这套流程能做出什么
输入一句主题，比如"一只戴圆框眼镜的橘猫，职场日常"，跑完几个脚本之后，你会得到：
- 一套 16 张风格统一的表情包，正方形、透明背景的 PNG；
- 每张图带一句短配字，比如"收到""在改了""先撤了"；
- 一个
preview.html预览页，双击就能在浏览器里看整组效果，想换哪张直接换； - 一个
dist/stickers.zip，可以直接发给同事，或者按平台要求提交审核。
整套流程分六步：出创意 → 批量出图 → 抠背景统一尺寸 → 叠中文配字 → 预览筛选 → 打包下载。中间任何一步断掉都能续跑，不用从头再来。
前置条件清单
开始之前确认这几件事：
1. Python 环境。装 Python 3.10 或更高（以官方文档当前版本为准），并会用 pip install。需要的库：requests、pillow、numpy、openai。
2. 一个文本模型接口。用来把主题拆成结构化创意表。可以是云端 API，也可以是本地跑的模型服务，只要兼容 OpenAI 的 /chat/completions 格式即可。
3. 一个文生图接口。同样支持 /images/generations 的兼容接口，或者本地 Stable Diffusion / ComfyUI。模型名、调用方式以你所用服务的官方文档为准。
4. 中文字体文件。给表情叠字用，比如系统自带的黑体。注意商用场景要确认字体授权。
5. 目录约定。先建一个空目录，后面所有文件都放进去：
```bash
mkdir -p sticker-pack/{raw,out,dist}
cd sticker-pack
```
时间上，第一次跑通大概一两个小时，其中大半时间在等出图和调整提示词。
第一步：把一句话主题变成结构化创意表
直接让模型"生成 16 个表情包创意"，结果往往很散。更好的做法是让它输出 JSON，字段固定，后面脚本才好处理。
generate_ideas.py：
```python
import json
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["LLM_API_KEY"],
base_url=os.environ.get("LLM_BASE_URL", "https://api.openai.com/v1"),
)
SYSTEM = """你是表情包策划。根据用户给的主题，输出一组表情创意。
严格输出 JSON 对象，格式为 {"ideas": [...]}，每个元素包含：
- id: 两位数字字符串，从 "01" 递增
- name: 动作名，4 字以内
- scene: 适用场景，一句话
- caption: 图上配字，不超过 6 个字，口语化
- visual: 中文画面描述，写清主体动作和表情
- prompt: 英文文生图提示词，只描述主体与动作，不要写风格词
不要输出任何解释文字。"""
def make_ideas(theme, n=16):
resp = client.chat.completions.create(
model=os.environ.get("LLM_MODEL", ""),
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": f"主题：{theme}\n数量：{n}"},
],
response_format={"type": "json_object"},
temperature=0.8,
)
data = json.loads(resp.choices[0].message.content)
ideas = data.get("ideas", data) if isinstance(data, dict) else data
return ideas
if __name__ == "__main__":
ideas = make_ideas("一只戴圆框眼镜的橘猫，职场日常", 16)
with open("ideas.json", "w", encoding="utf-8") as f:
json.dump(ideas, f, ensure_ascii=False, indent=2)
print(f"生成 {len(ideas)} 条创意，已写入 ideas.json")
```
跑完后打开 ideas.json 通读一遍。重点看 caption 读起来像不像人话——"收到""在改了""这个我不太确定"这类才有传播力，书面语直接改掉。
第二步：固定风格锚点，批量出图
风格漂移是这类任务里最常见的翻车点：16 张图跑出 16 种画风。解决办法是把风格写成一段固定后缀，拼在每条 prompt 后面，全程不加一个字、不减一个字。
generate_images.py：
```python
import base64
import json
import os
import time
from pathlib import Path
import requests
API_BASE = os.environ.get("IMAGE_BASE_URL", "https://api.openai.com/v1")
API_KEY = os.environ["IMAGE_API_KEY"]
MODEL = os.environ["IMAGE_MODEL"] # 填你所用服务文档里的模型名
STYLE = os.environ.get(
"STYLE_SUFFIX",
"flat vector sticker, thick clean outline, solid flat colors, "
"single centered subject, plain pure white background, "
"no text, no watermark, no shadow",
)
def gen_one(prompt, out_path, retries=3):
payload = {
"model": MODEL,
"prompt": f"{prompt}, {STYLE}",
"size": "1024x1024",
"n": 1,
}
for i in range(retries):
try:
r = requests.post(
f"{API_BASE}/images/generations",
headers={"Authorization": f"Bearer {API_KEY}"},
json=payload,
timeout=300,
)
r.raise_for_status()
item = r.json()["data"][0]
if item.get("b64_json"):
blob = base64.b64decode(item["b64_json"])
else:
blob = requests.get(item["url"], timeout=300).content
out_path.write_bytes(blob)
return True
except Exception as e:
print(f" 第 {i+1} 次失败：{e}")
time.sleep(3 * (i + 1))
return False
if __name__ == "__main__":
ideas = json.loads(Path("ideas.json").read_text(encoding="utf-8"))
for it in ideas:
out = Path("raw") / f"{it['id']}.png"
if out.exists():
print(f"跳过 {out}")
continue
ok = gen_one(it["prompt"], out)
print(f"{it['id']} {'完成' if ok else '失败'}")
time.sleep(1)
```
两个细节值得注意：一是已经存在的文件直接跳过，这样中途断网重跑不会重复花钱；二是失败重试带退避，接口偶发超时很常见。
第三步：抠背景、统一尺寸
拿到的图背景是白的，尺寸也可能不完全是正方形。用 Pillow 统一处理。
postprocess.py：
```python
import numpy as np
from PIL import Image
from pathlib import Path
SIZE = 512
WHITE_THR = 242 # 高于这个亮度视为背景
def white_to_alpha(img):
img = img.convert("RGBA")
arr = np.array(img)
rgb = arr[..., :3].astype(np.int16)
near_white = (rgb > WHITE_THR).all(axis=-1)
arr[..., 3] = np.where(near_white, 0, arr[..., 3])
return Image.fromarray(arr, "RGBA")
def square_fit(img, size):
alpha = img.getchannel("A")
bbox = alpha.getbbox()
if bbox:
img = img.crop(bbox)
w, h = img.size
side = max(w, h)
pad = int(side * 0.08) # 四周留白，避免贴边
canvas = Image.new("RGBA", (side + pad * 2, side + pad * 2), (0, 0, 0, 0))
canvas.paste(img, (pad + (side - w) // 2, pad + (side - h) // 2), img)
return canvas.resize((size, size), Image.LANCZOS)
if __name__ == "__main__":
Path("out").mkdir(exist_ok=True)
for p in sorted(Path("raw").glob("*.png")):
img = white_to_alpha(Image.open(p))
square_fit(img, SIZE).save(Path("out") / p.name)
print("处理完成", p.name)
```
如果主体本身颜色很浅（白猫、白衬衫），纯阈值抠图会把主体一起抠掉。这时把 WHITE_THR 调高，或者换用专门的抠图模型/库，效果通常更好，具体用法看对应项目文档。
第四步：叠中文配字
不要指望文生图模型把中文画对，字让 Pillow 来叠。这样随时能改文案，也避免了错别字。
```python
from PIL import Image, ImageDraw, ImageFont
def add_caption(img_path, text, out_path, font_path, size=52):
img = Image.open(img_path).convert("RGBA")
w, h = img.size
draw = ImageDraw.Draw(img)
font = ImageFont.truetype(font_path, size)
draw.text(
(w // 2, int(h * 0.94)),
text,
font=font,
fill="white",
stroke_width=5,
stroke_fill="black",
anchor="mb",
)
img.save(out_path)
```
把 caption 和文件名对应上，循环调用即可。字太多就缩小字号，六字以内观感通常更好。
第五步：生成预览页，人工筛一遍
自动跑完不等于能用。写个脚本把所有成品拼成一张 HTML，逐张看：有没有多出手指、配字和画面对不上、风格跳脱。
```python
from pathlib import Path
import json
ideas = {i["id"]: i for i in json.loads(Path("ideas.json").read_text(encoding="utf-8"))}
cards = []
for p in sorted(Path("out").glob("*.png")):
cap = ideas.get(p.stem, {}).get("caption", "")
cards.append(f'<figure><img src="out/{p.name}"><figcaption>{cap}</figcaption></figure>')
html = f"""<!doctype html><meta charset="utf-8">
<title>表情包预览</title>
<style>
body{{background:#f5f5f5;font-family:sans-serif;padding:24px}}
.grid{{display:grid;grid-template-columns:repeat(4,1fr);gap:16px;max-width:960px}}
figure{{margin:0;background:#fff;border-radius:12px;padding:12px;text-align:center}}
img{{width:100%;image-rendering:auto}}
figcaption{{margin-top:8px;font-size:14px;color:#333}}
</style>
<div class="grid">{''.join(cards)}</div>"""
Path("preview.html").write_text(html, encoding="utf-8")
```
不满意的单张，改 ideas.json 里对应的 prompt，删掉 raw/ 和 out/ 里的那张图，重跑第二步和第三步。不用整组重来。
第六步：导出可下载的包
不同平台对尺寸、体积、背景的要求不一样，具体规格以目标平台官方页面当前的要求为准。通用做法是准备两个尺寸：一个用于聊天展示，一个用于详情页或封面，都保留透明背景。
```bash
cd dist
cp ../out/*.png .
zip -r stickers.zip *.png
cd ..
```
打包完把 dist/stickers.zip 发出去，或者在本地解压查看。preview.html 也可以一起发，方便对方先看效果再决定要不要用。
常见坑与排错
风格不统一。 检查风格后缀是否每张都完全一致；如果还是漂移，固定随机种子，或者改用"参考图 + 图生图"的方式，让每张都以第一张为基准。
背景抠不干净，边缘一圈灰白。 阈值太宽或太窄。先把 WHITE_THR 在 235～250 之间调几次；边缘仍有明显白边，可以先对 alpha 通道做一次轻微腐蚀再输出。
中文被模型画成了乱码。 不要试图让文生图模型写字。把 no text 写进风格后缀，字全部交给第四步。
接口限流或超时。 加长重试间隔，把批量任务拆成几批跑；单张失败不要影响整组，脚本里的"跳过已存在文件"就是为这个准备的。
成本失控。 先只跑 2～3 张确认风格方向，再放量到 16 张。多数服务按张计费，具体单价看官方页面。
审核风险。 不要使用真人明星形象、受保护的角色 IP、品牌 logo，也不要生成涉及暴力、色情、政治敏感的内容。平台审核不过的话，返工成本很高。
字体授权。 叠字用的字体如果在商用表情包里分发，需要确认授权范围，免费商用字体和系统自带字体的可用范围不一样。
下一步建议
跑通一版之后，可以往这几个方向走：
1. 让角色稳定下来。 用同一张参考图或训练一个角色 LoRA，让"那只戴眼镜的橘猫"在第 30 张和第 3 张长得一样，这是系列表情能否持续做下去的关键。
2. 把配字抽成配置文件。 文案单独放一个 JSON，改字不用重跑图，几十秒就能出一版新文案。
3. 加上自动质检。 用文本模型对图和配字做一次匹配打分，把明显对不上的挑出来，人工只看剩下那几张。
4. 接进流水线。 用 Makefile 或 GitHub Actions 把六个步骤串起来，换个主题改一行参数就能出一套新表情。
5. 沉淀模板库。 把好用的风格后缀、动作清单、配字语气分类存下来，下一套作品直接复用，产出速度会明显不一样。