微信表情包生产流水线
> 两次全流程实测跑通：静态「橘猫日常」16 张（从零到可上架素材）、动态「抽象小人有点得瑟」16 张 GIF（质检 16/16、零失败、总成本 ≈3 元、约 2h45m）。本文所有参数与坑都来自实跑。
前提与环境
- 无 GPU 也能跑：主线走百炼云 API，CPU 机器完全可行。不要建议装 ComfyUI 本地推理（CPU 慢到不可用），也不要建议付费订阅类方案。
- 自备百炼 API Key：设环境变量
DASHSCOPE_API_KEY，或写在项目.env文件里（DASHSCOPE_API_KEY=sk-xxx）。脚本只读不打印。 - Python 依赖：
pillow、numpy、scipy（后处理与质检）。
pip install pillow numpy scipy
export DASHSCOPE_API_KEY=sk-xxx # Windows: set DASHSCOPE_API_KEY=sk-xxx
技术路线（全部实测可用）
| 环节 | 用什么 | 说明 |
|---|---|---|
| 出图（定妆照） | 百炼 qwen-image-3.0 同步接口 |
一次请求直接返回图片 URL，无需轮询 |
| 换表情保一致 | 百炼 qwen-image-2.0-pro（旧名 qwen-image-edit-max 已下架，会 404） |
以定妆照为参考图 + 指令改动作表情，角色身份能保持住；该模型有 100 张免费额度 |
| 自动质检（视觉） | qwen-vl-max |
看图判一致性/抠图干净度/表情可读性 |
| 客观质检（像素） | Pillow + numpy + scipy | 权威判据，见下文质检节 |
| 抠图 / 统一构图 / 规格化 | Pillow | scripts/cutout_release.py |
| 叠字 | Pillow + 系统字体（如 C:\Windows\Fonts\msyhbd.ttc） |
文字自己叠，不让 AI 画字 |
| 动态 GIF | wan2.2-kf2v-flash 首尾帧生视频 |
480P，0.10 元/秒，每条固定 5 秒，实测约 16 秒出片 |
接口细节（endpoint / payload / 模型名 / 参数）见 references/bailian-image-api.md。
静态工作流（七步）
- 定选题：主题 + 角色 + 张数。微信静态表情只接受 16 或 24 张，先定 16 张跑通。
场景选日用高频（谢谢/收到/大笑/哭/生气/害羞/加油/疑问/震惊/无语/睡觉/点赞/求求了/溜了/辛苦了/比心）。
⚠️ 定妆照（角色基准图）不占 16 张名额，留作图标/横幅素材。 - 出定妆照：文生图一张干净角色图。提示词要求：纯色（纯白）背景、主体居中、四周留白、
画面无任何文字、扁平矢量/卡通风格（选一种并写死）。尺寸1328*1328。 - 批量换表情：以定妆照为参考图，逐张调 edit 模型。每条指令都必须重复同一段"保持约束"：
> 严格保持这只\<角色\>的外形、毛色斑纹、头身比例、插画风格、线条粗细、纯白背景完全不变；
> 画面中绝对不要出现任何文字、字母、数字或符号，也不要出现纯白色的独立色块；
> 主体居中、四周留白。只改变以下动作与表情：\<具体动作\>
- 动作描述要具体到姿势/朝向/道具（"两只前爪叉腰，鼓腮瞪眉，头顶三条怒气弧线"），含糊描述会得到辨识度低的结果
- 脚本做成可续跑（文件已存在则跳过），13 张实测约 6.5 分钟 - 客观质检（先）→ 5. 定向返工（只重做不合格的）→ 6. 抠图出规格 → 7. 视觉复检 + 验收
动态表情（GIF）路线 —— 关键帧 + 首尾帧生视频
在静态 16 张之上，走「两张关键帧 → 首尾帧生视频 → 抽帧 → 抠图 → 叠字 → GIF」：
- 定妆照（一致性锚点，只出一次）
- 每表情 2 张关键帧 A/B：A=起手、B=峰值，用
qwen-image-2.0-pro以定妆照为参考图改。
两张帧的动作差 = 之后视频的动感上限，描述要写具体姿势，别写"开心一点" wan2.2-kf2v-flash首尾帧生视频（480P，每条固定 5 秒）- 运动窗口切片 → 抽 13 帧（跳过首尾静止段，否则动感被吃掉一半）
- 逐帧抠图（视频帧不能用静态阈值法，要 alpha 斜坡 + 反白边）→ 整段统一构图（不是逐帧居中）
- 叠中文 + 程序化特效（汗滴/星星/问号/速度线/爆炸等，PIL 画，不让 AI 画）
- 正放 + 倒放（ping-pong） 拼 26 帧 → 循环绝对无缝
- 全局调色板 GIF，自动降色/降帧直到 ≤500KB → 出
preview.html同屏循环验收
为什么用首尾帧而不是"一句提示词图生视频"：两端是可控的静态图 → 抠图基准干净（不吃
H.264 噪点）、动作幅度被两张帧夹住（不会动过头、不会自己加运镜）、而且更便宜。
参数、算法、坑与成本见 references/dynamic-sticker-pipeline.md。引擎脚本：
scripts/dyn_common.py（公共库）、scripts/dyn_gen.py（花钱三步 base/keys/video）、
scripts/dyn_render.py（本地渲染，不花钱，--debug 出品红底查边条带）、
scripts/check_raw.py（核对 A/B 关键帧尺寸，出完关键帧先跑它）、
scripts/dyn_sheet.py（成套总览图 4×4 首帧网格，本地免费）、
scripts/dyn_assets.py（平台投稿素材一次出全：主图/缩略图/横幅/封面/图标/赞赏图 + 上传对照.txt）。
微信素材规格（以平台上传页为准）
表情主图 240×240 PNG(静态)/GIF(动图) 16 或 24 张，单张 ≤500KB，**文件名纯数字**
表情缩略图 120×120 PNG 数量与主图一致且同顺序，≤200KB
详情页横幅 750×400 PNG/JPG ≤80KB（纯平色插画存 PNG optimize 就够，实测 59KB）
表情封面图 240×240 PNG ≤500KB，**平台明确要求不放文字**
聊天面板图标 50×50 PNG ≤100KB；50px 下大头特写比全身更好认
赞赏引导图/致谢图 750×560 / 750×750 选金额页 / 答谢页（开通赞赏才要）
⚠️ 这张表是记忆值，规范页是 SPA 抓不到 → 上传前以平台上传页显示的为准，不一样就改流水线常量全部重出，不要重做创意部分。
抠图与统一构图（核心技术）
抠图用连通域，不要用阈值一刀切。 白底角色图直接"把所有近白像素变透明"会把角色
内部的白色（眼睛高光、茶杯、白色胸毛）一起抠穿。正确做法：
near_white = (r >= 240) & (g >= 240) & (b >= 240)
lab, _ = ndimage.label(near_white) # scipy 连通域
border = 与画面四边相连的 label 集合
background = isin(lab, border) # 只清「连到边缘」的白
alpha = where(background, 0, 255)
alpha = maximum(gaussian_blur(alpha, 0.7), alpha) # 羽化只向外扩，不侵蚀主体
→ 按构造保证不会产生角色内部的透明洞（可用质检里的"透明孤岛"断言验证）。
统一构图（十六张"看着像一套"的关键）：不要直接缩放原图（各图留白不同 → 大小不一）。
要按 alpha 包围盒裁切 → 按 max(bbox_w,bbox_h) = 画布 × 0.88 缩放 → 居中贴到方形画布。
同一 FILL 常量套全部图，主体视觉大小才一致。实测 16 张透明区落在 55%~70% 属正常。
质检：客观测量优先，视觉模型只作复检
先跑客观测量（scripts/pack_qa.py），四项硬指标：
| 指标 | 判据 | 抓什么 |
|---|---|---|
| 尺寸/模式 | == 目标尺寸 且 RGBA | 规格错、丢了透明通道 |
| 透明占比 | 15%~85% | 抠图没生效 / 抠过头 |
| 透明孤岛 | 不与画面边缘连通的透明块 ≈ 0 px | 抠穿（内部被挖洞） |
| 边缘侵入像素 | 横幅类 == 0 | 主体被画布裁切 |
| 单张体积 | < 500KB | 平台拒收 |
然后再用 qwen-vl-max 看总览图做复检（一致性/可读性/畸形）。
> 🔴 实测教训：横幅 A 版底部被裁掉 1261 像素，而视觉模型复检时明确说
> "均完整在画布内，无裁切" —— 视觉模型会漏判尺寸/边界类问题。
> 凡是能用像素算出来的（尺寸、裁切、透明、留白、色差）一律用测量判，视觉模型只负责
> "像不像、看不看得懂、脏不脏"这类主观判断。
给用户看成果时拼一张总览图（N 格 + 编号 + 名称，浅灰格底便于看透明边缘），一眼验收。
坑清单（都踩过）
- 返工脚本的文件名必须与批量脚本同源。实测：批量脚本写
raw/03_生气.png，返工脚本却写raw/06_生气.png→ 重做图写成了新文件，出图脚本仍用旧图，白跑一轮。→ 场景清单单一事实来源，返工脚本加防呆：目标文件不存在就报错跳过，绝不静默创建新名字的文件。 - 排版坐标要做边界校验。横幅第一版贴纸 240px 高、从 y=250 贴 → 超出 400 高的画布。横排 N 个元素时先算总宽再决定缩放/间距，留白不小于 8px，然后逐张重新校验。
- 一批只出 16 或 24 张（微信硬要求）。基准图不占名额。
- 先做无文字版（最易过审）。要带字时用 Pillow 叠字（选字体+描边+位置），比让生成模型画中文可靠得多。
- 透明底 vs 白底两条都出：贴纸在聊天里需要透明，但平台/预览有时要求白底 →
main/与main_white/各存一份。 prompt_extend=False（关闭智能改写）用于细节可控；watermark=False；seed可让出图相对稳定，但模型本身有概率性，同 seed 也不能保证完全一致。- 一致性靠 edit 链，不靠文生图重复描述：重新描述角色 16 次必然跑偏；以定妆照为锚点做 image-edit 才稳。
- 爪/手指数量、多余物件是常见小瑕疵；判"可接受"要看辨识度（卡通简化不算畸形），但看不懂是硬伤 → 优先重做"辨识度低"的。
- 大图（1328²）缩到 240² 用 LANCZOS 会在细结构边缘产生低 alpha 振铃 —— "透明孤岛"断言报出几十像素级的小孤岛多半是振铃而非真抠穿（阈值给几十 px 容差）。
- Pillow
getpalette()在quantize(colors=N)后只返回实际用到的颜色数（248 色 → 744 个值），np.array(...).reshape(256, 3)直接 ValueError → 补零到 256×3。 - 限流重试会掩盖真错误：外层封装吞掉错误响应体，「404 模型不存在」被内层最后一次「429 限流」盖住。→ 诊断模型/参数类问题必须把 response body 打出来；只在 429/Throttle 时退避重试，其他错误立刻原样抛。
- 模型名会过期：
qwen-image-edit-max2026-10 已 404（改名qwen-image-2.0-pro）。复用旧脚本前先跑scripts/models_probe.py或抓价格页核对模型名。 - 服务端报 429 未必是 QPS 打满 → 批量出图每次成功后主动
sleep(3)降速，比事后退避便宜。 - 🔴 批量任务"卡住/中断"先读日志里的异常类型，别先怀疑账号欠费。实测：跑到第 8 个表情整批停住，真因只是图片 CDN 一次
IncompleteRead断流。→ 下载一律走带重试的download_retry()（递进重试 + 校验返回体 ≥2KB）；keys/video两步每张图/每条视频单独 try/except，单张失败只记一笔、继续跑，末尾汇总失败清单。
支持文件
references/bailian-image-api.md—— 百炼图像 API 实测档案：正确端点、模型名清单、请求体样例、参数说明、走错端点的报错文案、质检提示词模板references/dynamic-sticker-pipeline.md—— 动态表情（GIF）实测档案：三条路线对比、首尾帧生视频接口、运动窗口切片、视频帧抠图与反白边、GIF 调色板补零 bug、ping-pong 无缝、成本 ≈3 元/16 张scripts/cutout_release.py—— 连通域抠图 + 统一构图 + 多规格批量输出scripts/pack_qa.py—— 客观质检：单图（尺寸/透明/孤岛/体积）+ 横幅（边缘裁切检测）scripts/models_probe.py—— 核对账号现役模型名：碰到 404 时先跑它scripts/dyn_sheet.py/scripts/dyn_assets.py—— 动态专辑总览图 / 平台投稿素材一次出全
成本参考
静态 16 张：定妆照 + 16 次 edit，edit 模型有 100 张免费额度，基本 0 元。
动态 16 张：32 张关键帧（免费额度内）+ 16 段视频（0.10 元/秒 × 5 秒 × 16 = 8 元档位，实测免费秒数抵扣后 ≈3 元）。
