[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Hugo-Dz--spritefusion-pixel-snapper":3,"tool-Hugo-Dz--spritefusion-pixel-snapper":64},[4,18,26,35,44,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,2,"2026-04-03T11:11:01",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,43],"视频",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[15,16,43,52,13,53,54,14,55],"插件","其他","语言模型","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":17},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[13,15,14,54,53],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":79,"owner_email":78,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":88,"forks":89,"last_commit_at":90,"license":91,"difficulty_score":92,"env_os":93,"env_gpu":94,"env_ram":94,"env_deps":95,"category_tags":100,"github_topics":101,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":106,"updated_at":107,"faqs":108,"releases":138},4236,"Hugo-Dz\u002Fspritefusion-pixel-snapper","spritefusion-pixel-snapper","A tool to snap pixels to a perfect grid. Designed to fix messy and inconsistent pixel art generated by AI.","Sprite Fusion Pixel Snapper 是一款专为修复 AI 生成像素画而设计的实用工具。当前主流 AI 图像模型往往难以理解基于网格的像素艺术，导致生成的作品存在像素大小不一、位置错位、网格分辨率漂移以及色彩杂乱等问题。这款工具的核心功能是将杂乱的像素自动吸附到完美的网格上，同时统一网格分辨率并量化色彩调色板，从而让原本“脏乱”的像素图变得规整清晰。\n\n在技术实现上，它基于 Rust 语言开发，不仅支持命令行操作以便集成到自动化流程中，还提供了 WebAssembly 版本供网页端直接调用。其独特之处在于能够在修正网格的同时，尽可能保留如抖动（dithering）等重要的艺术细节，避免画面过度平滑或失真。\n\n无论是需要处理 AI 生成素材的游戏开发者、负责 2D 资产制作的美术设计师，还是正在构建程序化生成地图的研究人员，都能从中受益。尤其适用于需要完美缩放的游戏资产、瓦片地图（Tilemaps）及等距视图贴图的后期处理。作为 Sprite Fusion 项目的一部分，它以开源免费的姿态，为追求高质量像素风格的创作者提供了一站式的网格化解决方案。","# Sprite Fusion Pixel Snapper\n\n**Online version**: https:\u002F\u002Fspritefusion.com\u002Fpixel-snapper\n\nA tool to snap pixels to a perfect grid. Designed to fix messy and inconsistent pixel art generated by AI.\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHugo-Dz_spritefusion-pixel-snapper_readme_2d10e61458df.png\" alt=\"Pixel Snapper\" style=\"width: 100%; image-rendering: pixelated;\">\n\n## Why ?\n\n**Current AI image models can't understand grid-based pixel art.**\n\n- Pixel are inconsistent in size and position.\n- The grid resolution can drift over time.\n- Colors are not tied to a strict palette.\n\n**With Pixel Snapper:**\n\n- ✅ Pixel are snapped to a perfect grid.\n- ✅ The grid resolution is consistent and can be scaled to pixel resolution.\n- ✅ Colors are tied to a strict, quantized palette.\n\n## Perfect for\n\n- **AI generated pixel art** that needs to be snapped to a grid.\n- **Procedural 2D art that doesn't fit a grid** like tilemaps or isometric maps.\n- **2D game assets and 3D textures** that need to be perfectly scalable.\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHugo-Dz_spritefusion-pixel-snapper_readme_1395c8325442.png\" alt=\"Details\" style=\"width: 100%; image-rendering: pixelated;\">\n\n\u003Cp align=\"center\">\u003Cem>Pixel Snapper preserves as much details as possible like dithering.\u003C\u002Fem>\u003C\u002Fp>\n\n\u003Cbr>\n\n## Pixel Snapper comes in two flavors\n\nRequires [Rust](https:\u002F\u002Fwww.rust-lang.org\u002F) installed on your machine.\n\n### 💻 CLI\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper.git\ncd spritefusion-pixel-snapper\n```\n\n```bash\ncargo run input.png output.png\n```\n\nThe command accepts an optional k-colors argument:\n\n```bash\ncargo run input.png output.png 16\n```\n\n### 🌐 Web (WASM)\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper.git\ncd spritefusion-pixel-snapper\n```\n\nBuild the WASM module:\n\n```bash\nwasm-pack build --target web --out-dir pkg --release\n```\n\nThen use the WASM module in your project.\n\n## Acknowledgments\n\nPixel Snapper is a [Sprite Fusion](https:\u002F\u002Fspritefusion.com) project. Sprite Fusion is a free, web-based tilemap editor for game developers supporting a wide range of engines including Unity, Godot, Defold, and GB Studio.\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHugo-Dz_spritefusion-pixel-snapper_readme_868d45ddf08b.webp\" alt=\"Sprite Fusion\" style=\"width: 100%;\">\n\n## License\n\nMIT License [Hugo Duprez](https:\u002F\u002Fwww.hugoduprez.com\u002F)\n","# Sprite Fusion 像素捕捉器\n\n**在线版本**: https:\u002F\u002Fspritefusion.com\u002Fpixel-snapper\n\n一款将像素对齐到完美网格的工具。专为修复由 AI 生成的杂乱且不一致的像素艺术而设计。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHugo-Dz_spritefusion-pixel-snapper_readme_2d10e61458df.png\" alt=\"Pixel Snapper\" style=\"width: 100%; image-rendering: pixelated;\">\n\n## 为什么？\n\n**当前的 AI 图像模型无法理解基于网格的像素艺术。**\n\n- 像素的大小和位置不一致。\n- 网格分辨率会随时间漂移。\n- 颜色未绑定到严格的调色板。\n\n**使用 Pixel Snapper：**\n\n- ✅ 像素被精确地对齐到完美网格。\n- ✅ 网格分辨率保持一致，并可按像素级缩放。\n- ✅ 颜色被约束到严格、量化后的调色板。\n\n## 适合以下场景\n\n- **AI 生成的像素艺术**，需要对其网格对齐。\n- **程序化 2D 艺术**，如瓦片地图或等距地图，这些内容通常不符合网格规则。\n- **2D 游戏资源和 3D 纹理**，需要实现完美的可缩放性。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHugo-Dz_spritefusion-pixel-snapper_readme_1395c8325442.png\" alt=\"Details\" style=\"width: 100%; image-rendering: pixelated;\">\n\n\u003Cp align=\"center\">\u003Cem>Pixel Snapper 尽可能保留细节，例如抖动效果。\u003C\u002Fem>\u003C\u002Fp>\n\n\u003Cbr>\n\n## Pixel Snapper 提供两种形式\n\n需要在您的机器上安装 [Rust](https:\u002F\u002Fwww.rust-lang.org\u002F)。\n\n### 💻 CLI\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper.git\ncd spritefusion-pixel-snapper\n```\n\n```bash\ncargo run input.png output.png\n```\n\n该命令接受一个可选的 k-colors 参数：\n\n```bash\ncargo run input.png output.png 16\n```\n\n### 🌐 Web (WASM)\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper.git\ncd spritefusion-pixel-snapper\n```\n\n构建 WASM 模块：\n\n```bash\nwasm-pack build --target web --out-dir pkg --release\n```\n\n然后在您的项目中使用该 WASM 模块。\n\n## 致谢\n\nPixel Snapper 是 [Sprite Fusion](https:\u002F\u002Fspritefusion.com) 的一个项目。Sprite Fusion 是一款免费的基于 Web 的瓦片地图编辑器，专为游戏开发者设计，支持包括 Unity、Godot、Defold 和 GB Studio 在内的多种引擎。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHugo-Dz_spritefusion-pixel-snapper_readme_868d45ddf08b.webp\" alt=\"Sprite Fusion\" style=\"width: 100%;\">\n\n## 许可证\n\nMIT 许可证 [Hugo Duprez](https:\u002F\u002Fwww.hugoduprez.com\u002F)","# Sprite Fusion Pixel Snapper 快速上手指南\n\nSprite Fusion Pixel Snapper 是一款专为修复 AI 生成的像素艺术而设计的工具。它能将杂乱、不一致的像素点自动对齐到完美的网格上，统一分辨率并量化颜色调色板，非常适合处理 AI 生成的像素图、程序化 2D 素材或需要完美缩放的游戏资产。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Windows、macOS 或 Linux。\n*   **核心依赖**：必须安装 [Rust](https:\u002F\u002Fwww.rust-lang.org\u002F) 编程语言环境。\n    *   安装命令（推荐）：\n        ```bash\n        curl --proto '=https' --tlsv1.2 -sSf https:\u002F\u002Fsh.rustup.rs | sh\n        ```\n    *   *国内用户加速建议*：如果下载缓慢，可配置国内镜像源：\n        ```bash\n        export RUSTUP_DIST_SERVER=https:\u002F\u002Fmirrors.tuna.tsinghua.edu.cn\u002Frustup\n        export RUSTUP_UPDATE_ROOT=https:\u002F\u002Fmirrors.tuna.tsinghua.edu.cn\u002Frustup\u002Frustup\n        curl --proto '=https' --tlsv1.2 -sSf https:\u002F\u002Fmirrors.tuna.tsinghua.edu.cn\u002Frustup\u002Frustup-init.sh | sh\n        ```\n*   **可选依赖（仅 Web\u002FWASM 版本）**：如需构建 WebAssembly 模块，需安装 `wasm-pack`。\n\n## 安装步骤\n\n本工具主要通过命令行（CLI）使用，无需复杂安装，克隆仓库即可运行。\n\n1.  **克隆项目仓库**：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper.git\n    cd spritefusion-pixel-snapper\n    ```\n\n2.  **验证环境**：\n    确保 `cargo` 命令可用（Rust 包管理器）：\n    ```bash\n    cargo --version\n    ```\n\n## 基本使用\n\n### 1. 基础用法（命令行 CLI）\n\n这是最常用的方式，直接将输入图片处理后保存为输出图片。\n\n*   **命令格式**：\n    ```bash\n    cargo run input.png output.png\n    ```\n    *   `input.png`：替换为您需要处理的原始图片路径。\n    *   `output.png`：替换为您希望保存的处理后图片路径。\n\n*   **示例**：\n    将当前目录下的 `ai_art.png` 修复并保存为 `fixed_art.png`：\n    ```bash\n    cargo run ai_art.png fixed_art.png\n    ```\n\n### 2. 指定颜色数量（可选）\n\n如果您需要严格控制输出图片的颜色数量（量化调色板），可以在命令末尾添加颜色数值参数。\n\n*   **命令格式**：\n    ```bash\n    cargo run input.png output.png \u003Ck-colors>\n    ```\n\n*   **示例**：\n    将图片修复并对齐网格，同时限制调色板为 16 种颜色：\n    ```bash\n    cargo run ai_art.png fixed_art.png 16\n    ```\n\n### 3. Web (WASM) 集成（进阶）\n\n如果您希望在网页项目中集成此功能，需先构建 WASM 模块：\n\n```bash\nwasm-pack build --target web --out-dir pkg --release\n```\n构建完成后，可在前端项目中引用 `pkg` 目录下的模块进行调用。","独立游戏开发者小李正利用 AI 快速生成一套复古风格的 2D 平台跳跃游戏角色素材，准备导入 Godot 引擎进行动画制作。\n\n### 没有 spritefusion-pixel-snapper 时\n- **像素网格错位**：AI 生成的图像中像素点大小不一、位置微偏，导致角色在移动时出现令人眼晕的“抖动”伪影。\n- **缩放严重失真**：由于缺乏统一的网格基准，将素材放大到游戏分辨率时，边缘模糊且无法保持锐利的像素风格。\n- **色彩杂乱难用**：颜色未对齐标准色板，存在大量中间色噪点，使得后续手动绘制帧动画或统一美术风格变得极其困难。\n- **返工成本高昂**：开发者不得不花费数小时在绘图软件中逐个像素手动修正，完全抵消了 AI 辅助带来的效率优势。\n\n### 使用 spritefusion-pixel-snapper 后\n- **完美网格对齐**：工具自动将所有像素吸附至标准网格，彻底消除了画面抖动，确保角色动作流畅自然。\n- **无损整数倍缩放**：基于一致的网格分辨率，素材可任意整数倍放大而不损失清晰度，完美适配不同屏幕尺寸。\n- **色彩量化统一**：自动将颜色绑定到严格的量化色板，去除了杂色噪点，同时智能保留了必要的抖动细节以维持质感。\n- **工作流无缝衔接**：一键处理即可直接导入游戏引擎，让开发者能专注于玩法逻辑而非繁琐的美术修复。\n\nspritefusion-pixel-snapper 成功弥合了 AI 生成图像与严谨像素艺术规范之间的鸿沟，让自动化创作真正具备落地价值。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHugo-Dz_spritefusion-pixel-snapper_2d10e614.png","Hugo-Dz","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FHugo-Dz_9e828188.png","Design engineer at Craiyon AI 🖍",null,"France","HugoDuprez","https:\u002F\u002Fwww.hugoduprez.com\u002F","https:\u002F\u002Fgithub.com\u002FHugo-Dz",[84],{"name":85,"color":86,"percentage":87},"Rust","#dea584",100,1607,69,"2026-04-05T16:33:55","MIT",4,"Linux, macOS, Windows","未说明",{"notes":96,"python":97,"dependencies":98},"该工具基于 Rust 开发，不提供 Python 版本。命令行模式需安装 Rust 环境；Web 模式需安装 wasm-pack 以构建 WASM 模块。无特定 GPU 或大内存需求，适用于常规开发机器。","不需要",[85,99],"wasm-pack",[15],[102,103,104,105],"game-development","gamedev","image-processing","pixel-art","2026-03-27T02:49:30.150509","2026-04-06T15:10:21.758297",[109,114,119,124,129,134],{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},19296,"为什么上传的图片会被自动缩小且颜色丢失严重？","这是正常现象。网格吸附器（grid snapper）会将每个逻辑像素调整为 1x1 的大小，因此图片尺寸会变小。此外，该工具并非“像素化”工具，而是“像素吸附”工具，它需要输入图片具有良好的网格结构才能发挥最佳效果。如果输入的是生成式 AI 图片（如 Nano Banana 生成的），建议同时提供一张目标尺寸（如 256x256）的像素画示例或图案作为参考，这能显著帮助模型改善结果。","https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper\u002Fissues\u002F1",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},19297,"工具将颜色减少到 16 色太激进，导致细节丢失，如何保留更多颜色？","您可以在网页版中使用滑块设置，或在命令行版本中使用参数来调整保留的颜色数量（K colors）。默认可能是 16 色，但您可以尝试将其设置为 32 色或更高，以减少定义损失并保留更多材质细节。","https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper\u002Fissues\u002F3",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},19298,"网站上的 32 色选项不够用，如何处理噪点多或颜色复杂的图片？","维护者已根据反馈增加了网站上的最大颜色数量（max k-colors）上限。对于噪点较多或颜色复杂的照片类图片，32 色可能仍然不足，该工具主要针对独立的游戏资产（standalone game assets）效果最佳。如果遇到复杂图片，建议在本地使用 CLI 版本尝试更高的颜色数值。","https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper\u002Fissues\u002F5",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},19299,"为什么透明背景的图片处理后变成了黑色背景？","此前版本可能存在此问题，但目前透明图片已经得到支持（相关修复已在 Issue #2 中完成）。请确保您使用的是最新版本的工具或刷新网页版以应用修复。","https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper\u002Fissues\u002F4",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},19300,"上传 Nano Banana 生成的图片后输出为空白或小白色图像，如何解决？","针对此类由多部分组成的生成式图片，建议先将图片切片（slice），然后编写脚本对每个切片单独进行转换处理，而不是直接一次性处理整张大图。","https:\u002F\u002Fgithub.com\u002FHugo-Dz\u002Fspritefusion-pixel-snapper\u002Fissues\u002F7",{"id":135,"question_zh":136,"answer_zh":137,"source_url":113},19301,"如何获得更好的像素吸附效果，特别是对于 AI 生成的图片？","为了获得更好的结果，建议在提示词旁边附带一张您期望尺寸的像素画示例或图案（例如 256x256）。这能为模型提供明确的网格结构和风格参考，从而极大地改善处理结果。",[]]