Pixel Generator - 轻量级AI像素生成器

这是一个基于 PyQt5 和 Diffusers 库构建的轻量级、本地化的AI绘画(文生图)工具。

它旨在提供一个最小化、开箱即用的体验,让用户无需复杂的环境配置,就能在自己的电脑上利用 Stable Diffusion 模型进行图像生成。该项目也是我在AI模型工程化、GUI开发和全栈开发思想上的一次个人实践。

▶️ B站视频教程: 【游戏美术扶贫】像素画生成小程序,解压即用

• 本地化模型管理: 自动扫描并加载本地的 Stable Diffusion (.safetensors, .ckpt) 和 LoRA 模型。
• 简洁的用户界面: 提供核心参数调整,如正负向提示词、图像尺寸、生成步数、LoRA启用与权重调整等。
• 动态模型加载: 支持在运行时切换不同的基础模型和LoRA模型,无需重启程序。
• 异步生成与UI解耦: 使用 QThread 将耗时的模型加载和图像生成任务放入子线程,避免UI界面卡死,提升用户体验。
• 优化生成流程:
  • 通过设置环境变量解决 Hugging Face 国内网络访问问题。
  • 允许用户自定义模型缓存路径,避免占用C盘空间。
  • 集成了 DPMSolverMultistepScheduler 调度器,在较低采样步数下也能获得高质量生成结果。
• EXE 跨平台打包: 支持使用 PyInstaller 打包为Windows可执行文件,实现真正的"开箱即用"。

• 前端 (GUI): PyQt5
• AI / 后端核心:
  • PyTorch: 深度学习基础框架。
  • Diffusers: 来自Hugging Face的核心库,用于加载和运行Stable Diffusion模型。
  • Transformers: 支持模型中的文本编码器等组件。
• 核心依赖: numpy, Pillow

本仓库仅包含源代码,不包含任何模型文件。

1. 克隆仓库

   git clone https://github.com/a752844b/pixel-art-generator.git
   cd pixel-art-generator

2. 安装依赖 建议在虚拟环境中进行安装,以隔离项目环境。

   # (可选) 创建并激活虚拟环境
   # python -m venv venv
   # source venv/bin/activate (Linux/macOS)
   # venv\Scripts\activate (Windows)
   pip install -r requirements.txt

3. 准备模型文件

   • 在项目根目录下,手动创建 sd_models 和 lora_models 文件夹。
   • 将你的 Stable Diffusion 模型 (如 .safetensors 文件) 放入 sd_models 文件夹。
   • 将你的 LoRA 模型放入 lora_models 文件夹。

4. 运行程序

   python main.py

   Note: 首次运行 main.py 时,Diffusers 库会自动从Hugging Face Hub下载所选模型必需的配置文件(如model_index.json, scheduler.json等)。代码已配置使用国内镜像源,并默认缓存到项目内的 ./hf_cache 目录,无需额外网络配置。