Come si creano game asset coerenti con Qwen-Image 2.1?

Di Aggiornato il 15 min di lettura

Qwen-Image 2.1 può disegnare un intero foglio di game asset in un'immagine: quattro viste di un soggetto, una famiglia di oggetti o un set di prop, su un vero sfondo trasparente. Questa guida dà il metodo usato per un set di oltre 1000 file: impostazioni, forma del prompt, ritaglio, texture seamless e i fogli come riferimento per i modelli video.

Un foglio, non un'immagine per asset

Invece di chiedere al modello un'immagine per ogni sprite, chiedi un foglio: una sola immagine da 4 megapixel organizzata a griglia, le cui celle vengono poi separate con uno script.

  • Un soggetto, per esempio un personaggio, è un foglio di quattro viste della stessa figura.
  • Una famiglia di oggetti è un foglio di otto-dodici oggetti diversi.
  • Un oggetto importante, come un'arma, è un foglio di più viste di quell'oggetto.

Un foglio porta tre cose.

  • Coerenza. Le quattro viste escono dallo stesso render: stessi colori, stesso costume, stessa arma, stessa luce. Quattro render separati danno quattro personaggi diversi.
  • Uno stile unico condiviso da tutti gli oggetti di una famiglia.
  • Produttività. Un foglio richiede quattro-cinque minuti e produce da quattro a dodici sprite.
Foglio di turnaround di una giovane ranger generato da Qwen-Image 2.1: quattro viste dello stesso personaggio in fila su sfondo trasparente
Un render, quattro viste: fronte, tre quarti, profilo e retro. 2432 × 1664, 20 passi, CFG 3 con APG e FreSca. Il prompt completo è riportato più sotto.

I fogli non servono solo ai giochi. Il turnaround di un personaggio funziona come immagine di riferimento per il mock-up di un'app, un fumetto o uno storyboard. È anche il tipo di immagine di riferimento che i modelli image-to-video come Seedance, MiniMax Hailuo o Wan 2.2 accettano come punto di partenza.

Tutto quello che segue è stato verificato producendo un set di oltre 1000 file: personaggi, oggetti, effetti, prop e texture per un solo gioco. Le impostazioni seguono la guida alle impostazioni di Qwen-Image 2.1.

Impostazioni e grafo ComfyUI

Usa il modello base e non il Turbo, a CFG 3 con un prompt negativo, con APG e FreSca sul percorso del modello. Nel grafo non c'è alcun prompt upsampler: il prompt entra così com'è scritto.

NodoImpostazione
UNETLoaderqwen_image_2.1_int8_convrot.safetensors
CLIPLoaderqwen3vl_8b_int8_convrot.safetensors, tipo qwen_image
VAELoaderqwen_image_2.1_vae_bf16.safetensors
QwenImage21Cachedevice auto, dtype int8
APGeta 1.0, norm threshold 10.0, momentum 0.3
FreScascale low 1.0, scale high 2.0, frequency cutoff 8
TextEncodeQwenImage21prompt e prompt negativo, risoluzione 1024
EmptyLatentImage2432 × 1664 per un foglio, 1024 × 1024 per una texture
KSampler20 passi, CFG 3.0, euler, simple, denoise 1.0
VAEDecode, SaveImageil PNG esce in RGBA, vedi la sezione successiva

Il percorso del modello passa per UNETLoader, poi QwenImage21Cache, APG, FreSca e il KSampler. Tempi misurati sulla macchina che ha prodotto il set:

LavoroTempo
Foglio, 2432 × 1664, 20 passida 230 a 320 s
Texture, 1024 × 1024, da testo a immaginecirca 80 s
Passaggio image-to-image, 1024 × 1024circa 40 s

La guida alle impostazioni registra una scheda da 12 GB che renderizza un'immagine da 4 megapixel di questa dimensione con un picco di 11,5 GB sui pesi int8, quindi un foglio dovrebbe starci, purché nient'altro condivida la scheda.

Due trappole se piloti ComfyUI tramite la sua API. Nel JSON inviato a /prompt, un'immagine di riferimento si passa come chiave piatta: "images.image_1": [node, 0]. La forma annidata, "images": {"image_1": …}, viene accettata senza errori e il riferimento viene ignorato in silenzio. E controlla sempre che il PNG ricevuto sia in modalità RGBA. Un prompt incorniciato male dà uno sfondo opaco; meglio sollevare un errore che ritagliarlo.

Trasparenza nativa

Qwen-Image 2.1 produce da solo un canale alfa, a patto che il prompt sia incorniciato da due frasi.

  • Inizio: This is an RGBA image with transparency.
  • Fine: The image has alpha channel and the background is transparent.

Il risultato è un vero PNG RGBA. Circa l'1 % dei pixel è semitrasparente e non c'è alcuna frangia di colore. Questo sostituisce il vecchio sfondo magenta da scontornare, che lasciava bordi e obbligava a ripulire le sbavature di colore.

Aggiungi alla frase di chiusura: no ground, no cast shadows, no frames, no text, no labels. Senza, il modello tende a mettere un'ombra o un pezzo di terreno sotto ogni soggetto, e questo rompe il ritaglio.

I quattro sprite del foglio della ranger separati tramite il canale alfa e mostrati su una scacchiera
Lo stesso foglio ritagliato in quattro sprite tramite il canale alfa, su una scacchiera. Nessuna frangia, nessuna ombra, niente da ripulire.

Come scrivere il prompt di un foglio

Dato che nulla riscrive il prompt al posto tuo, deve essere lungo e preciso: i prompt del set vanno da 2.500 a 3.000 caratteri, e un prompt corto dà un foglio scadente con viste che si somigliano.

L'ordine qui sotto è quello che ha funzionato. Mantienilo.

  1. La frase RGBA di apertura.
  2. Il soggetto e la griglia. «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.»
  3. Le celle, una per una, numerate. «cell 1, … ; cell 2, … ; cell 3, … ; cell 4, …» Su una griglia 4 per 2, indica anche le righe: «Top row: cell 1, … Bottom row: cell 5, …»
  4. La clausola d'identità. «Same character in every cell: identical colours, proportions, costume, weapon and lighting.»
  5. Il blocco di stile, lo stesso per tutto il set.
  6. La frase RGBA di chiusura.

Il prompt completo del foglio della ranger qui sopra:

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.

Regole imparate dalle prove:

  • Descrivi il materiale, non solo l'oggetto. «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».
  • Descrivi ogni vista per ciò che vede la camera, non per il suo nome. «seen from a three-quarter back angle, turned 135 degrees so we see its back and its left side, the face hidden» funziona. «back three-quarter view» da solo funziona molto meno spesso.
  • Sulla vista dall'alto, se la aggiungi, bisogna insistere: camera puntata dritta verso il basso, visibili solo la sommità della testa e le spalle, nessun volto, «like a token on a tactical board game map».
  • Di' cosa non deve esserci quando il modello sbanda. Un soggetto senza arti si ritrova artigli e una bocca nelle celle d'attacco se il testo è generico. Scrivi «no arms, no legs, no teeth».
  • Scrivi le celle d'azione, se le aggiungi, per ogni soggetto. Un testo unico condiviso, «the subject attacks», dà pose deboli su tutto il cast. Ogni soggetto ha il suo caricamento e il suo colpo: una clava alzata, un morso, una fiammata, un tentacolo.
  • Attento alle parole che cambiano la resa. «bold simplified, strong contrast, clean silhouette» per un'icona d'inventario ha prodotto un pittogramma in bianco e nero. Per un'icona a colori, scrivi «in full colour, painted with exactly the same rich materials as cell 1».
  • Un solo blocco di stile per tutto il set tiene soggetti, oggetti e prop nello stesso mondo. Il blocco di questo set è nel prompt qui sopra: illustrazione di gioco dipinta a mano, pennellate visibili, dettaglio dei materiali, silhouette nette, luce frontale morbida leggermente dall'alto, una rim light fredda, nessun contorno, nessuna sfocatura di movimento.

Il prompt negativo del set:

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

Il foglio della ranger generato da un prompt di meno di 400 caratteri: le quattro viste reggono ma il costume va alla deriva
La stessa ranger da un prompt di meno di 400 caratteri, stesso seed e stesse impostazioni. Le quattro viste reggono, ma il costume va alla deriva: maniche corte, un altro farsetto, la treccia sparita nella vista di spalle. È la lunghezza a portare l'informazione di cui il modello ha bisogno.

Template di foglio

Tutti i fogli sono di 2432 × 1664 pixel.

Soggetto singolo: una fila di 4, un personaggio

CellaVista
1a riposo, fronte
2a riposo, tre quarti frontale
3a riposo, profilo esatto
4a riposo, retro

Quattro viste in fila è la disposizione che ha retto in tutte le prove: celle alte, una figura grande e l'arma disegnata bene in ogni vista. Funziona anche una griglia 4 per 2 con una vista dall'alto e due celle d'azione, ma quelle quattro celle in più sono il punto in cui i fogli sbagliano: una seconda lama nella vista di spalle, una spada fuori posto dall'alto, una mano strana nel colpo. Aggiungile quando ti servono, e controllale una per una.

Famiglia di oggetti: 4 per 3 o 4 per 2, oggetti diversi

Una riga per cella: «Cell 5, row 2 column 1: description.» Agli oggetti lunghi si aggiunge «lying horizontally across the cell, pointing to the right» (disteso in orizzontale nella cella, punta a destra) così riempiono la loro cella. Chiudi con: «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.»

Dodici oggetti per foglio è il numero più alto usato nel set. Oltre, le celle diventano piccole.

Foglio di dodici oggetti da dungeon generato da Qwen-Image 2.1 in una griglia 4 per 3 su sfondo trasparente: chiave, torcia, pozione, borsa, ascia, scudo, pergamena, lanterna, spada, pane, bussola, corda
Dodici oggetti, un render, uno stile. Nel prompt ogni cella è indicata con la sua riga e la sua colonna.

Il prompt completo di questo foglio:

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.

Prop ed effetti: 4 per 2 o 4 per 3

Prop: «dungeon fixtures seen straight on from the front», con luce uniforme. Effetti: «glowing, with soft luminous edges». Proiettili: «flying to the right».

Un oggetto in più viste: una fila di 4

Lo stesso oggetto in tutte e quattro le celle: la vista base di fronte, posato a terra visto dall'alto, un'icona d'inventario a colori, un'icona d'azione a due toni. Le viste in lancio si possono aggiungere in una seconda riga; una prima serie con un falcione e un'ascia ha dato scorci convincenti, compresa l'ascia vista di taglio, ma un'arma lanciata vista di fronte è la cella che fallisce più spesso. Questo template è il più recente del set ed è ancora in revisione.

Foglio di una sola fiasca di pozione in quattro viste generato da Qwen-Image 2.1: in piedi, a terra, icona d'inventario e icona d'azione
Una fiasca, quattro viste. Le icone stanno nelle celle 3 e 4. Un'ombra leggera è scivolata sotto le prime due celle nonostante la frase di chiusura.

La stessa ricetta in altri stili

La griglia, i testi delle celle e la cornice RGBA non dipendono dallo stile. Cambia solo il blocco di stile. I fogli qui sotto vengono dal prompt della ranger con il blocco di stile sostituito da uno di questi:

  • Pixel art. 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.
  • Anime. Style: anime cel shading, clean dark line art, flat colours with one hard shadow tone, small bright highlights, a saturated palette, soft frontal light.
  • Vettoriale flat. 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.

Per il blocco low poly, togli «3d render» dal prompt negativo, altrimenti le due istruzioni si contraddicono.

La sprite sheet della ranger generata da Qwen-Image 2.1 in stile pixel art 16-bit
Blocco pixel art. Stessa griglia, stessi testi delle celle, stesso seed.
La sprite sheet della ranger generata da Qwen-Image 2.1 in stile anime cel shading
Blocco anime.
La sprite sheet della ranger generata da Qwen-Image 2.1 in stile vettoriale flat
Blocco vettoriale flat.
La sprite sheet della ranger generata da Qwen-Image 2.1 con un look 3D low poly
Blocco low poly, con «3d render» tolto dal prompt negativo.

Nei quattro fogli qui sopra il personaggio, il suo costume e le sue pose hanno tenuto da un blocco all'altro; è cambiata solo la resa. Scegli un solo blocco per tutto il set. Sprite fatti con blocchi diversi non stanno bene insieme.

Ritagliare il foglio in sprite

Il ritaglio si fa sul canale alfa, in quattro passaggi.

  1. Dividi l'immagine in celle uguali.
  2. In ogni cella, prendi il bounding box dei pixel con alfa sopra 32, con un margine di 4 pixel.
  3. Porta a zero l'alfa sotto 24, il che elimina l'alone.
  4. Considera vuota una cella con meno di 100 pixel opachi.

Poi posiziona ogni sprite secondo il suo uso.

  • Sprite di soggetto: in una tela con le proporzioni dell'immagine di riferimento del gioco, piedi sul bordo inferiore.
  • Oggetto: centrato nella tela.
  • Icona d'inventario: un quadrato di 192 pixel. Un oggetto più lungo di 1,6 volte la sua larghezza viene ruotato di 45 gradi, punta in alto a destra.
  • Porta, grata: stirata da bordo a bordo, alfa forzato a 255. Le porte escono da due a quattro volte più scure del voluto, quindi allinea la loro luminosità a un riferimento.

Se un soggetto sborda nella cella vicina, il ritaglio lo tronca. Per questo il prompt chiede «generous empty space between the cells».

Texture seamless

Il modello non produce una tile perfetta nemmeno quando glielo si chiede, quindi il metodo qui sotto, adottato dopo diversi tentativi falliti, ripara la giunzione a posteriori.

  1. Da testo a immagine a 1024 × 1024 con «A seamless tileable texture, top-down flat orthographic close-up of … Even diffuse lighting, no vignette, no perspective.»
  2. Sposta l'immagine di metà larghezza e metà altezza. La giunzione ora passa per il centro, a croce.
  3. Image-to-image a intensità 0,55 sull'immagine spostata, con il nodo QwenImageImg2Img.
  4. Tieni solo una croce centrale sfumata di quel passaggio, 96 pixel per lato della giunzione con una sfocatura gaussiana di 32 pixel, incollata sull'originale spostato. I bordi restano l'interno intatto del primo render.
  5. Sposta di nuovo l'immagine nel verso opposto.
  6. Fondi a specchio 24 pixel per lato del bordo per annullare l'ultimo salto di colore, e quindi di rilievo.
  7. Ricava la normal map e la roughness dall'immagine finale.

Misura di controllo: la differenza media tra bordi opposti divisa per il gradiente medio all'interno della tile. A 1,0 la giunzione non è diversa da nessun pixel vicino.

Una texture di pavimento in pietra di Qwen-Image 2.1 ripetuta 2 per 2: il render grezzo mostra una giunzione a croce visibile, la versione riparata no
La stessa texture ripetuta 2 per 2. A sinistra: il render grezzo, la giunzione è una croce. A destra: dopo il passaggio image-to-image sull'immagine spostata e la fusione a specchio.

Cosa non ha funzionato:

  • Un passaggio image-to-image completo senza maschera: il modello ricrea una giunzione sui propri bordi.
  • Due passaggi alternati: il risultato peggiora, 2,07 poi 2,43 sulla texture del pavimento.
  • Ridipingere in image-to-image una texture esistente a bassa risoluzione: un risultato a strisce. Riparti da testo a immagine.

Chiedi motivi grandi, cinque o sei filari di blocchi per tile. I motivi piccoli rendono evidente la ripetizione.

Rifare, controllare, iterare

  • Un foglio è deterministico per un dato prompt e seed. Conserva il PNG grezzo e il testo del prompt accanto.
  • Rifai un soggetto rifacendo il suo intero foglio con un altro seed, mai una singola cella. Tieni il vecchio foglio: una posa migliore potrà essere ripescata più tardi.
  • Separa il disegno dal ritaglio. Il ritaglio e il posizionamento si possono rilanciare dai fogli grezzi senza chiamare ComfyUI.
  • Fai in modo che il batch possa riprendere. Un foglio già su disco non viene ridisegnato, così una sessione di tre ore sopravvive a un'interruzione.

Tre controlli valgono la pena prima che gli sprite entrino nel gioco.

  • Controlla su sfondo chiaro o su una scacchiera, non su grigio scuro. Uno sfondo scuro nasconde frange e aloni.
  • Guarda alla dimensione di gioco, non solo ingrandito. Un'icona deve restare leggibile a 32 pixel.
  • Fai uno screenshot nel gioco per confrontare gli sprite con le superfici. Sprite HD su muri fatti di pixel grossi stonano. Le superfici vanno allora rifatte allo stesso livello.

Limiti noti

  • Gli oggetti escono a volte troppo fotografici, metallo e vetro soprattutto. Correggi caso per caso nel testo.
  • Le celle d'azione sono la parte meno affidabile. Controllale soggetto per soggetto.
  • Le tinte slittano da un foglio all'altro: i muri virano al blu, le porte escono scure. Fissa il colore nel testo e correggilo a posteriori se serve.
  • Il modello può fondere o duplicare celle su una griglia affollata. Resta a dodici celle al massimo e indica ogni cella con riga e colonna.
  • Testo e simboli sugli oggetti, rune o iscrizioni, non sono affidabili. Lasciali fuori o aggiungili dopo.
  • Licenza. I pesi sono sotto Qwen Research License: solo ricerca e valutazione. Gli asset distribuiti in un gioco commerciale richiedono prima una licenza da Qwen, e un servizio in hosting ha condizioni proprie.

Le impostazioni del set in una tabella:

ImpostazioneValore
ModelloQwen-Image 2.1 base, int8
Passi, CFG20, 3.0 con un prompt negativo
Samplereuler, simple
GuidanceAPG 1.0, 10.0, 0.3 poi FreSca 1.0, 2.0, 8
Foglio2432 × 1664, una fila di 4 o una griglia 4 per 3
Texture1024 × 1024, seed fisso
Passaggio sulla giunzioneimage-to-image a 0,55, fascia di 96 pixel
Fusione dei bordi24 pixel

Domande frequenti

Qwen-Image 2.1 può creare PNG trasparenti?

Sì, senza alcuna post-elaborazione. Apri il prompt con «This is an RGBA image with transparency.» e chiudilo con «The image has alpha channel and the background is transparent.» Il PNG ha un vero canale alfa, circa l'1 % di pixel semitrasparenti e nessuna frangia di colore. Aggiungi «no ground, no cast shadows» altrimenti il modello disegna un pavimento sotto il soggetto.

Quanti sprite stanno in un foglio?

Quattro per un personaggio o qualunque altro soggetto singolo, in fila a 2432 × 1664 pixel: fronte, tre quarti, profilo e retro. Fino a dodici per una famiglia di oggetti, in una griglia 4 per 3. Oltre dodici le celle diventano piccole e il modello comincia a fonderle o duplicarle. Indica ogni cella con riga e colonna, e chiedi spazio vuoto generoso tra le celle perché il ritaglio non tronchi nulla.

Posso usare questi fogli per i video o in un gioco commerciale?

Un foglio di turnaround è il tipo di immagine di riferimento che i modelli image-to-video come Seedance, MiniMax Hailuo o Wan 2.2 accettano come punto di partenza. Per un gioco commerciale, verifica prima la licenza: i pesi di Qwen-Image 2.1 sono sotto Qwen Research License, che copre solo ricerca e valutazione. L'uso commerciale richiede una licenza separata da Qwen.