半个月前发了一帖介绍 aipet.dev ，当时用 LLM 逐像素画，效果比较粗糙。 评论区有人建议用图片生成模型，这次换成了 GPT-Image-2 ，生成质量好了很多。 优化后 👇👇👇 随便几个例子（展廊里真实生成的）： "小鹿" → 红色像素猫，自带蓝色火焰尾巴 "铁宝" → 红色像素机器人，机械感十足 "橘宝" → 棕色像素猫咪 "Dinino" → 绿色像素小恐龙 （截图：展廊页面） 每个宠物自动生成 9 种动画状态：待机、跑步、挥手、跳跃等，不只是一张静态图。 怎么玩 打开 aipet.dev 输入一句话，比如"穿和服的白猫" 等两分钟左右（ GPT-Image-2 画完还要自动拆帧做动画）→ 生成像素宠物 + 8 种动画 下载 ZIP ，可以导入 Codex 等工具当 AI 助手形象，或者用桌宠 App 养在桌面上 不需要注册，访客每小时 5 次，GitHub 登录 10 次，免费。 和上次比改了啥 生成质量提升 ：LLM 逐像素 → GPT-Image-2 直接画，颜色和细节好了不少 桌宠 App ：Tauri 2 做的桌面宠物，可以在桌面上跑来跑去 展廊 ：公开展示所有人生成的宠物 分享海报 ：每个宠物可以生成带二维码的分享图 上次帖子里反馈的问题都修了，感谢各位的建议。 网址： aipet.dev
[分享创造] 我用 AI 逐像素画了一个宠物生成器，还能自动做骨骼动画 网址： aipet.dev 起因是我想做一个自己的 Codex 桌宠，找了一圈没有"你说一句话就能生成像素宠物"的工具，于是搓了一个。 怎么玩的 输入一句话描述，比如"一只戴墨镜的橘猫"，AI 会用 LLM 逐像素"画"出一个 32×32 的 chibi 像素角色。 自动提取骨骼关键点，生成 8 种动画状态（ idle / running / waving / jumping 等），组装成完整的 sprite sheet 。 技术细节 前端 ：Next.js 16 + React 19 + TailwindCSS 4 ，Canvas 实时渲染像素 + 动画播放 后端 ：Cloudflare Pages + D1 (SQLite) + R2 存储 AI 生成 ：LLM 直接输出 palette + grid 格式的 JSON ，前端解析后逐像素绘制 动画引擎 ：纯 Canvas 像素引擎，零 native 依赖，从 32×32 放大到 640×640 sprite sheet （ 8×9 grid ），支持骨骼关键点提取 + 自动帧插值 部署 ：Cloudflare Pages ，全球 CDN ，免费额度完全够用 一些设计决策 为什么用 LLM 画像素而不是用扩散模型？ 32×32 = 1024 个像素，刚好在 LLM 的 JSON 输出能力范围内，而且生成过程可以实时流式展示，视觉体验比等图片生成好 骨骼动画怎么做的？ 分析像素画的人体比例（头、眼、腿位置），提取关键点后对原始帧做仿射变换生成动画帧 内容安全 ：生成前会过一轮安全检查，防止生成不合规内容 截图 Codex 使用我们生成的宠物： 首页 — 输入描述直接生成： 展廊 — 可以看到所有人生成的宠物： 免费开放 不需要注册就能玩，访客每小时 5 次，GitHub 登录 10 次。生成的宠物可以下载 sprite sheet ZIP ，解压后导入 Codex 等 Agent 客户端。 欢迎来玩，也欢迎提建议！ 网址： aipet.dev
[分享创造] 我用 AI 逐像素画了一个宠物生成器，还能自动做骨骼动画 网址： aipet.dev 起因是我想做一个自己的 Codex 桌宠，找了一圈没有"你说一句话就能生成像素宠物"的工具，于是搓了一个。 怎么玩的 输入一句话描述，比如"一只戴墨镜的橘猫"，AI 会用 LLM 逐像素"画"出一个 32×32 的 chibi 像素角色。 自动提取骨骼关键点，生成 8 种动画状态（ idle / running / waving / jumping 等），组装成完整的 sprite sheet 。 技术细节 前端 ：Next.js 16 + React 19 + TailwindCSS 4 ，Canvas 实时渲染像素 + 动画播放 后端 ：Cloudflare Pages + D1 (SQLite) + R2 存储 AI 生成 ：LLM 直接输出 palette + grid 格式的 JSON ，前端解析后逐像素绘制 动画引擎 ：纯 Canvas 像素引擎，零 native 依赖，从 32×32 放大到 640×640 sprite sheet （ 8×9 grid ），支持骨骼关键点提取 + 自动帧插值 部署 ：Cloudflare Pages ，全球 CDN ，免费额度完全够用 一些设计决策 为什么用 LLM 画像素而不是用扩散模型？ 32×32 = 1024 个像素，刚好在 LLM 的 JSON 输出能力范围内，而且生成过程可以实时流式展示，视觉体验比等图片生成好 骨骼动画怎么做的？ 分析像素画的人体比例（头、眼、腿位置），提取关键点后对原始帧做仿射变换生成动画帧 内容安全 ：生成前会过一轮安全检查，防止生成不合规内容 截图 Codex 使用我们生成的宠物： 首页 — 输入描述直接生成： 展廊 — 可以看到所有人生成的宠物： 免费开放 不需要注册就能玩，访客每小时 5 次，GitHub 登录 10 次。生成的宠物可以下载 sprite sheet ZIP ，解压后导入 Codex 等 Agent 客户端。 欢迎来玩，也欢迎提建议！ 网址： aipet.dev
[分享创造] 我用 AI 逐像素画了一个宠物生成器，还能自动做骨骼动画 网址： aipet.dev 起因是我想做一个自己的 Codex 桌宠，找了一圈没有"你说一句话就能生成像素宠物"的工具，于是搓了一个。 怎么玩的 输入一句话描述，比如"一只戴墨镜的橘猫"，AI 会用 LLM 逐像素"画"出一个 32×32 的 chibi 像素角色。 自动提取骨骼关键点，生成 8 种动画状态（ idle / running / waving / jumping 等），组装成完整的 sprite sheet 。 技术细节 前端 ：Next.js 16 + React 19 + TailwindCSS 4 ，Canvas 实时渲染像素 + 动画播放 后端 ：Cloudflare Pages + D1 (SQLite) + R2 存储 AI 生成 ：LLM 直接输出 palette + grid 格式的 JSON ，前端解析后逐像素绘制 动画引擎 ：纯 Canvas 像素引擎，零 native 依赖，从 32×32 放大到 640×640 sprite sheet （ 8×9 grid ），支持骨骼关键点提取 + 自动帧插值 部署 ：Cloudflare Pages ，全球 CDN ，免费额度完全够用 一些设计决策 为什么用 LLM 画像素而不是用扩散模型？ 32×32 = 1024 个像素，刚好在 LLM 的 JSON 输出能力范围内，而且生成过程可以实时流式展示，视觉体验比等图片生成好 骨骼动画怎么做的？ 分析像素画的人体比例（头、眼、腿位置），提取关键点后对原始帧做仿射变换生成动画帧 内容安全 ：生成前会过一轮安全检查，防止生成不合规内容 截图 Codex 使用我们生成的宠物： 首页 — 输入描述直接生成： 展廊 — 可以看到所有人生成的宠物： 免费开放 不需要注册就能玩，访客每小时 5 次，GitHub 登录 10 次。生成的宠物可以下载 sprite sheet ZIP ，解压后导入 Codex 等 Agent 客户端。 欢迎来玩，也欢迎提建议！ 网址： aipet.dev
[分享创造] 我用 AI 逐像素画了一个宠物生成器，还能自动做骨骼动画 网址： aipet.dev 起因是我想做一个自己的 Codex 桌宠，找了一圈没有"你说一句话就能生成像素宠物"的工具，于是搓了一个。 怎么玩的 输入一句话描述，比如"一只戴墨镜的橘猫"，AI 会用 LLM 逐像素"画"出一个 32×32 的 chibi 像素角色。 自动提取骨骼关键点，生成 8 种动画状态（ idle / running / waving / jumping 等），组装成完整的 sprite sheet 。 技术细节 前端 ：Next.js 16 + React 19 + TailwindCSS 4 ，Canvas 实时渲染像素 + 动画播放 后端 ：Cloudflare Pages + D1 (SQLite) + R2 存储 AI 生成 ：LLM 直接输出 palette + grid 格式的 JSON ，前端解析后逐像素绘制 动画引擎 ：纯 Canvas 像素引擎，零 native 依赖，从 32×32 放大到 640×640 sprite sheet （ 8×9 grid ），支持骨骼关键点提取 + 自动帧插值 部署 ：Cloudflare Pages ，全球 CDN ，免费额度完全够用 一些设计决策 为什么用 LLM 画像素而不是用扩散模型？ 32×32 = 1024 个像素，刚好在 LLM 的 JSON 输出能力范围内，而且生成过程可以实时流式展示，视觉体验比等图片生成好 骨骼动画怎么做的？ 分析像素画的人体比例（头、眼、腿位置），提取关键点后对原始帧做仿射变换生成动画帧 内容安全 ：生成前会过一轮安全检查，防止生成不合规内容 截图 Codex 使用我们生成的宠物： 首页 — 输入描述直接生成： 展廊 — 可以看到所有人生成的宠物： 免费开放 不需要注册就能玩，访客每小时 5 次，GitHub 登录 10 次。生成的宠物可以下载 sprite sheet ZIP ，解压后导入 Codex 等 Agent 客户端。 欢迎来玩，也欢迎提建议！ 网址： aipet.dev
[分享创造] 我用 AI 逐像素画了一个宠物生成器，还能自动做骨骼动画 网址： aipet.dev 起因是我想做一个自己的 Codex 桌宠，找了一圈没有"你说一句话就能生成像素宠物"的工具，于是搓了一个。 怎么玩的 输入一句话描述，比如"一只戴墨镜的橘猫"，AI 会用 LLM 逐像素"画"出一个 32×32 的 chibi 像素角色。 自动提取骨骼关键点，生成 8 种动画状态（ idle / running / waving / jumping 等），组装成完整的 sprite sheet 。 技术细节 前端 ：Next.js 16 + React 19 + TailwindCSS 4 ，Canvas 实时渲染像素 + 动画播放 后端 ：Cloudflare Pages + D1 (SQLite) + R2 存储 AI 生成 ：LLM 直接输出 palette + grid 格式的 JSON ，前端解析后逐像素绘制 动画引擎 ：纯 Canvas 像素引擎，零 native 依赖，从 32×32 放大到 640×640 sprite sheet （ 8×9 grid ），支持骨骼关键点提取 + 自动帧插值 部署 ：Cloudflare Pages ，全球 CDN ，免费额度完全够用 一些设计决策 为什么用 LLM 画像素而不是用扩散模型？ 32×32 = 1024 个像素，刚好在 LLM 的 JSON 输出能力范围内，而且生成过程可以实时流式展示，视觉体验比等图片生成好 骨骼动画怎么做的？ 分析像素画的人体比例（头、眼、腿位置），提取关键点后对原始帧做仿射变换生成动画帧 内容安全 ：生成前会过一轮安全检查，防止生成不合规内容 截图 Codex 使用我们生成的宠物： 首页 — 输入描述直接生成： 展廊 — 可以看到所有人生成的宠物： 免费开放 不需要注册就能玩，访客每小时 5 次，GitHub 登录 10 次。生成的宠物可以下载 sprite sheet ZIP ，解压后导入 Codex 等 Agent 客户端。 欢迎来玩，也欢迎提建议！ 网址： aipet.dev
[分享创造] 我用 AI 逐像素画了一个宠物生成器，还能自动做骨骼动画 网址： aipet.dev 起因是我想做一个自己的 Codex 桌宠，找了一圈没有"你说一句话就能生成像素宠物"的工具，于是搓了一个。 怎么玩的 输入一句话描述，比如"一只戴墨镜的橘猫"，AI 会用 LLM 逐像素"画"出一个 32×32 的 chibi 像素角色。 自动提取骨骼关键点，生成 8 种动画状态（ idle / running / waving / jumping 等），组装成完整的 sprite sheet 。 技术细节 前端 ：Next.js 16 + React 19 + TailwindCSS 4 ，Canvas 实时渲染像素 + 动画播放 后端 ：Cloudflare Pages + D1 (SQLite) + R2 存储 AI 生成 ：LLM 直接输出 palette + grid 格式的 JSON ，前端解析后逐像素绘制 动画引擎 ：纯 Canvas 像素引擎，零 native 依赖，从 32×32 放大到 640×640 sprite sheet （ 8×9 grid ），支持骨骼关键点提取 + 自动帧插值 部署 ：Cloudflare Pages ，全球 CDN ，免费额度完全够用 一些设计决策 为什么用 LLM 画像素而不是用扩散模型？ 32×32 = 1024 个像素，刚好在 LLM 的 JSON 输出能力范围内，而且生成过程可以实时流式展示，视觉体验比等图片生成好 骨骼动画怎么做的？ 分析像素画的人体比例（头、眼、腿位置），提取关键点后对原始帧做仿射变换生成动画帧 内容安全 ：生成前会过一轮安全检查，防止生成不合规内容 截图 Codex 使用我们生成的宠物： 首页 — 输入描述直接生成： 展廊 — 可以看到所有人生成的宠物： 免费开放 不需要注册就能玩，访客每小时 5 次，GitHub 登录 10 次。生成的宠物可以下载 sprite sheet ZIP ，解压后导入 Codex 等 Agent 客户端。 欢迎来玩，也欢迎提建议！ 网址： aipet.dev