桌面宠物从 0 造起:31 个动作状态与 AI 精灵图管线
看到某款桌面宠物小软件定价 9.9 元、单月销量破万单时,我盯着那个数字看了五分钟,随后打开了编辑器。
吸引我的不是低价冲动消费,而是背后的确定性信号:几乎没有理解门槛,且真实存在大量用户愿意为“屏幕上有个小家伙陪着自己干活”买单。
这就是我做 DesktopCat 的起点。
第一道门槛:不请画师,建一条可复用的角色管线
做桌面宠物最先撞上的是美术成本。如果按传统外包模式找画师定制,每改一个动作、每增加一只新花色的猫,都是一笔新的人工费用。
我的选择是用 AI 搭建标准化的精灵图(Sprite Sheet)生成管线。管线一旦跑通就是可复用资产,无论是后续出节日主题猫,还是支持用户上传自家猫咪照片做专属定制,走的都是同一套流程。
在技术路线上,桌面宠物常见有两种方案:
- Live2D 骨骼驱动:动作极其细腻,但依赖专用建模工具链,商业授权与自动化生成门槛高。
- 精灵图序列帧(Sprite Sheet):把每个动作拆成连续关键帧排进大图,由状态机按帧率裁切播放,授权清晰且完全可控。
对于一人独立开发,精灵图是更务实的选择。
AI 精灵图三步流水线:31 个状态、143 帧零手绘
整套角色资产最终包含 31 个独立动作状态、共 143 帧画面——除了基础的行走、端坐、打盹,还包括敲键盘联动、被抚摸时的眯眼满足、无聊甩尾巴等细节反馈。核心生成管线分为三步:
- 多姿态一致生图:核心难点在于“同一只猫在不同动作下保持五官、毛色比例与画风高度一致”。经过多轮模型对比测试后锁定主力图像生成模型,并对每个状态逐帧质检。
- 本地自动去背景:使用
rembg在本地批量剥离纯色背景,保留干净的透明通道,单张处理只需数秒且零接口成本。 - 图集与坐标打包:通过
free-tex-packer-core将散落的动作帧拼合为单张atlas.png与对应的pet.json坐标描述文件,前端渲染层按状态名直接读取帧序列。
解决连续步态飘移的补充手段
纯静态生图在遇到“连续行走”这类重心逐帧变化的动作时,单靠文字提示词容易出现前后帧体型微变。实践中最有效的解法是引入视频模型生成一段短短的参考动画,逐帧抽取出动作姿态骨架作为参考图,再交由生图模型重绘统一画风的高清帧,从而跨过帧间一致性瓶颈。
站在成熟开源方案肩膀上解决系统级交互
全局键鼠监听和桌面边缘物理游荡如果全部从底层手写,周期会拉得很长。开发过程中我重点参考并致敬了两个优秀的开源项目:
- BongoCat(Rust / Tauri 实现):解决了跨窗口的系统级全局键鼠事件监听,让你在任何软件里打字时猫咪都能同步拍爪。
- WindowPet(Phaser 3 状态机参考):提供了桌面边界碰撞、行为权重随机切换与物理游荡的清晰思路。
把跨平台轻量壳(Tauri)、物理状态机(Phaser 3)与自建的 AI 精灵图管线组合在一起,就构成了完整的产品体验。
商业模式调整:为什么把客户端改为免费领养
最初我计划做成付费买断安装包,但很快意识到桌面端离线安装包如果只靠文件分发,几乎没有防复制壁垒;若强行加上每次启动联网校验授权码,断网即不可用,既增加工程复杂度又伤害普通用户体验。
权衡之后,我把策略调整为:基础客户端与首发猫咪免费开放下载(现已支持 macOS 与 Windows),降低传播与体验门槛;把商业化放在更有差异化的官方角色通行证与真人宠物照片定制服务上。
如果你平时长时间对着电脑工作,欢迎直接去 desktopcat.com 领一只放到桌面上试试。