגשים. אז צריך לעשות את המשטחים מחדש באותה רמה.
מגבלות ידועות
- חפצים יוצאים לפעמים צילומיים מדי, בעיקר מתכת וזכוכית. תקנו מקרה-מקרה בטקסט.
- תאי הפעולה הם החלק הכי פחות אמין. בדקו אותם נושא אחר נושא.
- הגוונים נסחפים מגיליון לגיליון: קירות הופכים כחולים, דלתות יוצאות כהות. קבעו את הצבע בטקסט ותקנו אחר כך אם צריך.
- המודל עלול למזג או לשכפל תאים ברשת צפופה. הישארו בשנים-עשר תאים לכל היותר וקראו לכל תא בשם השורה והעמודה שלו.
- טקסט וסמלים על החפצים, רונות או כתובות, לא אמינים. השמיטו אותם או הוסיפו אותם אחר כך.
- רישיון. המשקולות נמצאות תחת Qwen Research License: למחקר ולהערכה בלבד. נכסים שנכללים במשחק מסחרי שיוצא לשוק צריכים קודם רישיון מ-Qwen, ולשירות מקוון יש תנאים משלו.
הגדרות הסט בטבלה אחת:
| הגדרה | ערך |
|---|---|
| מודל | Qwen-Image 2.1 בסיס, int8 |
| צעדים, CFG | 20, 3.0 עם פרומפט שלילי |
| Sampler | euler, simple |
| Guidance | APG 1.0, 10.0, 0.3 ואז FreSca 1.0, 2.0, 8 |
| גיליון | 2432 × 1664, שורה של 4 או רשת של 4 על 3 |
| טקסטורה | 1024 × 1024, seed קבוע |
| מעבר התפר | image-to-image ב-0.55, רצועה של 96 פיקסלים |
| מיזוג הקצוות | 24 פיקסלים |