Como fazer game assets consistentes com o Qwen-Image 2.1?

Por Atualizado em 16 min de leitura

O Qwen-Image 2.1 desenha uma folha inteira de game assets em uma só imagem: quatro vistas de uma figura, uma família de objetos ou um conjunto de props, em fundo transparente de verdade. Este guia traz o método usado em mais de 1000 arquivos: configurações, forma do prompt, recorte, texturas seamless e as folhas como referência para modelos de vídeo.

Uma folha, não uma imagem por asset

Em vez de pedir ao modelo uma imagem por sprite, peça uma folha: uma única imagem de 4 megapixels organizada em grade, cujas células você depois separa com um script.

  • Uma figura, um personagem por exemplo, é uma folha com quatro vistas dela.
  • Uma família de objetos é uma folha com oito a doze objetos diferentes.
  • Um item importante, como uma arma, é uma folha com várias vistas desse item.

Uma folha traz três coisas.

  • Consistência. As quatro vistas saem do mesmo render: mesmas cores, mesmo traje, mesma arma, mesma luz. Quatro renders separados dão quatro personagens diferentes.
  • Um só estilo compartilhado por todos os objetos de uma família.
  • Rendimento. Uma folha leva de quatro a cinco minutos e rende de quatro a doze sprites.
Folha de turnaround de uma jovem patrulheira gerada pelo Qwen-Image 2.1: quatro vistas do mesmo personagem em uma linha sobre fundo transparente
Um render, quatro vistas: frente, três quartos, perfil e costas. 2432 × 1664, 20 passos, CFG 3 com APG e FreSca. O prompt completo está mais abaixo.

As folhas não servem só para jogos. O turnaround de um personagem funciona como imagem de referência para o mockup de um app, uma HQ ou um storyboard. É também o tipo de imagem de referência que modelos de imagem para vídeo como Seedance, MiniMax Hailuo ou Wan 2.2 aceitam como ponto de partida.

Tudo o que vem abaixo foi verificado durante a produção de um conjunto de mais de 1000 arquivos: personagens, itens, efeitos, props e texturas para um único jogo. As configurações seguem o guia de configurações do Qwen-Image 2.1.

Configurações e o grafo do ComfyUI

Use o modelo base em vez do Turbo, com CFG 3 e prompt negativo, com APG e FreSca no caminho do modelo. Não há upsampler de prompt no grafo: o prompt entra como foi escrito.

NóConfiguração
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, resolução 1024
EmptyLatentImage2432 × 1664 para uma folha, 1024 × 1024 para uma textura
KSampler20 passos, CFG 3.0, euler, simple, denoise 1.0
VAEDecode, SaveImageo PNG sai em RGBA, veja a próxima seção

O caminho do modelo passa por UNETLoader, depois QwenImage21Cache, APG, FreSca e o KSampler. Tempos medidos na máquina que produziu o conjunto:

TarefaTempo
Folha, 2432 × 1664, 20 passos230 a 320 s
Textura, 1024 × 1024, texto para imagemcerca de 80 s
Passada de imagem para imagem, 1024 × 1024cerca de 40 s

O guia de configurações registra uma placa de 12 GB renderizando uma imagem de 4 megapixels deste tamanho com um pico de 11,5 GB nos pesos int8, então uma folha deve caber, desde que nada mais compartilhe a placa.

Duas armadilhas se você controla o ComfyUI pela API. No JSON enviado a /prompt, uma imagem de referência é passada como chave plana: "images.image_1": [node, 0]. A forma aninhada, "images": {"image_1": …}, é aceita sem erro, e a referência é ignorada em silêncio. E sempre confira se o PNG recebido está em modo RGBA. Um prompt mal enquadrado dá um fundo opaco; levante um erro em vez de recortá-lo.

Transparência nativa

O Qwen-Image 2.1 produz um canal alfa sozinho, desde que o prompt seja emoldurado por duas frases.

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

O resultado é um PNG RGBA de verdade. Cerca de 1 % dos pixels são semitransparentes e não há franja de cor. Isso substitui o velho fundo magenta para recortar por chroma key, que deixava bordas e obrigava a limpar o vazamento de cor.

Acrescente à frase final: no ground, no cast shadows, no frames, no text, no labels. Sem isso o modelo gosta de pôr uma sombra ou um pedaço de chão sob cada figura, e isso quebra o recorte.

Os quatro sprites da folha da patrulheira separados pelo canal alfa e exibidos sobre um fundo quadriculado
A mesma folha recortada em quatro sprites pelo canal alfa, sobre um fundo quadriculado. Sem franja, sem sombra, nada para limpar.

Como escrever o prompt de uma folha

Como nada reescreve o prompt por você, ele precisa ser longo e preciso: os prompts do conjunto têm de 2.500 a 3.000 caracteres, e um prompt curto dá uma folha pobre, com vistas parecidas entre si.

A ordem abaixo é a que funcionou. Mantenha-a.

  1. A frase RGBA de abertura.
  2. A figura e a grade. “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. As células, uma a uma, numeradas. “cell 1, … ; cell 2, … ; cell 3, … ; cell 4, …” Em uma grade de 4 por 2, nomeie também as linhas: “Top row: cell 1, … Bottom row: cell 5, …”
  4. A cláusula de identidade. “Same character in every cell: identical colours, proportions, costume, weapon and lighting.”
  5. O bloco de estilo, o mesmo para todo o conjunto.
  6. A frase RGBA de fechamento.

O prompt completo da folha da patrulheira acima:

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.

Regras aprendidas nos testes:

  • Descreva o material, não só o objeto. “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”.
  • Descreva cada vista pelo que a câmera vê, não pelo nome dela. “seen from a three-quarter back angle, turned 135 degrees so we see its back and its left side, the face hidden” funciona. “back three-quarter view” sozinho funciona bem menos vezes.
  • Uma vista de cima, se você acrescentar uma, precisa de insistência: câmera apontando direto para baixo, só o topo da cabeça e os ombros visíveis, sem rosto, “like a token on a tactical board game map”, como uma peça em um tabuleiro tático.
  • Diga o que não deve aparecer quando o modelo desvia. Uma criatura sem membros ganha garras e boca nas células de ataque se o texto for genérico. Escreva “no arms, no legs, no teeth”.
  • Escreva as células de ação, se você as acrescentar, para cada personagem. Um texto compartilhado, “the subject attacks”, dá poses fracas em todo o elenco. Cada personagem ganha sua própria preparação e seu próprio golpe: um porrete erguido, uma mordida, um sopro de fogo, um tentáculo.
  • Cuidado com as palavras que mudam o acabamento. “bold simplified, strong contrast, clean silhouette” para um ícone de inventário produziu um pictograma em preto e branco. Para um ícone colorido, escreva “in full colour, painted with exactly the same rich materials as cell 1”.
  • Um só bloco de estilo para todo o conjunto mantém personagens, objetos e props no mesmo mundo. O bloco deste conjunto está no prompt acima: ilustração de jogo pintada à mão, pinceladas visíveis, detalhe de materiais, silhuetas nítidas, luz frontal suave vinda de um pouco acima, uma luz de recorte fria, sem contorno, sem motion blur.

O prompt negativo do conjunto:

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

A folha da patrulheira renderizada a partir de um prompt com menos de 400 caracteres: as quatro vistas se mantêm, mas o traje desvia
A mesma patrulheira a partir de um prompt com menos de 400 caracteres, mesma seed e mesmas configurações. As quatro vistas se mantêm, mas o traje desvia: mangas curtas, outro gibão, a trança sumida na vista de costas. O comprimento carrega a informação de que o modelo precisa.

Templates de folha

Todas as folhas têm 2432 × 1664 pixels.

Figura única: uma linha de 4, um personagem

CélulaVista
1em repouso, de frente
2em repouso, três quartos de frente
3em repouso, perfil estrito
4em repouso, de costas

Quatro vistas em uma linha é o layout que se manteve em todos os testes: células altas, uma figura grande e a arma desenhada certa em cada vista. Uma grade de 4 por 2 com uma vista de cima e duas células de ação também funciona, mas essas quatro células extras são onde as folhas dão errado: uma segunda lâmina na vista de costas, uma espada fora do lugar na vista de cima, uma mão estranha no golpe. Acrescente-as quando precisar delas e confira uma por uma.

Família de objetos: 4 por 3 ou 4 por 2, objetos diferentes

Uma linha por célula: “Cell 5, row 2 column 1: description.” Objetos compridos recebem “lying horizontally across the cell, pointing to the right”, deitados na horizontal e apontando para a direita, para preencher a célula. Termine com: “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.”

Doze objetos por folha é o máximo usado no conjunto. Acima disso as células ficam pequenas.

Folha com doze objetos de masmorra gerada pelo Qwen-Image 2.1 em uma grade de 4 por 3 sobre fundo transparente: chave, tocha, poção, bolsa, machado, escudo, pergaminho, lanterna, espada, pão, bússola, corda
Doze objetos, um render, um estilo. Cada célula é nomeada com sua linha e coluna no prompt.

O prompt completo desta folha:

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.

Props e efeitos: 4 por 2 ou 4 por 3

Props: “dungeon fixtures seen straight on from the front”, com luz uniforme. Efeitos: “glowing, with soft luminous edges”. Projéteis: “flying to the right”.

Um item em várias vistas: uma linha de 4

O mesmo objeto nas quatro células: a vista base de frente, caído no chão visto de cima, um ícone de inventário colorido, um ícone de ação em dois tons. Vistas de arremesso podem ser acrescentadas em uma segunda linha; uma primeira série, um falchion e um machado, deu escorços convincentes, incluindo o machado visto pelo fio, mas uma arma arremessada vista de frente é a célula que mais falha. Este template é o mais novo do conjunto e ainda está em avaliação.

Folha de um frasco de poção em quatro vistas gerada pelo Qwen-Image 2.1: em pé, no chão, ícone de inventário e ícone de ação
Um frasco, quatro vistas. Os ícones ficam nas células 3 e 4. Uma sombra leve escapou sob as duas primeiras células apesar da frase de fechamento.

A mesma receita em outros estilos

A grade, os textos das células e a moldura RGBA não dependem do estilo. Só o bloco de estilo muda. As folhas abaixo vêm do prompt da patrulheira com o bloco de estilo trocado por um destes:

  • 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.
  • Vetorial 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.

Para o bloco low poly, tire “3d render” do prompt negativo, ou as duas instruções brigam.

A sprite sheet da patrulheira renderizada pelo Qwen-Image 2.1 em estilo pixel art 16-bit
Bloco pixel art. Mesma grade, mesmos textos de célula, mesma seed.
A sprite sheet da patrulheira renderizada pelo Qwen-Image 2.1 em estilo anime com cel shading
Bloco anime.
A sprite sheet da patrulheira renderizada pelo Qwen-Image 2.1 em estilo vetorial flat
Bloco vetorial flat.
A sprite sheet da patrulheira renderizada pelo Qwen-Image 2.1 com visual low poly 3D
Bloco low poly, com “3d render” retirado do prompt negativo.

Nas quatro folhas acima a personagem, seu traje e suas poses se mantiveram de um bloco para outro; só a renderização mudou. Escolha um bloco para o conjunto inteiro. Sprites feitos com blocos diferentes não combinam entre si.

Recortar a folha em sprites

O recorte é feito pelo canal alfa, em quatro etapas.

  1. Divida a imagem em células iguais.
  2. Em cada célula, pegue a caixa delimitadora dos pixels com alfa acima de 32, com uma margem de 4 pixels.
  3. Zere o alfa abaixo de 24, o que remove o halo.
  4. Trate como vazia uma célula com menos de 100 pixels opacos.

Depois posicione cada sprite conforme o uso.

  • Sprite de personagem: em uma tela com a proporção da imagem de referência do jogo, pés na borda inferior.
  • Objeto: centralizado na tela.
  • Ícone de inventário: um quadrado de 192 pixels. Um objeto mais comprido que 1,6 vez sua largura é girado 45 graus, ponta para o canto superior direito.
  • Porta, grade de ferro: esticada de borda a borda, alfa forçado em 255. As portas saem de duas a quatro vezes mais escuras do que o desejado, então ajuste o brilho delas a uma referência.

Se uma figura invade a célula vizinha, o recorte a trunca. É por isso que o prompt pede “generous empty space between the cells”.

Texturas seamless

O modelo não produz um tile perfeito mesmo quando se pede, então o método abaixo, mantido depois de várias falhas, conserta a emenda a posteriori.

  1. Texto para imagem em 1024 × 1024 com “A seamless tileable texture, top-down flat orthographic close-up of … Even diffuse lighting, no vignette, no perspective.”
  2. Desloque a imagem em metade da largura e metade da altura. A emenda agora passa pelo meio, em forma de cruz.
  3. Imagem para imagem com força 0.55 sobre a imagem deslocada, com o nó QwenImageImg2Img.
  4. Mantenha só uma cruz central suavizada dessa passada, 96 pixels de cada lado da emenda com um desfoque gaussiano de 32 pixels, colada de volta sobre o original deslocado. As bordas continuam sendo o interior intocado do primeiro render.
  5. Desloque de volta no sentido contrário.
  6. Faça uma mistura espelhada de 24 pixels de cada lado da borda para anular o último salto de cor, e portanto de relevo.
  7. Derive o normal map e a roughness da imagem final.

Medida de controle: a diferença média entre bordas opostas dividida pelo gradiente médio dentro do tile. Em 1,0 a emenda não é diferente de nenhum pixel vizinho.

Uma textura de piso de pedra do Qwen-Image 2.1 repetida 2 por 2: o render bruto mostra uma emenda visível em forma de cruz, a versão corrigida não
A mesma textura repetida 2 por 2. Esquerda: o render bruto, a emenda forma uma cruz. Direita: depois da passada de imagem para imagem deslocada e da mistura espelhada.

O que não funcionou:

  • Uma passada completa de imagem para imagem sem máscara: o modelo recria uma emenda nas próprias bordas.
  • Duas passadas alternadas: o resultado piora, 2,07 e depois 2,43 na textura do piso.
  • Repintar uma textura existente de baixa resolução em imagem para imagem: resultado listrado. Recomece do texto para imagem.

Peça padrões grandes, cinco ou seis fiadas de blocos por tile. Padrões pequenos deixam a repetição óbvia.

Refazer, conferir, iterar

  • Uma folha é determinística para um dado prompt e seed. Guarde o PNG bruto e o texto do prompt ao lado dele.
  • Refaça um personagem refazendo a folha inteira com outra seed, nunca uma célula só. Guarde a folha antiga: uma pose melhor pode ser aproveitada dela mais tarde.
  • Separe o desenho do recorte. O recorte e o posicionamento podem rodar de novo a partir das folhas brutas sem chamar o ComfyUI.
  • Torne o lote retomável. Uma folha que já está no disco não é desenhada de novo, então uma execução de três horas sobrevive a uma interrupção.

Três verificações valem a pena antes de os sprites entrarem no jogo.

  • Revise sobre fundo claro ou quadriculado, não sobre cinza escuro. Um fundo escuro esconde franjas e halos.
  • Olhe no tamanho do jogo, não só ampliado. Um ícone precisa continuar legível em 32 pixels.
  • Tire uma captura de tela dentro do jogo para conferir os sprites contra as superfícies. Sprites em HD sobre paredes feitas de pixels grandes destoam. As superfícies precisam então ser refeitas no mesmo nível.

Limites conhecidos

  • Os objetos às vezes saem fotográficos demais, metal e vidro acima de tudo. Corrija caso a caso no texto.
  • As células de ação são a parte menos confiável. Confira-as personagem por personagem.
  • Os tons oscilam de uma folha para outra: paredes ficam azuis, portas saem escuras. Fixe a cor no texto e corrija depois se for preciso.
  • O modelo pode fundir ou duplicar células em uma grade lotada. Fique em doze células no máximo e nomeie cada célula com sua linha e coluna.
  • Texto e símbolos nos objetos, runas ou inscrições, não são confiáveis. Deixe-os de fora ou acrescente-os depois.
  • Licença. Os pesos estão sob a Qwen Research License: só pesquisa e avaliação. Assets distribuídos em um jogo comercial exigem antes uma licença da Qwen, e um serviço hospedado tem termos próprios.

As configurações do conjunto em uma tabela:

ConfiguraçãoValor
ModeloQwen-Image 2.1 base, int8
Passos, CFG20, 3.0 com prompt negativo
Samplereuler, simple
GuidanceAPG 1.0, 10.0, 0.3 e depois FreSca 1.0, 2.0, 8
Folha2432 × 1664, uma linha de 4 ou grade de 4 por 3
Textura1024 × 1024, seed fixa
Passada da emendaimagem para imagem em 0.55, faixa de 96 pixels
Mistura de borda24 pixels

Perguntas frequentes

O Qwen-Image 2.1 consegue gerar PNGs transparentes?

Sim, sem nenhum pós-processamento. Abra o prompt com “This is an RGBA image with transparency.” e feche com “The image has alpha channel and the background is transparent.” O PNG tem um canal alfa de verdade, cerca de 1 % de pixels semitransparentes e nenhuma franja de cor. Acrescente “no ground, no cast shadows” ou o modelo desenha um chão sob a figura.

Quantos sprites cabem em uma folha?

Quatro para um personagem ou qualquer outra figura única, em uma linha com 2432 × 1664 pixels: frente, três quartos, perfil e costas. Até doze para uma família de objetos, em uma grade de 4 por 3. Acima de doze as células ficam pequenas, e o modelo começa a fundi-las ou duplicá-las. Nomeie cada célula com sua linha e coluna, e peça bastante espaço vazio entre as células para que o recorte não trunque nada.

Posso usar essas folhas para vídeo ou em um jogo comercial?

Uma folha de turnaround é o tipo de imagem de referência que modelos de imagem para vídeo como Seedance, MiniMax Hailuo ou Wan 2.2 aceitam como ponto de partida. Para um jogo comercial, confira a licença antes: os pesos do Qwen-Image 2.1 estão sob a Qwen Research License, que cobre só pesquisa e avaliação. O uso comercial exige uma licença separada da Qwen.