Jeden arkusz zamiast jednego obrazu na asset
Zamiast prosić model o osobny obraz dla każdego sprite'a, poproś o jeden arkusz: pojedynczy obraz 4-megapikselowy ułożony w siatkę, której komórki wycinasz potem skryptem.
- Pojedynczy obiekt, na przykład postać, to jeden arkusz z czterema ujęciami tej samej postaci.
- Rodzina przedmiotów to jeden arkusz z ośmioma do dwunastu różnymi przedmiotami.
- Ważny przedmiot, na przykład broń, to jeden arkusz z kilkoma ujęciami tego przedmiotu.
Arkusz daje trzy rzeczy.
- Spójność. Cztery ujęcia pochodzą z tego samego renderu: te same kolory, ten sam strój, ta sama broń, to samo światło. Cztery osobne rendery dają cztery różne postaci.
- Jeden styl wspólny dla wszystkich przedmiotów rodziny.
- Wydajność. Arkusz zajmuje cztery do pięciu minut i daje cztery do dwunastu sprite'ów.

Arkusze nie służą tylko grom. Turnaround postaci sprawdza się jako obraz referencyjny do makiety aplikacji, komiksu czy storyboardu. To także ten rodzaj obrazu referencyjnego, który modele image-to-video, takie jak Seedance, MiniMax Hailuo czy Wan 2.2, przyjmują jako punkt wyjścia.
Wszystko poniżej zostało sprawdzone podczas produkcji zestawu ponad 1000 plików: postaci, przedmiotów, efektów, rekwizytów i tekstur do jednej gry. Ustawienia są zgodne z poradnikiem ustawień Qwen-Image 2.1.
Ustawienia i graf ComfyUI
Używaj modelu bazowego zamiast Turbo, z CFG 3 i negatywnym promptem, z APG i FreSca na ścieżce modelu. W grafie nie ma prompt upsamplera: prompt wchodzi tak, jak został napisany.
| Węzeł | Ustawienie |
|---|---|
| UNETLoader | qwen_image_2.1_int8_convrot.safetensors |
| CLIPLoader | qwen3vl_8b_int8_convrot.safetensors, typ 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 | prompt i negatywny prompt, rozdzielczość 1024 |
| EmptyLatentImage | 2432 × 1664 dla arkusza, 1024 × 1024 dla tekstury |
| KSampler | 20 kroków, CFG 3.0, euler, simple, denoise 1.0 |
| VAEDecode, SaveImage | PNG wychodzi w RGBA, patrz następna sekcja |
Ścieżka modelu biegnie przez UNETLoader, potem QwenImage21Cache, APG, FreSca i KSampler. Czasy zmierzone na maszynie, która wyprodukowała zestaw:
| Zadanie | Czas |
|---|---|
| Arkusz, 2432 × 1664, 20 kroków | 230 do 320 s |
| Tekstura, 1024 × 1024, text-to-image | około 80 s |
| Przebieg image-to-image, 1024 × 1024 | około 40 s |
Poradnik ustawień odnotowuje kartę 12 GB renderującą obraz 4-megapikselowy tego rozmiaru ze szczytem 11,5 GB na wagach int8, więc arkusz powinien się zmieścić, o ile nic innego nie korzysta z karty.
Dwie pułapki, jeśli sterujesz ComfyUI przez jego API. W JSON-ie wysyłanym do /prompt obraz referencyjny przekazuje się jako płaski klucz: "images.image_1": [node, 0]. Forma zagnieżdżona, "images": {"image_1": …}, jest przyjmowana bez błędu, a referencja jest po cichu ignorowana. I zawsze sprawdzaj, czy odebrany PNG jest w trybie RGBA. Źle obudowany prompt daje nieprzezroczyste tło; zgłoś wtedy błąd zamiast ciąć.
Natywna przezroczystość
Qwen-Image 2.1 sam tworzy kanał alfa, pod warunkiem że prompt jest obudowany dwoma zdaniami.
- Początek:
This is an RGBA image with transparency. - Koniec:
The image has alpha channel and the background is transparent.
Wynik to prawdziwy PNG w RGBA. Około 1 % pikseli jest półprzezroczystych i nie ma kolorowej obwódki. To zastępuje dawne tło w kolorze magenty do wykluczowania, które zostawiało obwódki i wymuszało czyszczenie przebarwień.
Do zdania zamykającego dopisz: no ground, no cast shadows, no frames, no text, no labels. Bez tego model chętnie dorysowuje cień albo kawałek podłoża pod każdą postacią, a to psuje cięcie.

Jak napisać prompt arkusza
Ponieważ nic nie przepisuje promptu za ciebie, musi on być długi i precyzyjny: prompty z zestawu mają od 2500 do 3000 znaków, a krótki daje słaby arkusz, w którym ujęcia wyglądają podobnie.
Poniższa kolejność to ta, która zadziałała. Zachowaj ją.
- Otwierające zdanie RGBA.
- Obiekt i siatka. „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.”
- Komórki, jedna po drugiej, ponumerowane. „cell 1, … ; cell 2, … ; cell 3, … ; cell 4, …” Na siatce 4 na 2 nazwij też rzędy: „Top row: cell 1, … Bottom row: cell 5, …”
- Klauzula tożsamości. „Same character in every cell: identical colours, proportions, costume, weapon and lighting.”
- Blok stylu, ten sam dla całego zestawu.
- Zamykające zdanie RGBA.
Pełny prompt arkusza łowczyni powyżej:
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.
Zasady wyniesione z prób:
- Opisuj materiał, nie tylko przedmiot. „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”.
- Opisuj każde ujęcie przez to, co widzi kamera, a nie przez jego nazwę. „seen from a three-quarter back angle, turned 135 degrees so we see its back and its left side, the face hidden” działa. Samo „back three-quarter view” działa znacznie rzadziej.
- Widok z góry, jeśli go dodajesz, trzeba opisać dobitnie: kamera skierowana prosto w dół, widoczny tylko czubek głowy i ramiona, bez twarzy, „like a token on a tactical board game map”.
- Mów, czego ma nie być, gdy model dryfuje. Stwór bez kończyn dostaje w komórkach ataku pazury i paszczę, jeśli tekst jest ogólny. Napisz „no arms, no legs, no teeth”.
- Komórki akcji, jeśli je dodajesz, pisz osobno dla każdej postaci. Jeden wspólny tekst, „the subject attacks”, daje słabe pozy w całej obsadzie. Każda postać dostaje własny zamach i własne uderzenie: uniesioną maczugę, ugryzienie, zionięcie ogniem, mackę.
- Uważaj na słowa, które zmieniają rendering. „bold simplified, strong contrast, clean silhouette” dla ikony ekwipunku dało czarno-biały piktogram. Dla kolorowej ikony napisz „in full colour, painted with exactly the same rich materials as cell 1”.
- Jeden blok stylu dla całego zestawu trzyma postaci, przedmioty i rekwizyty w tym samym świecie. Blok tego zestawu jest w prompcie powyżej: ręcznie malowana ilustracja do gry, widoczne pociągnięcia pędzla, detal materiałów, ostre sylwetki, miękkie światło z przodu i lekko z góry, chłodne światło konturowe, bez obrysu, bez rozmycia ruchu.
Negatywny prompt zestawu:
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

Szablony arkuszy
Wszystkie arkusze mają 2432 × 1664 pikseli.
Pojedynczy obiekt: rząd 4 komórek, jedna postać
| Komórka | Ujęcie |
|---|---|
| 1 | w spoczynku, przód |
| 2 | w spoczynku, trzy czwarte z przodu |
| 3 | w spoczynku, dokładnie z profilu |
| 4 | w spoczynku, od tyłu |
Cztery ujęcia w jednym rzędzie to układ, który utrzymał się w każdym teście: wysokie komórki, duża postać i broń poprawnie narysowana w każdym ujęciu. Siatka 4 na 2 z widokiem z góry i dwiema komórkami akcji też działa, ale to właśnie te cztery dodatkowe komórki psują arkusze: drugie ostrze w ujęciu od tyłu, źle umieszczony miecz w widoku z góry, dziwna dłoń w uderzeniu. Dodawaj je, gdy ich potrzebujesz, i sprawdzaj jedną po drugiej.
Rodzina przedmiotów: 4 na 3 lub 4 na 2, różne przedmioty
Jedna linijka na komórkę: „Cell 5, row 2 column 1: description.” Długie przedmioty dostają „lying horizontally across the cell, pointing to the right”, czyli leżą poziomo w komórce, końcem w prawo, żeby ją wypełnić. Zakończ zdaniem: „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.”
Dwanaście przedmiotów na arkusz to największa liczba użyta w zestawie. Powyżej tego komórki robią się małe.

Pełny prompt tego arkusza:
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.
Rekwizyty i efekty: 4 na 2 lub 4 na 3
Rekwizyty: „dungeon fixtures seen straight on from the front”, z równym światłem. Efekty: „glowing, with soft luminous edges”. Pociski: „flying to the right”.
Jeden przedmiot w kilku ujęciach: rząd 4 komórek
Ten sam przedmiot we wszystkich czterech komórkach: ujęcie bazowe z przodu, leżący na ziemi widziany z góry, kolorowa ikona ekwipunku, dwubarwna ikona akcji. Ujęcia w locie można dodać w drugim rzędzie; pierwsza seria, falchion i topór, dała przekonujące skróty perspektywiczne, łącznie z toporem widzianym od strony ostrza, ale rzucona broń widziana na wprost to komórka, która zawodzi najczęściej. Ten szablon jest najnowszy w zestawie i wciąż go sprawdzamy.

Ten sam przepis w innych stylach
Siatka, teksty komórek i obudowa RGBA nie zależą od stylu. Zmienia się tylko blok stylu. Arkusze poniżej pochodzą z promptu łowczyni z blokiem stylu zamienionym na jeden z tych:
- 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. - Płaska grafika wektorowa.
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.
Przy bloku low poly usuń „3d render” z negatywnego promptu, inaczej obie instrukcje się kłócą.




Na czterech arkuszach powyżej postać, jej strój i pozy utrzymały się od bloku do bloku; zmienił się tylko rendering. Wybierz jeden blok na cały zestaw. Sprite'y zrobione różnymi blokami nie pasują do siebie.
Cięcie arkusza na sprite'y
Cięcie odbywa się po kanale alfa, w czterech krokach.
- Podziel obraz na równe komórki.
- W każdej komórce weź prostokąt ograniczający pikseli o alfie powyżej 32, z marginesem 4 pikseli.
- Wyzeruj alfę poniżej 24, co usuwa halo.
- Komórkę z mniej niż 100 nieprzezroczystymi pikselami traktuj jako pustą.
Potem umieść każdy sprite zgodnie z jego przeznaczeniem.
- Sprite postaci: na płótnie o proporcjach obrazu referencyjnego gry, stopami na dolnej krawędzi.
- Przedmiot: wyśrodkowany na płótnie.
- Ikona ekwipunku: kwadrat 192 pikseli. Przedmiot dłuższy niż 1,6 swojej szerokości jest obracany o 45 stopni, czubkiem w prawy górny róg.
- Drzwi, krata: rozciągnięte od krawędzi do krawędzi, alfa wymuszona na 255. Drzwi wychodzą dwa do czterech razy ciemniejsze niż trzeba, więc dopasuj ich jasność do referencji.
Jeśli postać wchodzi do sąsiedniej komórki, cięcie ją ucina. Dlatego prompt prosi o „generous empty space between the cells”.
Bezszwowe tekstury
Model nie daje idealnego kafelka nawet na wyraźną prośbę, więc poniższa metoda, zachowana po kilku nieudanych próbach, naprawia szew po fakcie.
- Text-to-image w 1024 × 1024 z „A seamless tileable texture, top-down flat orthographic close-up of … Even diffuse lighting, no vignette, no perspective.”
- Przesuń obraz o połowę szerokości i połowę wysokości. Szew biegnie teraz przez środek, w kształcie krzyża.
- Image-to-image z siłą 0.55 na przesuniętym obrazie, węzłem
QwenImageImg2Img. - Zachowaj tylko zmiękczony środkowy krzyż z tego przebiegu, po 96 pikseli z każdej strony szwu z rozmyciem gaussowskim 32 pikseli, wklejony z powrotem na przesunięty oryginał. Brzegi pozostają nietkniętym wnętrzem pierwszego renderu.
- Przesuń z powrotem w drugą stronę.
- Zmieszaj lustrzanie 24 piksele po obu stronach krawędzi, by zlikwidować ostatni skok koloru, a więc i reliefu.
- Wyprowadź z końcowego obrazu mapę normalnych i roughness.
Miara kontrolna: średnia różnica między przeciwległymi krawędziami podzielona przez średni gradient wewnątrz kafelka. Przy 1,0 szew nie różni się od żadnego sąsiedniego piksela.

Co nie zadziałało:
- Pełny przebieg image-to-image bez maski: model odtwarza szew na własnych krawędziach.
- Dwa przebiegi na przemian: wynik się pogarsza, 2,07, a potem 2,43 na teksturze podłogi.
- Przemalowanie istniejącej tekstury o niskiej rozdzielczości w image-to-image: wynik w paski. Zacznij od nowa od text-to-image.
Proś o duże wzory, pięć lub sześć warstw bloków na kafelek. Małe wzory od razu zdradzają powtórzenie.
Popraw, sprawdź, iteruj
- Arkusz jest deterministyczny dla danego promptu i seeda. Trzymaj surowy PNG i tekst promptu obok siebie.
- Postać poprawiaj, generując od nowa cały jej arkusz z innym seedem, nigdy pojedynczą komórkę. Zachowaj stary arkusz: lepszą pozę można z niego wybrać później.
- Oddziel rysowanie od cięcia. Cięcie i rozmieszczanie da się uruchomić ponownie z surowych arkuszy bez wywoływania ComfyUI.
- Zadbaj, by batch dało się wznowić. Arkusz, który już jest na dysku, nie jest rysowany ponownie, więc trzygodzinny przebieg przetrwa przerwanie.
Trzy kontrole warto zrobić, zanim sprite'y trafią do gry.
- Przeglądaj na jasnym tle lub szachownicy, nie na ciemnej szarości. Ciemne tło ukrywa obwódki i halo.
- Oglądaj w rozmiarze z gry, nie tylko w powiększeniu. Ikona musi pozostać czytelna w 32 pikselach.
- Zrób zrzut ekranu w grze, by sprawdzić sprite'y na tle powierzchni. Sprite'y HD na ścianach z dużych pikseli gryzą się ze sobą. Powierzchnie trzeba wtedy przerobić na tym samym poziomie.
Znane ograniczenia
- Przedmioty wychodzą czasem zbyt fotograficznie, zwłaszcza metal i szkło. Poprawiaj to w tekście, przypadek po przypadku.
- Komórki akcji to najmniej niezawodna część. Sprawdzaj je postać po postaci.
- Odcienie dryfują z arkusza na arkusz: ściany robią się niebieskie, drzwi wychodzą ciemne. Ustal kolor w tekście i w razie potrzeby skoryguj później.
- Model potrafi scalać lub powielać komórki na zatłoczonej siatce. Zostań przy maksymalnie dwunastu komórkach i nazywaj każdą wierszem i kolumną.
- Tekst i symbole na przedmiotach, runy czy inskrypcje, nie są niezawodne. Pomiń je albo dodaj później.
- Licencja. Wagi są objęte licencją Qwen Research License: wyłącznie do badań i ewaluacji. Assety wydawane w komercyjnej grze wymagają najpierw licencji od Qwen, a usługa hostowana ma własne warunki.
Ustawienia zestawu w jednej tabeli:
| Ustawienie | Wartość |
|---|---|
| Model | Qwen-Image 2.1 bazowy, int8 |
| Kroki, CFG | 20, 3.0 z negatywnym promptem |
| Sampler | euler, simple |
| Guidance | APG 1.0, 10.0, 0.3, potem FreSca 1.0, 2.0, 8 |
| Arkusz | 2432 × 1664, rząd 4 komórek lub siatka 4 na 3 |
| Tekstura | 1024 × 1024, stały seed |
| Przebieg naprawy szwu | image-to-image z 0.55, pas 96 pikseli |
| Mieszanie krawędzi | 24 piksele |