ai女孩ai绘画动画化：一套表情差分，三轮才对味
我的判断是：新手让ai女孩动起来，别碰逐帧，别急着上视频，先做一套九宫格表情差分。三轮迭代七十二张图，我的「小栗」就这么从立绘变成了家庭群表情包。
给自己的ai女孩做绘画动画，是我8月最上头的一个项目。角色叫小栗，橙色发绳、右眼下一颗泪痣，原本只有一张立绘。我想要的效果很朴素：她能眨眼、能笑、能摆出一副没睡醒的死鱼眼，做成GIF发群里。
动手前我查了一圈教程，十个里有八个直接教你去搞逐帧。听我的，绕开。那条路我探了半天头，四十八帧画四秒的苦力活不是玩，是服刑。最后我走的是表情差分这条道，三天出了成品，下面把三条路都摊开讲。
让女孩动起来，有三条路
逐帧动画可控但工作量惊人，图生视频省力但角色脸容易漂，表情差分居中：技术门槛低、角色稳定，最适合做GIF和表情包。按你的用途选，别按技术含量选。
逐帧那条路，我试到第6帧就撤了。每帧都要让小栗的脸保持一致，手调半小时一帧，四秒动画按每秒12帧算得画四十八张，我算完这笔账当场放弃。它适合较真的人，不适合想一晚上看到成品的人。
图生视频是第二选项。把立绘喂进去让它动，5秒的片子确实出来了，代价是小栗的泪痣会在第2秒搬家，发绳颜色忽橙忽红。脸一漂，角色就散了，这对以「角色」为核心的内容是硬伤。
表情差分是我最后选的：把一个表情画成一张静图，九个表情九张图，再用工具按0.15秒一帧串成GIF。它动得「笨」，一卡一卡的，但每一卡都是小栗本人。
表情差分表怎么做：九宫格与锚点
先定三个锚点词——刘海分线、泪痣位置、发绳颜色，每张差分都原样带上，然后只替换表情词，重绘幅度压在0.35以下。锚点是角色身份证，动一个全盘皆输。
九宫格我选的表情是：日常、大笑、惊讶、愤怒、委屈、困倦、得意、震惊、没睡醒。前四张出得挺顺，第五张「委屈」开始出事——痣跑到左眼下了。定睛一看，是我换了个设备出图，种子没跟过去。角色脸这东西，比你想象的脆弱得多。
找回状态之后我给自己立了条规矩：每张差分的提示词分成两截，前半截是身份段，一字不许动；后半截是表情段，随便折腾。72张里大部分废片，废因都是身份段被表情词带跑了——笑得太用力，苹果肌把痣顶到了颧骨上，你说气人不气人。
刘海是另一个隐藏战场。「大笑」那个表情，我出了十几张刘海都变成中分的八字帘，笑出八股文了。最后在表情词后面挂上「刘海分线不变」才摁住。这些细节词单看都挺傻，拼在一起就是角色的命。
表情词从哪来？我对着镜子做。委屈那个表情我对着浴室镜子挤了五分钟，把「眉头微皱、嘴角向下、眼眶泛红」逐个记下来。人脸上有的肌肉变化，比任何词表都准，镜子是免费的表情库，这事我以前真没想到。
三轮迭代改掉了什么
第一轮治痣的漂移，第二轮治刘海变形，第三轮治眼神空洞，每轮砍掉一类毛病，九张差分才齐活。别指望一轮出全套，分层排雷比推倒重来省得多。
第三轮的问题最隐蔽也最有意思：表情都对，但九张放在一起看，小栗的眼神像九个不同的人。有的图瞳孔高光一大一小，有的图眼睛望向画外。我最后给每张都加了「看向镜头」加固定瞳色词，才算把魂收回来。差分表是九张图的事，更是一个人的事。
串GIF那步反而简单。九张图按日常开头、日常收尾排了个循环序列，中间挑四个表情轮播，每帧0.15秒，导出不到2MB，家庭群直接能用。我妈现在给亲戚拜年都转发小栗的「得意」，传播力比我想的猛。
成本也交代一下：72张图的额度，搁我平时出图的习惯大概是小半个月的花销，三天的晚上时间。比起逐帧的服刑和视频的漂脸，这买卖我觉得划算。
小栗的九宫格现在就钉在我工位隔板上，打印版。同事路过会顺手拨到「没睡醒」那张对着人。角色动起来这件事，说到底不是技术炫耀，是她开始像一个活人了。下一步我想给她做一套换装差分——先把这篇的坑记熟，别再让痣乱跑。
常见问题
没有绘画基础能做表情差分吗？
能，全程是提示词加参数的活，不要求手绘。需要的是耐心：先把一张立绘调到满意，再围绕它出差分，第一步的质量决定整套的上限。
重绘幅度为什么定在0.35？
这是我试出来的区间：0.3以下表情变化太小，跟没改一样；0.4以上脸部特征开始走样。0.35上下留给表情的发挥空间刚好，你可以以它为起点微调。
表情差分能做成视频发平台吗？
可以，串成GIF或MP4都行。短视频平台建议每帧放慢到0.2秒以上，观众在手机上看，太快了看不清表情变化。
一张差分表最多做多少个表情？
九个够用，超过之后边际收益陡降。表情包常用态就那么几种，与其凑数量，不如把「没睡醒」「得意」这类高频表情各磨出两个变体。