Lo que te da de verdad un generador de assets 2D con IA

Una imagen y un asset son objetos distintos

Escribe la descripción de una poción de vida en un modelo de imágenes y obtienes una poción de vida. Se ve bien. Tiene un brillo en el cristal, un corcho, un pequeño resplandor. Si estuvieras haciendo un póster, habrías terminado.

No estás haciendo un póster. Estás haciendo algo que tiene que estar en una cuadrícula de inventario a 48 píxeles de lado. Está junto a otras once cosas dibujadas por la misma mano, sobre un fondo que todavía no has decidido, con una sombra que coincida con todo lo demás de la escena.

Esa segunda lista es lo que significa la palabra asset. Una imagen es un dibujo. Un asset es un dibujo más un conjunto de contratos: qué tamaño tiene, dónde está su origen, qué hacen sus bordes sobre un fondo cualquiera y cómo se comporta junto a sus hermanos.

La generación es excelente con el dibujo. Le dan igual los contratos, porque nada en el prompt ni en el entrenamiento le dijo que existiera un contrato. Casi toda la frustración que cuenta la gente con el arte 2D generado es en realidad un fallo de contrato que se confunde con un fallo artístico.

El borde alfa suele ser lo primero que se rompe

La mayoría de modelos de imágenes quieren llenar el encuadre. Pide una espada sobre fondo transparente y a menudo obtienes una espada sobre un tablero de ajedrez, porque el modelo ha visto miles de imágenes en las que un tablero de ajedrez significaba transparencia. Ha aprendido a dibujar el símbolo de la transparencia en lugar de producirla.

Incluso cuando consigues transparencia de verdad, el problema es el borde. Un sprite que se va a componer sobre cualquier cosa necesita que sus píxeles exteriores sean o totalmente opacos o totalmente transparentes, con una franja fina y deliberada de alfa parcial entre ellos. Lo que sueles obtener en su lugar es un halo suave y ancho, y ese halo lleva el color del fondo que el modelo se imaginó detrás del objeto.

Pon una espada generada contra un fondo de estudio cálido implícito encima de una cueva azul oscuro y el halo aparece como un borde ámbar sucio. Nadie lo mira y piensa que el canal alfa está mal. Piensan que el arte es malo. No lo es; está sin recortar.

Recortar es trabajo de verdad y no es trabajo difícil. Quitar el fondo, luego mirar el borde con mucho zoom, y luego decidir si este estilo artístico quiere un borde duro de un píxel o una caída suave de dos. Esa decisión es de estilo y debería ser la misma para todos los assets del juego. Un modelo no la tomará con coherencia por ti porque no sabe que ya la tomaste una vez.

Los tamaños exactos en píxeles no se pueden pedir

Los modelos de imágenes generan a sus propias resoluciones y proporciones nativas. A menudo puedes elegir de un menú corto de tamaños. En general no puedes decir "dame esta caja a exactamente 64 por 64, con la caja ocupando 60 píxeles y 2 de margen por cada lado" y que vuelva bien.

Esto importa en 2D más de lo que la gente espera, porque los juegos 2D están llenos de cuadrículas. Los tilesets tienen un tamaño de celda. Los iconos de inventario tienen un tamaño de hueco. La interfaz tiene una altura de botón dentro de la que tiene que caber todo. Un juego con una cuadrícula de tiles de 32 píxeles es un juego en el que un muro de 37 píxeles se ve roto de una forma que notas desde la otra punta de la habitación.

Reducir una imagen generada grande para que quepa es el movimiento obvio y funciona a medias. El problema es que el detalle generado a 1024 píxeles no sobrevive al viaje a 32. Remaches, degradados, letra diminuta en un poste indicador, cuerda de tres cabos: todo se convierte en ruido. El resultado se lee como una papilla, y una papilla a tamaño pequeño se ve peor de lo que se habría visto una forma sencilla.

La respuesta práctica es decidir primero tus tamaños y tratarlos como un dato fijo, y luego generar pensando en el tamaño final en lugar de generar algo precioso y encogerlo con esperanza. Los assets diseñados para 32 píxeles tienen formas grandes, y pocas.

Un conjunto tiene que estar de acuerdo consigo mismo

La mayor diferencia entre el arte generado y el arte hecho es que el arte hecho sale de un proceso continuo de decisiones y el generado sale de una serie de llamadas desconectadas.

Genera diez frascos de poción en diez llamadas y obtendrás diez fuentes de luz, diez grosores de cristal, diez opiniones sobre lo saturado que debería ser un rojo de curación. Dos o tres se habrán deslizado a otro estilo de render. Por separado los diez están bien. Como conjunto parecen una colección sacada de diez juegos distintos, porque en la práctica eso es lo que son.

Quien juega no audita la paleta de forma consciente. La siente. Una paleta coherente es buena parte de la razón de que un juego parezca un lugar y no un montón de cosas. Cuando los verdes del follaje no pertenecen a la misma familia que los verdes de la armadura del enemigo, el mundo deja de cuadrar. La queja que llega suele ser vaga. Parece barato. Parece raro.

Parte de esto se puede arreglar después. Cuantizar todos los assets a una paleta compartida fuerza el acuerdo, y es una pasada de verdad eficaz. No puede arreglar la dirección de la luz, y la dirección de la luz es la otra mitad. Si la mitad de tus objetos están iluminados desde arriba a la izquierda y la otra mitad desde arriba a la derecha, ninguna operación de color los salva.

La salida es fijar las constantes antes de generar nada: la paleta, la dirección de la luz, el tratamiento de la línea, el nivel de detalle. Luego genera contra esas constantes y rechaza lo que las incumpla, en lugar de aceptar lo que llegue e intentar reconciliarlo después.

Los tiles tienen reglas que una imagen no conoce

Pide una textura de suelo de piedra sin costuras y obtendrás un suelo de piedra. No será sin costuras. Que no tenga costuras es una propiedad de la relación entre los bordes opuestos de la imagen, y el modelo no está evaluando esa relación; está dibujando piedras.

El fallo es fácil de ver en cuanto sabes buscarlo. Pon el tile cuatro por cuatro y verás una cuadrícula visible de costuras, más una mancha característica que se repite en cada celda y convierte todo el suelo en papel pintado. El ojo encuentra rasgos repetidos rapidísimo, sobre todo los de mucho contraste como una grieta brillante o una mancha oscura.

Hay herramientas para hacer que una imagen encaje en mosaico: desplazar la imagen a la mitad y luego reparar la costura en forma de cruz del centro. Eso resuelve la costura. No resuelve la mancha. Para eso, el tile generado tiene que tener poco contraste a gran escala desde el principio, que es lo contrario de lo que hace que una imagen impresione por sí sola.

Es uno de los ejemplos más limpios de la regla general. La versión que gana como imagen pierde como tile. La generación optimiza la imagen a menos que la dirijas con fuerza, y dirigirla con fuerza significa pedir algo más plano y más apagado de lo que te pide el instinto.

Legibilidad al tamaño que ve de verdad quien juega

Todo asset 2D tiene un tamaño real, que es el número de píxeles que ocupa en pantalla durante el juego normal. A menudo es mucho menor que el tamaño al que lo miras mientras lo evalúas.

Un enemigo precioso a resolución completa puede ser una mancha gris cuando mide 40 píxeles y se mueve. Un icono de interfaz con cuatro elementos es una sola forma al tamaño del hueco. Dos objetos que con zoom son claramente una cuerda y una cadena son el mismo objeto de un vistazo, y eso es un problema de juego real, no estético.

La prueba es trivial y casi nadie la hace. Pon el asset en el juego al tamaño real, sobre el fondo real, junto a los assets que tendrá cerca. Míralo dos segundos en lugar de veinte. Si no puedes nombrarlo en dos segundos, falla, por bien que se viera en la vista previa.

Los arreglos suelen tener que ver con la silueta y el contraste más que con el detalle. Simplifica el contorno. Haz que el color se distinga de lo que tiene detrás. Elimina el detalle interior que no tiene ninguna posibilidad de sobrevivir. El arte generado rara vez llega simple, porque lo simple no se lee como calidad en una miniatura, y las miniaturas son lo que los modelos de imágenes se ajustaron para ganar.

Los pivotes y la pequeña geometría que nadie menciona

Todo sprite tiene un origen, y el juego usa ese origen para todo: dónde se apoya en el suelo, alrededor de qué gira, desde dónde sale un proyectil, dónde cuelga una barra de vida.

Las imágenes generadas no traen ningún origen y, peor aún, traen un encuadre impredecible. Un personaje sale centrado con mucho aire por encima. El siguiente sale recortado justo por los tobillos. Mete los dos en una escena con la misma regla de origen y uno flota y el otro se hunde.

El arreglo es mecánico y merece automatizarse: recorta el margen transparente y luego fija el origen por regla y no a ojo. Centro de los pies para personajes que están de pie en el suelo, centro geométrico para cosas que giran, centro inferior para objetos que se apoyan en superficies. Una vez existe la regla, cada asset nuevo la recibe gratis.

Lo mismo pasa con la orientación. Si la mitad de tus personajes generados miran a la izquierda y la otra mitad a la derecha, tu lógica de volteo se vuelve incoherente, y cualquier detalle asimétrico como una espada en una cadera cambiará de lado cuando el sprite se refleje. Elige pronto una orientación canónica y hazla cumplir, porque el modelo no recuerda qué te dio la última vez.

Dónde es fuerte de verdad el 2D generado

Todo lo anterior es el relato honesto de los límites, y los límites son reales: el arte 2D generado es un buen sustituto provisional y un asset final flojo. Te pone algo en el hueco hoy y rara vez llega al lanzamiento sin editar.

No es poca cosa. Poder llenar cada hueco de un juego con algo reconocible, en una tarde, cambia cómo trabajas. Dejas de probar tu inventario con rectángulos de colores etiquetados A, B y C. Empiezas a probarlo con cosas que parecen una poción, una llave y un mapa, lo que significa que puedes juzgar de verdad si la pantalla se lee y si la distribución confunde.

También es muy fuerte para explorar. Doce versiones de un pueblo en doce estilos es una hora de verdad útil, porque mirar doce es como descubres que la que tenías tan clara no es la que quieres. El trabajo de concepto no tiene contratos que cumplir. Nada tiene que encajar en mosaico, alinearse ni emparejarse. Esa es exactamente la zona en la que la generación da lo mejor de sí.

También es buena variando sobre una base fijada. Una vez tienes un asset que te gusta, producir variantes recoloreadas o retocadas de él se mantiene mucho más coherente que producirlas de la nada, porque la base lleva las constantes que un prompt no puede llevar.

Y es buena con la enorme cantidad de arte que nadie mirará nunca de cerca: relleno de fondo, objetos lejanos, decoración de relleno, lo de segunda fila cuyo único trabajo es que no esté vacío.

Un orden de trabajo que respeta la diferencia

Un método que aguanta: decide las constantes, genera para el hueco, recorta bien, coloca al tamaño real, juzga jugando y luego sustituye lo que importa.

Constantes primero significa que los tamaños de cuadrícula, la paleta y la dirección de la luz existen antes que cualquier arte. Generar para el hueco significa que sabes que un icono mide 48 de lado antes de pedirlo, así que no decides después qué sacrificar. Recortar bien significa que el borde alfa y la regla del pivote se aplican una vez, de forma uniforme, y no se vuelven a discutir.

Juzgar jugando es el paso que se salta, y es el que dice la verdad. Eres la única persona que puede decir si la pantalla de la tienda se lee, si el enemigo se distingue de la roca, si todo parece un solo juego. Ese juicio no requiere que dibujes nada ni que escribas código. Requiere que juegues y prestes atención.

Luego sustituye lo que importa. No todo. El personaje que ves cada segundo, los enemigos con los que más peleas, la interfaz que miras fijamente, la pantalla de la que saldrá una captura. Eso se gana arte de verdad, sea encargándolo, comprándolo o haciéndolo. Los otros cuatrocientos assets pueden quedarse razonablemente como provisionales generados para siempre, y nadie que juegue lo notará.

Ese es el reparto honesto. La generación es una fuente de imágenes rápida, desigual y ciega a los contratos, y las imágenes son solo la materia prima. La distancia entre la materia prima y un juego terminado está hecha de pequeñas decisiones mecánicas, y todas puedes tomarlas una vez y aplicarlas en todas partes.

Descarga Flockbay

La distancia entre una buena imagen y un asset utilizable es pequeña, mecánica y te toca cerrarla a ti.

Lee más notas de diseño de juegos

Sigue leyendo

• Por qué a los generadores de sprites con IA les cuesta la animación
• Los generadores de assets 3D con IA y el problema de la topología
• ¿Para qué sirve hacer prototipos?
• Secretos de la sensación de juego y el juice
• Mete assets 2D generados en un juego de verdad con el creador de juegos 2D con IA
• A Phaser alternative for 2D games without writing JavaScript