Tessera-small

Tessera-small

用一个小型扩散模型，根据文字提示生成 16×16 像素画精灵图，大约 16 步就填满全部 256 个像素。适合非商业的游戏和美术实验。

由 thejagstudio 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Tessera-small 是一个用于微型像素画的文生图模型，参数量 47.6M。它把一张 16×16 的精灵图看作 256 个 token，每个 token 是 512 色调色板里的一种颜色。它从完全遮住的画布出发，在你文字的引导下，大约 16 步一次填满所有像素。

适合谁：它适合想为非商业项目做小型像素画精灵图的爱好者、学生和研究者，也适合想研究一个紧凑扩散模型的人。

Industry | Who uses it | How they use it | Example
游戏原型 | 业余游戏制作者 | 为个人项目生成占位精灵图 | 爱好者为个人游戏原型做出八张精灵图
教育 | 教师和学生 | 在很小的图像尺寸上研究掩码扩散 | 一个班级对同一个提示词尝试不同的步数
研究 | 研究离散扩散的人 | 查看检查点、配置和训练日志 | 研究者读 metrics.jsonl 来了解训练过程

打算出售图片或把它们用在商业产品里的人可以跳过它，因为许可证不允许。

用在哪里：它通过装有 PyTorch 的 Python 运行，模型卡里的代码面向 CUDA GPU。

• 装有 Python 的 Windows、macOS 或 Linux：用 Hugging Face 工具下载检查点
• CUDA GPU：模型卡里 Python 示例使用的设备
• Tessera Pixel Studio 演示空间：一个托管的演示，同时也存放着流水线代码

Use case | Who | What they get back
做精灵图灵感 | 游戏爱好者 | 每个提示词对应一组 16×16 精灵图的网格
补全精灵图的一部分 | 像素画师 | 一张补全后的结果，因为采样器支持图像补绘
研究小型扩散模型 | 学生 | 可以阅读的配置文件和训练日志

如何设置：先准备好下面几样东西。

• 装有 PyTorch 的 Python 和 huggingface_hub 包
• tessera 流水线代码，模型卡说要从演示空间的文件里获取
• 冻结的 CLIP 文本编码器 openai/clip-vit-base-patch32，它不包含在内
• 如果直接照搬模型卡里的代码，需要一块 CUDA GPU

1. 安装 Hugging Face hub 包。
2. 下载模型文件。
3. 从演示空间的文件里获取 tessera 流水线代码。
4. 运行 How to use it 里的 Python 代码。

pip install -U huggingface_hub
hf download thejagstudio/tessera-small

如何使用：这段代码加载检查点，在 CUDA 设备上建好流水线，每个提示词要八张精灵图，跑 16 步，再把它们保存成一张网格图。

from huggingface_hub import hf_hub_download
from tessera.pipeline import TesseraPipeline   # code: see the demo Space's files

ckpt = hf_hub_download("thejagstudio/tessera-small", "tessera-small-fp16.pt")
pipe = TesseraPipeline.from_checkpoint(ckpt, device="cuda")
images = pipe(["golden crown with blue gems"], num_per_prompt=8, steps=16, cfg_scale=3.0, seed=0)
pipe.grid(images).save("crowns.png")

Tool | What it does
hf_hub_download | 从模型仓库取一个文件，这里是 fp16 检查点
TesseraPipeline.from_checkpoint | 在你指定的设备上，用检查点建好生成流水线
pipe(...) | 接收提示词列表，以及样本数、步数、引导系数和随机种子
pipe.grid(...).save(...) | 把精灵图排成一张网格图并写入文件

示例：你把代码里的提示词改成“red mushroom with white spots”然后运行。流水线用 16 步为这个提示词采样八张 16×16 的精灵图，网格图保存在你设定的文件名下。

新手与专家：Tessera 能根据一句短语画出非常小的像素画。你的第一小步是用一个提示词试一下代码，看看保存下来的网格图，或者打开模型卡提到的 Tessera Pixel Studio 演示。

从底层看，它是一个双向 transformer，直接预测被遮住的调色板 token。没有任何东西被压缩进潜空间，它也不是一个像素一个像素地生成。采样器按置信度并行揭开像素，使用无分类器引导，并支持图像补绘。代价是固定的 16×16 尺寸、512 色调色板和非商业许可证。

你的提示词进入冻结的 CLIP 文本编码器
从 256 个 token 的完全遮住的画布开始
大约 16 步内并行揭开所有像素
调色板 token 变成一张像素画

注意事项：

• 调色板里的 token 0 是透明的，所以精灵图可以有透明区域。
• 模型用 Angais 的 Pixel Art Atlas 1.4M 数据集训练，在一块 NVIDIA RTX PRO 6000 Blackwell 上训练了约 5.5 小时。
• 在验证数据上，被遮住的像素准确率达到 78.8%，困惑度为 512 中的 2.36。

Title: ViT-B/32 上的 CLIP 分数
生成的精灵图: 25.24 分
真实的精灵图: 25.28 分

• License: CC BY-NC 4.0。教育、研究和个人项目可以用，需署名作者，任何商业用途都需要向作者另取许可。CLIP 文本编码器和训练数据集保留各自的许可证。
• Cost to run: 来源未提及，没有提到 API 密钥、账号或付费服务。
• Data it reaches: 它从 Hugging Face 下载检查点，并写出你指定名字的图片文件。
• Not for: 任何形式的商业使用，包括出售模型或其图片，或把它们用在付费产品或能赚钱的托管服务里。

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：pytorch
• 最近 30 天下载：0
• 点赞：3
• 许可证：cc-by-nc-4.0
• 标签：pytorch, pixel-art, text-to-image, masked-diffusion, discrete-diffusion, diffusion-llm

链接

• 模型：https://huggingface.co/thejagstudio/tessera-small
• 文件：https://huggingface.co/thejagstudio/tessera-small/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download thejagstudio/tessera-small

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。