低成本本地模型能把「角色四视图」做到什么程度？

victor.x.qu2026-10-23 12:12

------ Meowcute 项目基于 Qwen-Image-2.1 的实践报告

项目：Meowcute（pixelforge，本地 AI 游戏素材生成台）

项目地址：https://github.com/fs7744/meowcute

日期：2026-10-23
⚠️ 声明：这是一个业余实验项目。

本文记录的是个人在业余时间、用一张消费级显卡做的探索，目的是看看"低成本、全离线"能走到哪一步。

它比不上专业的游戏开发工具和先进的 AI 模型 ，样本量小、没有经过生产环境检验。

如果你要做真实的项目，推荐优先使用更好、更专业的工具和模型 （见第 9 节）。

硬件：单卡 RTX 4090 24GB，系统内存约 32GB

关键词：Qwen-Image-2.1 · 指令改图 · 角色四视图 · 原生 RGBA · 低成本 · Wan2.2-TI2V-5B

摘要

本文记录 Meowcute 项目用单张消费级显卡 + 全离线开源模型生成游戏角色四视图（正 / 左 / 背 / 右）的完整做法和实测结论。

核心做法是：正视图由文生图产出，侧 / 背 / 右三张由 Qwen-Image-2.1 以正视图为参考图、按中文指令逐张"原地转身"推导，最后用纯 numpy/PIL 做确定性拼板。

主要结论：

  1. 能用，而且比上一代本地底座好。 同图同指令对比 Qwen-Image-Edit-2511，Qwen-Image-2.1 更忠实（背包等配件不丢），单次 13~19s（快 6~9 倍），峰值显存 14.7GB（低约 5GB），还能原生输出透明通道，可以省掉抠图。
  2. 决定质量的是工程而不是模型。 一半以上的质量提升来自三件事：指令写成"几何守恒"条款、参考图预处理、拼板后处理。只换模型、不做这些，结果会丢配件、镜像错位、长出不存在的披风。
  3. 低成本的天花板很清楚。 适合学习、原型验证、个人练手、像素风小人。不适合正式的游戏生产（原因见第 7 节）。真实项目请优先使用专业的游戏开发工具和先进的 AI 模型。
  4. 下一步：用 Wan2.2-TI2V-5B 把四视图 / 八方向立绘变成行走视频，再抽成动画序列帧和精灵表。管线代码已经写好，系统化评测是下一阶段的工作。

1. 背景：为什么四视图难

做游戏素材，难点不在"出一张好看的图"，而在"同一个角色从四个角度看都是同一个角色"。具体要求是：

要求 说明 违反后的表现
身份一致 脸型、耳朵、花纹、体型比例不变 转个身变成"长得像的另一个角色"
配件守恒 腰刀、背包、单肩包在角色自身的同一侧 配件消失、跑到另一条腿、左右各一个
遮挡正确 被身体挡住的就该挡住 模型把配件"挪出来给你看"
不凭空添加 正面没有的部件，背面也不能有 背面长出一件红披风
画面稳定 角色居中、大小一致、底部对齐 拼板时四个角色高低不齐

忠实度（该动的动、不该动的别动）比好看重要，这是本项目选型时的一票否决标准。

1.1 为什么不让模型"一张图画四个视角"

归档项目实测过：让模型在一张图里同时画正、侧、背，结果基本不可控------角色重叠、数量不对、视角缺失，而且没法裁切。所以本项目改成每张图只画一个角色、一个视角，拼板交给确定性代码。

2. 方法总览

2.1 整体流程

flowchart LR A"角色描述\
（中文，写清配件侧别）" --> B"Qwen-Image-2.1\
文生图" B --> C{"挑选正视图<br/>（可一次抽 n 张）"} C --> D1"指令接力：左视图" C --> D2"指令接力：背视图" C --> D3"指令接力：右视图" D1 & D2 & D3 --> E"后处理\
透明直通 / 抠图修复" C --> E E --> F"确定性拼板\
统一底色 · 水平居中 · 底部基线对齐" F --> G"四视图板 PNG\
（可选 RGBA 透明底）" style B fill:#e8f0fe,stroke:#4a6fd8 style D1 fill:#e8f0fe,stroke:#4a6fd8 style D2 fill:#e8f0fe,stroke:#4a6fd8 style D3 fill:#e8f0fe,stroke:#4a6fd8 style F fill:#e6f4ea,stroke:#3c8c5a

蓝色是模型推理，绿色是纯 numpy/PIL 的确定性步骤（几秒，不需要 GPU）。

关键设计：侧 / 背 / 右三张都以正视图为参考图，而不是"左视图再转成背视图"这样串联。串联会让误差逐级累积。

2.2 一个底座管所有图片

2026-10-23 起，图片侧只保留 Qwen-Image-2.1 一个底座：
flowchart TB subgraph OLD"之前：三套底座并存" Z"Z-Image-Turbo\
文生图" Q"Qwen-Image-Edit-2511\
指令改图" U"u2net / rembg\
抠图" end subgraph NEW"现在：一个底座" Q21"Qwen-Image-2.1\
文生图 + 指令改图 + 原生 RGBA" UB"u2net\
（只在不透明输入时兜底）" end OLD -->|"统一"| NEW

统一的直接原因是静默失效：三套底座并存时，"负面词只在一个底座生效"、"透明声明只在一个底座被识别"这类问题不报错，只表现为"效果不对"，反复出现。只剩一个底座之后，这类问题就无处可藏了。

2.3 显存方案：24GB 卡怎么装下 7B 模型

全 BF16 权重约 32GB，24GB 卡放不下，本机 32GB 内存也扛不住一次性加载。做法：
flowchart LR T"transformer\
13.25GB bf16" -->|"逐组件加载<br/>fp8 E4M3 逐通道量化"| T8"fp8 + 落盘缓存\
（二次加载命中 0s）" E"text_encoder\
16.33GB bf16" -->|"torchao fp8<br/>约 9s"| E8"fp8" T8 & E8 & V"VAE" --> P"组装 QwenImage21Pipeline" P --> O"enable_model_cpu_offload\
峰值约 14.8GB，用完即释放"

另外，图片底座和视频底座（Wan）互斥换出，不同时驻留显存。

3. 指令工程：把"转个身"写成可核对的几何约束

这是本项目投入最多、收益也最大的部分。最初的指令只有一句"转成侧面视图，不新增也不删除任何部件"，结果问题很多。逐轮修正之后，指令变成 8 段，顺序就是优先级：
flowchart TB S1"① 转到哪\
像原地转身一样整体转 90°，镜头不动" --> S2 S2"② 自身左右锚定\
正视图画面右侧 = 角色左侧；本视角离观众最近的是哪一侧" --> S3 S3"③ 部件清单\
来自用户的角色描述，声明其中的'正面'等视角词作废" --> S4 S4"④ 配件守恒\
单侧配件同侧、同高度、同固定方式，只跟着身体转" --> S5 S5"⑤ 背覆体积守恒\
从肩背垂下的大片部件，背面至少与肩同宽" --> S6 S6"⑥ 遮挡守恒\
该挡就挡，不挪到轮廓外面" --> S7 S7"⑦ 身份锚点\
脸型/耳/花纹/尾巴/比例逐项一致" --> S8 S8"⑧ 外观与姿势不变\
不改走姿、不抬手、不重新构图"

3.1 每一段都是被具体失败逼出来的

失败现象（实测） 根因 修法
正面没有披风的角色，转背面长出红披风 早期指令把示例角色的造型（"红色披风背部完整可见"）写死了，对所有角色生效 指令里不点名任何具体服装、配件或颜色，只描述视角怎么变
腰挎的刀转侧面后整把消失、或跑到另一条腿 模型按"画面左右"理解位置，而正视图是镜像的 写明"正视图画面右侧 = 角色左侧"，并说明每个视角能看到哪一侧（第 ② 段）
左视图里刀被收进身体里 模型把离观众最近的胳膊当成遮挡物 写明"近侧配件在最外层，画在胳膊和腿外面"
背视图披风消失或缩成领口一圈窄边 正面只看到一条边，模型默认省略 用几何位置 描述（从肩背垂下、盖住后背），给出可验证的事实（至少与肩同宽）；写成条件句，不写"披风"这个名词
背景句不生效 指令约 470 字 ≈ 610 token，超出 512 的序列长度后尾部被截断，截断不报错 背景要求挪到指令最前面；序列长度取"设置值"和"指令实际长度"的较大者
调 CFG 没反应 true_cfg_scale 在没传 negative_prompt 时静默失效（cfg1 与 cfg4 输出 md5 完全相同） 永远显式传负面词（空串也行）

3.2 部件清单 A/B 实验

同一张正视图（左腰挎刀），2 个变体 × 3 个种子：

  • A：只有通用几何条款
  • B：再附上用户原始的角色描述作为"部件清单"

结果：补上"近侧配件在最外层"之后，6 张左视图全部保留刀具，刀柄朝前、刀鞘顺腰线向下、与正视图同侧，没有一张镜像到另一条腿。

3.3 指令救不回来的边界

如果正视图自己就把配件画在身体中线、斜跨在腰带上，三维位置本来就模糊，侧视图仍会把它丢掉（实测 2/2 都丢）。把参考图铺白或铺灰再喂也没用，因为这是画面本身的问题。

解法在上游：正视图的提示词写清侧别（"左腰侧挎武士刀"而不是"腰挎武士刀"），出图时配件就会落在腰侧，后续推导才有明确的锚点。

4. 图像条件与后处理

4.1 参考图别先弄坏再让模型照着画

provider 原先把参考图 convert("RGB")（透明区被压成黑色）再 resize((w,h))（被拉伸变形）。等于先把参考图弄坏，再让模型照着画。现在统一走"等比缩放居中 + 按目标底色铺平"。这一条对"像不像"的影响比改文字更大。

4.2 原生透明 vs 抠图

flowchart TB IN"视角图" --> Q{"透明像素占比 > 2%？"} Q -->|"是：Qwen-Image-2.1 原生 RGBA"| PASS"alpha 直通\
不再二次抠图" Q -->|"否：不透明图"| M1"铺 12% 边距\
防踩边的脚被截掉" M1 --> M2"u2net → GrabCut → 颜色键" M2 --> M3"补封闭孔洞（≤8% 画布）" M3 --> M4"补被轮廓围住的区域\
Canny 边当墙，四边 flood fill" M4 --> M5"边缘溢色清洗" PASS & M5 --> OUT"进入拼板"

右边这一长串修复，每一步都对应一个实测 bug：

  • 角色的脚踩到画布底边，u2net 把它当成出画部分截掉（背视图白色脚掌只保留 8.6%）。
  • 灰猫后脑勺的颜色（#7C7879）和中灰底（#787878）只差 3 个色阶，被判成背景，拼板上变成"只剩黑描边的空心脑袋"。
  • 背视图的头和外部背景在 alpha 里连通（不是封闭孔洞），拼板上是"没有脑袋的披风"。

原生透明通道让左边这条短路径成为可能。触发透明需要一段"双段式"声明，只写"透明背景"不够（实测 alpha 恒为 255）；加上完整声明后，68.5% 的像素真正透明，四角 α≈1，角色完整无缺损。

4.3 拼板

拼板是纯确定性操作：每张图抠出主体 → 主体水平中心对齐格子中心 → 主体底部对齐共同基线 → 钳位不出画布。缺右视图时自动退化成三视图板，兼容旧项目。

4.4 抽卡要成套

正视图一次生成 n 张时，早期实现每个视角只取 images[0]，导致用户挑中的"好那几张"永远进不了四视图。现在每张视角图带 pairIndex 指回源正视图，拼板可以"按第 k 组"一键对齐。配对靠序号，不靠看图猜。

5. 实验结果

所有对比遵守同一条纪律：同一张基准图 + 同一句中文指令 + 同一种子对跑，不看榜单下结论。

5.1 底座选型

候选 结论 关键证据
Qwen-Image-Edit-2511 + Lightning 8 步 LoRA ❌ 证伪 同样 8 步，挂 LoRA 比不挂慢 61.8s；胡须消失、双腿糊在一起
Qwen-Image-Edit-2511 只降步数 ❌ 证伪 20 步已丢武士刀和胡须；8 步完全不可用；40 步是画质底线
Bria Fibo 2.0 ❌ 未测即排除 模型卡仅英文、CC BY-NC 禁商用、diffusers 未合并、24GB 放不下
Qwen-Image-2.1 ✅ 附条件采纳 见下表

教训：光看"提速 10 倍"的宣传，会以为 Lightning 是白捡的便宜。在本项目的 fp8 + cpu offload 栈上，它既慢又掉画质。推测原因是 peft 包了一层后 offload 钩子认不出 fp8 模块，每步都要把约 20GB 权重重新搬一次 PCIe（机制为推断，现象为实测）。

5.2 Qwen-Image-2.1 vs Qwen-Image-Edit-2511（单张转身）

基准：像素风胡子矮人（朝右，背背包），指令"转向左侧"，40 步、true_cfg 4.0、384×512。

指标 Qwen-Image-2.1（fp8） Qwen-Image-Edit-2511（fp8）
朝向改写 ✅ ✅
造型保留 ✅ 胡子/帽/腰带/背包（三瓶细节都在）/像素风全保留 ⚠️ 背包整个丢失，网格底变灰底
原生透明 ✅ 68.5% 像素真透明 ❌ 无 alpha，需抠图
单次耗时 12.9~18.6s 115s
峰值显存 14.6~14.8GB 19.8GB

5.3 八方向压力测试（单锚点全量旋转）

刻意用比生产更难的口径：只给正面一张锚点，直接转到 45°/90°/135°/180°。

方向（旋转量） Qwen-Image-2.1 Qwen-Image-Edit-2511
左下（45°） ✅ 背包 + 三瓶 ✅ 背包在，偏平
左（90°） ❌ 背包丢失 ❌ 背包丢失
左上（135°） ✅ 干净 ✅ 有噪点
背（180°） ✅ 色板最贴锚点 ✅ 偏糊
右上（135°） ✅ 干净 ✅ 瓶子糊成团
右（90°） ✅ 背包保住 ❌ 背包丢失
右下（45°） ✅ 最清晰 ✅ 偏平
保住背包 6 / 7 5 / 7
耗时 / 显存 17~24s / 14.75GB 119~179s / 19.84GB

90° 正侧面丢背包是两个模型的共性短板。生产管线里侧视图本来就是 0° 直通的锚点，这个短板被策略性绕开了。

5.4 单套四视图成本估算

环节 次数 单次耗时 小计
正视图文生图 1（抽卡可多张） 约 15~20s 约 20s
左 / 背 / 右推导 3 13~19s 约 40~60s
拼板（CPU） 1 数秒 数秒
合计 约 1~1.5 分钟 / 套

边际成本基本只有电费（4090 整机满载约 450~600W，按 1.5 分钟估算约 0.01~0.015 kWh / 套，为估算值）。没有任何 API 调用费，数据不出本机。

6. 优缺点

6.1 优点

优点 说明
全离线、零 API 费用 数据不出本机，边际成本约等于电费；适合有保密要求的素材
一张 24GB 消费卡就够 fp8 + offload 后峰值 14.8GB，还留出余量
中文指令原生可用 整条工具链都是中文，Qwen 系中文理解是强项
原生透明通道 省掉抠图这一最容易"啃掉脚、长出部件"的环节，同时提速、提画质
快 单视角 13~19s，比上一代本地底座快 6~9 倍
一个底座管所有图片 少维护两套权重和参数，消除"只在一个底座生效"的静默失效
可复现、可审计 种子、指令、参数全部落在项目文件里，同条件可重跑
像素小人效果好 黑描边、色块清晰的像素角色，忠实度和稳定性最好

6.2 缺点与限制

缺点 说明 能否缓解
90° 正侧面易丢配件 背包类后挂配件在正侧面容易消失（两个模型共性） 部分：侧别写清 + 接力锚点；仍需人工挑选
正视图有歧义时救不回来 配件画在中线时侧视图必丢 只能从上游提示词解决
需要大量指令工程 指令约 470 字，8 段条款都是踩坑换来的 已沉淀进代码，新角色直接复用
授权限制 Qwen Research License：模型本身商用受限，Qwen 声明产出图归用户 商用前需法务确认具体场景
不能省步数 40 步是画质底线，蒸馏 LoRA 在本栈上反而更慢更差 Turbo 版未测
依赖版本咬得紧 要求 diffusers ≥ 0.41、transformers ≥ 5.17 固定环境版本
内存门槛 32GB 内存需要组件分批加载才能装下 已在 provider 中实现
验证样本少 目前主要是单种子、少数角色（矮人、猫武士） 待做多种子、多角色回归
复杂手绘角色不稳 细节多、无描边的手绘风格偶发风格漂移 多抽几张 + 人工筛选

7. 低成本能做到什么程度

按角色类型看：

角色类型 造型复杂度 风格要求 低成本方案适用度
像素小人（黑描边、色块清晰） 低 宽松 ✅ 直接可用
Q 版角色（如猫武士） 中 中 ✅ 可用，偶尔多抽几张
带单侧配件的角色（腰刀、背包） 中高 中 ⚠️ 可用，正侧面需人工筛选
手绘复杂角色 高 中高 ⚠️ 可用，需要人工修图
品牌 IP 主角 高 严格 ❌ 建议用先进模型或人工

按能力等级看：

能力等级 低成本方案的现状
L1 单张好看的正视图 ✅ 稳定
L2 四视图身份一致 ✅ 像素风 / Q 版基本稳定
L3 单侧配件守恒、遮挡正确 ⚠️ 指令工程后大部分可用，正侧面仍偶发丢件
L4 透明底直接进引擎 ✅ 原生 RGBA 成立
L5 八方向一致 ⚠️ 45° / 135° / 180° 好，90° 有共性短板
L6 可动的动画序列帧 🔜 下一阶段（Wan2.2，见第 8 节）
L7 大批量免审直接上线 ❌ 仍需人工挑选与修图

一句话：低成本方案能稳定做到 L4，L5 大部分可用，L6 正在验证，L7 做不到。

作为对照，专业的游戏美术流程（美术设定 + 专业 2D/3D 工具 + 骨骼动画工具）和先进的商业 AI 模型，在 L3~L7 上都明显更成熟。本项目的意义在于摸清低成本方案的边界，而不是替代它们。

8. 下一步：Wan2.2-TI2V-5B 生成视频 → 动画序列帧

8.1 为什么用视频模型而不是逐帧改图

逐帧改图时，每一帧都是独立推理，帧与帧之间没有运动连续性，快速动作会抖。视频模型一次生成整段动作，肢体轨迹天然连贯，抽帧后就是现成的循环素材。

8.2 计划中的链路

flowchart LR FV"四视图 / 方向立绘\
（Qwen-Image-2.1）" --> WAN"Wan2.2-TI2V-5B\
图生视频\
81 帧 @ 24fps ≈ 3.4s" WAN --> MS{"运动量检测<br/>动没动？"} MS -->|"太静"| UP"升高 guidance_scale\
+ 步数重试" --> WAN MS -->|"合格"| SEQ"序列帧\
均匀抽 8 帧（首尾都取）\
相邻去重\
抠图修复" SEQ --> MIR"右侧方向\
整段水平镜像" MIR --> SHEET"精灵整图\
+ 元数据 JSON" SHEET --> GD"游戏引擎\
（Godot 等）" style WAN fill:#fff4e5,stroke:#d98a00 style SEQ fill:#e6f4ea,stroke:#3c8c5a style SHEET fill:#e6f4ea,stroke:#3c8c5a

八方向的策略：只真实生成 5 个方向（正、左下、左、左上、背），右侧 3 个用对应左侧方向的整段帧镜像得到，省一半视频时间（视频是整条链路最慢的一步）。注意要镜像整段帧，只镜像首帧的话后续帧会翻回去，播放时"闪一下"。

8.3 预期与已知风险

项 预期 / 已知
单段耗时 约 60s / 方向（fp8，20~30 步，历史实测）
显存 约 10GB 起；与 Qwen-Image-2.1 互斥换出
授权 Wan2.2 为 Apache-2.0，商用友好
风险 1：动作幅度不够 已做运动量检测 + 自动提高 guidance 重试
风险 2：起步/停步帧重复 相邻去重（降采样平均像素差阈值）
风险 3：抠图问题回归 视频帧不带 alpha，需移植四视图的三项抠图修正；能否换成原生透明待研究
风险 4：循环不闭合 首尾都抽，依赖 Wan 生成的动作本身接近循环，待验证
风险 5：像素风在视频中被"抹平" 待测：可能需要对每帧再做 FFT 网格对齐 + 共享色板

计划的评测指标：循环是否闭合、帧间身份漂移、配件是否闪烁、单方向耗时、每方向可用帧比例。

9. 建议：真实项目用低成本方案，还是用先进模型？

flowchart TB START("你的需求") --> Q1{"是真实的游戏项目吗？"} Q1 -->|"是：要上线、要交付"| PRO"⭐ 推荐：专业游戏开发工具\
+ 先进的 AI 模型\
+ 专业美术把关" Q1 -->|"否"| Q2{"目的是什么？"} Q2 -->|"学习原理 / 个人练手"| LOW"可以参考本项目\
Qwen-Image-2.1 + Wan2.2" Q2 -->|"快速验证一个点子"| Q3{"有预算用先进模型吗？"} Q3 -->|"有"| PRO Q3 -->|"没有，且数据不能出本机"| LOW style PRO fill:#e8f0fe,stroke:#4a6fd8 style LOW fill:#f1f3f4,stroke:#888

我们的推荐

一句话：真实项目请用更好、更专业的工具和模型。本项目只是业余实验，仅供学习参考。

  1. 做真实的游戏项目：优先使用专业工具和先进模型。 专业的游戏美术流程、成熟的 2D/3D 与动画工具，以及先进的商业 AI 模型，在角色一致性、动画质量、工作流集成和售后支持上都远比本项目成熟。素材出错的返工成本，通常远高于工具和模型的费用。
  2. 需要专业美术把关。 无论用什么 AI，正式上线的素材都应该由专业美术审核和修整。本项目连"大批量免审"都做不到，更不能替代美术。
  3. 本项目适合的场景很有限：学习扩散模型的指令改图原理、个人练手、在没有预算且数据不能出本机时做概念验证。
  4. 如果你要参考本项目，最值得借鉴的是方法，不是结果。 本项目最大的收获是"同图、同指令、同种子对跑"这条纪律：它证伪了看起来很美的 Lightning 加速，也发现了 CFG 静默失效、序列截断这类不会报错的问题。这条纪律在评估任何专业模型时同样适用。

选型提示：先进模型的版本、价格、授权条款各不相同，请按自己项目的约束，用同一套基准图对跑后再决定，不要只看榜单或宣传。

10. 复现

项目源码：https://github.com/fs7744/meowcute

10.1 环境

复制代码 
GPU      : 单卡 24GB（RTX 4090 实测）
内存     : 32GB（需组件分批加载）
diffusers: >= 0.41（QwenImage21Pipeline）
transformers: >= 5.17
权重     : models/qwen-image-2.1（官方 diffusers 格式约 31GB）
           models/wan2.2-ti2v-5b

10.2 关键参数

参数 值 备注
步数 40 画质底线，不建议降
true_cfg_scale 4.0 必须同时传 negative_prompt，否则静默失效
负面词 地面、接地阴影、两个角色、重复的配件、文字、水印 只放"这个视角绝不该出现的东西"
序列长度 max(设置值, 指令实际长度) 防止尾部被静默截断
参考图 等比缩放居中 + 按目标底色铺平 不要 convert("RGB") + 拉伸

10.3 相关脚本

文件 用途
backend/app/pipelines/threeview.py 四视图指令、抠图修复、拼板
backend/app/pipelines/walkvideo.py 方向立绘推导 + Wan 图生视频
backend/app/pipelines/sequence.py 抽帧、去重、抠图
tools/exp_qwen21.py Qwen-Image-2.1 三项实测
tools/exp_b_cmp_edit2511.py 同条件对照 Edit-2511
tools/exp_b_8dir.py 八方向一致性压力测试
tools/exp_view_prop.py 部件清单 A/B
tools/test_view_consistency.py 单侧配件不丢、不镜像验证
tools/test_view_batch.py 抽卡配对 + 背覆体积守恒 A/B
tools/test_transparent_fourview.py 透明四视图验证
docs/模型选型调研-2026-10-21.md 底座选型完整记录

附：经验清单（给想自己做的人）

  1. 一张图只画一个角色、一个视角；拼板交给代码。
  2. 所有视角都以正视图为参考，不要串联接力。
  3. 指令只描述"视角怎么变"，不点名任何具体服装、配件、颜色。
  4. 写明"正视图画面右侧 = 角色左侧"，模型才能分清左右。
  5. 正视图提示词就要写清配件侧别（"左腰侧挎刀"）。
  6. 想让大部件在背面保留，用几何位置描述，不写名词。
  7. 关键要求放在指令最前面，长指令的尾部会被静默截断。
  8. 用 CFG 就必须传负面词，哪怕是空串。
  9. 参考图要等比缩放、铺好底色，别先把它弄坏。
  10. 能出原生透明就别抠图；必须抠图时，先铺边距、再补孔洞。
  11. 抽卡要成套配对，靠序号不靠肉眼。
  12. 不信宣传和榜单，同图、同指令、同种子对跑后再下结论。

再次声明：本文是业余实验记录，比不上专业的游戏开发工具和先进的 AI 模型。真实项目请优先选择更好、更专业的方案。

项目地址：https://github.com/fs7744/meowcute，欢迎交流与指正。

热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02如何新建文件夹？ 电脑新建文件夹的4种方法03ai安全工具:CyberStrikeAI安装部署与使用04GitHub 镜像站点05历年考研数学一、数学二、数学三真题试卷及答案PDF06几个好用的ip纯净度检测网站07昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战08乙二醇水溶液物性参数09苹果iPA游戏软件资源下载网站10Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）