Simon Willison 在 Codex Desktop 里发现了一个自己此前没留意的功能:任务运行时,会有一只神似 Clippy 的动画角色跳出来提醒进度。这个“宠物”功能今年5月就已上线,他这次才第一次用上,还发现它可以自定义。这篇记录发布于 2026 年 7 月 14 日。
他让 GPT-5.6 Sol xhigh 调用图像模型 gpt-image-2,一次性生成了一整套骑自行车的鹈鹕动画素材,取名 Pedalican,提示词、中间图片和源码全部公开在 GitHub 上。真正值得关注的不是桌面宠物本身,而是这条从文字描述到可用动画素材的自动化链路——模型自己完成了角色设计、精灵拆分、动画验证的多个环节,记录里没有提到人工修图。但这只是一次样本量为一、分辨率不高的个人演示,离能撑起商业项目的美术生产线还有距离。
发生了什么:一句描述,几轮生成,一套动画精灵
Willison 记录下的过程显示,Codex 先用 GPT-5.6 Sol xhigh 生成一张角色参考图。提示词明确要求纯洋红色(#FF00FF)背景、构图紧凑,在 192×208 像素下依然清晰可辨——这是游戏精灵图常见的抠图和可读性要求。
随后模型针对每个动作单独生成一张四帧连续画面,再拼成 GIF。挥手动作对应的 waving.gif,就是由一张四帧图拼接而成。
仓库里保留了每一步的生成图、精灵表和 GIF,还有一份记录制作过程的笔记。这种颗粒度的可追溯性,比起以往用 Midjourney 或 Stable Diffusion 手工拼精灵表的流程少见,但目前只有 Pedalican 这一个案例,谈不上稳定复现率。
为什么重要:变的是生产流程,不是宠物形态
这类桌面动画助手的交互形式不新。上世纪90年代微软 Office 里的 Clippy 就是同一套逻辑:一个会跳、会说话的小角色,提醒你软件在做什么。
区别在于谁来做这个角色。Clippy 由微软设计师预先画好,用户顶多换皮肤。Pedalican 的角色、动作、精灵图,全部由 Codex 根据一句文字描述自动生成。
这个转变对独立游戏开发者和 UI 设计者是个信号:精灵图生产的第一步,第一次有了可复现的自动化雏形。但信号不等于工具成熟——Willison 自己也是第一次跑通这条流程。
谁该现在动手,谁该再等等
独立游戏开发者可以把这条链路当原型工具用。与其在 Aseprite 里花几天手工画精灵表,不如先跑一版草稿,再人工精修动作边缘和帧率。省下来的是初稿时间,不是最终交付时间。
正在评估生成式 AI 美术工作流的设计或技术负责人,现在立项还早。Willison 的记录没有给出耗时、成本、失败率这些数字,repo 里也只有 Pedalican 一个完整案例。想拿这套流程进团队,至少要自己跑几轮同一角色的重复生成,看风格是否稳定。
| 已知 | 未知 |
|---|---|
| 生成链路:GPT-5.6 Sol xhigh 调度 gpt-image-2,先出角色参考图,再逐动作生成 | 单次生成的耗时和成本 |
| 精灵图规范:192×208 像素、纯洋红 #FF00FF 背景抠图 | 多角色批量生成的一致性和失败率 |
| 两项关键实现 hatch-pet、imagegen 均为 Apache 2.0 开源 | 生成图像本身的版权与商用许可边界 |
开源的是代码,不是图像。gpt-image-2 生成的每张图,角色一致性、透明背景处理、动画帧率是否达标,都需要人工逐帧检查。Apache 2.0 协议管得到代码怎么用,管不到图片的版权和商标风险。
接下来值得盯的是,有没有团队拿这条链路做批量测试:同一套提示词模板换十个角色,风格还稳不稳,返工率能不能压下来。这是从个人演示走向可用工具的门槛。