metadata

title: PixelArtMaster Lite Faces
emoji: 🔥
colorFrom: purple
colorTo: pink
sdk: gradio
sdk_version: 5.36.2
app_file: app.py
pinned: true
license: mit
thumbnail: >-
  https://cdn-uploads.huggingface.co/production/uploads/648bc135769aeaccf47fdd41/A6N9gc-gAKwxJquCdYJ8X.png
short_description: Generador de pixel art desde texto con un modelo LoRA.

PixelArtMaster Generator

Este Space usa un modelo LoRA personalizado para generar arte estilo pixel basado en texto.
Modelo base: runwayml/stable-diffusion-v1-5
LoRA: marvin90/pixelartmaster

Escribe un prompt como:

alien robot in pixel art

PixelArt LoRA Training

Entrena un modelo LoRA especializado en arte pixelado usando imágenes y captions personalizados. Este proyecto está basado en el framework de Stable Diffusion y emplea scripts de Kohya-ss para realizar el entrenamiento de forma eficiente.

Desarrollado por Marvin Calvo de AmericaPixelGames.

📂 Instalación y clonación

git clone https://github.com/MarvinJesus/pixelartmaster-train-lora.git
cd pixelartmaster-train-lora
pip install -r requirements.txt

📂 Contenido del repositorio

prepare_dataset.py
Script para descargar y preparar un dataset de imágenes y captions para el entrenamiento.
generate_captions.py
Script para generar archivos .txt con captions automáticos a partir del nombre de las imágenes.
normalize_dataset.py
Script para normalizar nombres de archivos y limpiar captions.
start-training.sh
Script principal que lanza el entrenamiento del modelo LoRA.
test_pixelart.py
Script opcional para generar imágenes de prueba tras el entrenamiento.
Dockerfile
Imagen base con entorno configurado (CUDA, PyTorch, Accelerate, etc.) para entrenar el modelo en RunPod o localmente.

Carpetas

train/
Contiene las imágenes y captions organizados para el entrenamiento (01_images, 02_images, etc.).
output/
Carpeta donde se guardarán los modelos entrenados LoRA.
pretrained_model/
Contiene el modelo base preentrenado para inicializar el entrenamiento.
sd-scripts/
Scripts externos clonados automáticamente para usar con accelerate.

⚙️ Requisitos

Docker (opcional pero recomendado para entornos reproducibles)
GPU con soporte CUDA (para rendimiento óptimo)
Python 3.10+
pip + dependencias especificadas en requirements.txt

📚 Cómo usar

1. Preparar dataset

python  prepare_dataset.py

cd train/01_images
python  generate_captions.py

python  normalize_dataset.py

2. Entrenar modelo LoRA

./start-training.sh

3. Probar el modelo entrenado

python  test_pixelart.py

🌌 Uso en RunPod

./start-training.sh

🔒 Notas finales

Actualmente el proyecto no incluye una API REST.
Se recomienda mantener organizadas las carpetas del dataset.
Puedes montar una API con FastAPI y StableDiffusionPipeline si lo necesitas.

🚀 Futuro

Integración con API REST
Interfaz gráfica

📢 Contacto

Marvin Calvo
AmericaPixelGames
americapixelgames.com

📚 Este proyecto está bajo licencia MIT.