Пиксель-арт нейросеть рисует имитацию: как превратить 40 000 цветов в настоящий спрайт

Автор пайплайна, описанного в источнике, столкнулся с конкретной проблемой: модель Qwen Image 2.1 нарисовала двенадцать черновиков ведьмы-маскота для сайта-визитки. Каждый черновик выглядел как пиксель-арт, но по факту содержал больше 40 000 уникальных цветов в файле 1344 на 1344 пикселя. Ни палитры, ни сетки, а значит ни анимации, ни смены эмоций без рывков. Решение: код на Python, который превращает такие черновики в настоящие спрайты, написал ИИ-агент DeepSeek Harness с моделью DeepSeek Flash V4.1, а человек остался на разведке и приёмке.

Что понадобится?

• Генерация картинок: ComfyUI с моделью Qwen Image 2.1 в формате int8, текст-энкодер Qwen 3VL 8B int8, улучшатель промпта (промпт, текстовая инструкция для нейросети), VAE (модуль сжатия и восстановления изображений). Суммарно через память проходит около 25 ГБ, но модели подгружаются по очереди, и одной видеокарты с 16 ГБ хватает.
• Обработка: Python, библиотеки Pillow и numpy. Графические редакторы не нужны вообще.
• ИИ-агент для написания кода: в источнике использован DeepSeek Harness с моделью DeepSeek Flash V4.1. Подойдёт любой кодовый агент, способный писать и запускать скрипты обработки изображений.
• Время на один кадр: генерация 1664 на 944 пикселя на 25 шагах занимает около 18 секунд на прогретом стенде. С включённым улучшателем промпта около 41 секунды. Правка с двумя референсными картинками около 78 секунд.
• Понимание задачи: нужно заранее знать, сколько эмоций (кадров) требуется маскоту и при каких состояниях интерфейса они появляются.

Как собрать маскот пошагово?

1. Определите набор эмоций маскота. В описанном проекте это пять состояний: покой, чтение запроса, раздумье, довольная реакция, недовольство при ошибке. Маскот здесь не украшение, а индикатор состояния: каждая эмоция привязана к конкретному событию в интерфейсе.

2. Сгенерируйте черновики в Qwen Image 2.1. Используйте шаблон image_qwen_image_2_1_t2i для создания первых вариантов. Промпт формулируйте на английском, описывая позу, эмоцию и стиль. Пример базового промпта:

A small witch sitting on a ledge, pixel art style, flat colours,
simple pose, arms resting at sides, neutral expression

1. Проверьте, что получили, числом, а не глазами. Откройте файл скриптом на Python и посчитайте уникальные цвета. Если в картинке 1344 на 1344 обнаруживается 36 000 и более уникальных цветов, перед вами не спрайт, а имитация. Пиксель-арт нейросеть выдаёт именно такие имитации.

2. Попробуйте «прямую просьбу» через редактирование. Шаблон image_qwen_image_2_1_image_edit принимает две картинки: холст и источник стиля. Инструкция из источника:

Keep the composition, pose, camera and colour scheme of image1,
but render the whole frame with the flat, blocky, low-resolution
look of image2

Улучшатель промпта развернёт это в детальное описание: flat blocky pixel rendering, hard-edged colour blocks, no anti-aliasing. Результат выглядит убедительно, но замер покажет ещё больше цветов, чем на входе: 62 513 против 46 304 у исходника.

1. Соберите пайплайн постобработки. Поставьте задачу ИИ-агенту: написать скрипт на Python с Pillow и numpy, который берёт черновик и превращает его в спрайт с фиксированной палитрой. Каждый пиксель в результате должен содержать ровно один цвет из палитры, и это свойство проверяется программно.

2. Прогоните все двенадцать черновиков через пайплайн. Включая самый первый прототип, даже если он сделан на более ранней модели (в проекте прототип был с Qwen Image 2512). Без этого палитра не будет общей, и кадры при переключении будут «дёргаться».

3. Проверьте результат: плотность цвета у финального спрайта должна быть в десятки раз ниже, чем у черновика. В источнике плотность цвета у спрайта из пайплайна оказалась в 26 раз ниже, чем у «пиксельной» картинки, полученной прямой просьбой к нейросети.

Что делать с этим прямо сейчас?

Авторам Дзена и контент-мейкерам. Пиксельный маскот привлекает внимание в обложках и оформлении канала. Но если вам нужна только статичная картинка без анимации и смены палитр, хватит и черновика из нейросети. Пайплайн нужен тем, кто планирует менять эмоции или цвета маскота программно.

Маркетологам и владельцам сайтов. Маскот-индикатор состояния, как описан в источнике, это способ сделать интерфейс живым без дизайнера. Пять эмоций привязаны к событиям: загрузка, ответ, ошибка. Это применимо к любому сайту с чатом или формой обратной связи.

Предпринимателям в РФ и СНГ. Qwen Image 2.1 доступна для скачивания и локального запуска, санкционных ограничений на модель нет. DeepSeek тоже доступен. Из российских инструментов для генерации изображений можно попробовать Kandinsky от Сбера, но для описанного пайплайна постобработки ключевое, не генератор, а кодовый агент плюс Python.

Кейс показывает простую вещь: нейросеть берёт на себя генерацию и написание кода, но разведка, постановка задачи и приёмка остаются за человеком. Именно человек решает, что 40 000 цветов в «пиксельной» картинке это проблема, а не фича, и именно он решает, какой из двенадцати кадров пойдёт на сайт.