认得材质和颜色
把「铁」换成「钻石」「红宝石」,或者直接说「紫色的」「绿色的」。形状不变,配色跟着走。
TEXT TO SPRITE
StarItem 是一个跑在你自己电脑上的小模型。输入物品名或一句描述,它每次画三张 16×16 的 Minecraft 风格物品贴图,透明底,存成 PNG 就能放进模组或资源包。
TEXT TO SPRITE
一句话,画一个物品。
输入物品名或一句描述,每次生成三张像素贴图,挑喜欢的保存。中英文都可以。
界面演示。点「试试」后面的词,或者输入页面上出现过的物品名再点生成。回放的是 SIC-1.1 在默认参数下的真实输出,网页本身不运行模型。
MODEL OUTPUT
下面每一格都是 SIC-1.1 的原始输出:16×16、透明底,放大显示。每个词下面连着的三张,就是客户端一次给你的三张。
把「铁」换成「钻石」「红宝石」,或者直接说「紫色的」「绿色的」。形状不变,配色跟着走。
模型学了两种画风:模组作者手绘的贴图,和用 SDXL 生成再缩小的合成图。前者精致,后者认识的东西多。客户端会按物品自动选,也可以自己拖。
SIC-1.1 最熟的是模组里常见的东西:工具、武器、矿物、药水、食物。日常物品和结构复杂的东西(皇冠、书、吉他、雨伞)经常只有个大概,有时完全认不出。每次给三张,也是为了让你有得挑。
HOW IT WORKS
StarItem 不是把大图缩小,而是直接在 16×16 的 RGBA 像素上做扩散:每个像素连同透明度,都是模型一步步定下来的。
认出常见物品的叫法,补上训练时用的中英文名称:「汉堡」会变成「汉堡, hamburger」。一共认得 10,824 种叫法。
用 multilingual-e5-small 把提示词变成向量。中文和英文走同一个编码器,所以可以混着写。
一个约 1600 万参数的 UNet,从噪声出发做 30 步 DDIM 采样,三张图一起画。引导强度越高越贴近描述。
透明度二值化,得到三张边缘干净的 16×16 PNG。
REQUIREMENTS
模型很小,推理全在 CPU 上完成,一台普通的办公电脑就能跑。