莫潇羽 @ 无忆研习社 · 原创首发 · 转载请注明出处
⚡ 快速摘要
核心结论：用 AI 绘图工具（Stable Diffusion / ComfyUI 等）配合 Photoshop，可以在不需要专业手绘能力的前提下，系统性地制作出一套完整的原创微信表情包并完成上架。
关键信息速览：
- 平台入口：微信表情开放平台（sticker.weixin.qq.com），个人账号注册后即可投稿
- 核心流程：AI 生成 IP 形象 → 局部重绘批量制作表情 → PS 精修 → 压缩至规定尺寸 → 填写信息上传审核
- 最关键的两个技术点：一是用 AI「局部重绘」功能高效替换面部表情；二是借助迪士尼「挤压拉伸」原则，用 PS 变形工具让表情更生动
- 尺寸雷点：主图 240×240px（但要先在 1024×1024 大画布上画，最后压缩），横幅 750×400px 且背景不能是白色
- 审核雷点：二创他人已有形象、白色横幅背景、表情内容中规中矩缺乏创意，都是常见驳回原因
往下读有每个环节的详细拆解，包括提示词写法、PS 操作步骤、球体变形理论实战演示，以及完整的上传字段填写说明。
前言：表情包这件事，比你想象的更值得认真对待
打开手机，随手翻一翻日常聊天记录——那些在对话框里频繁出现的表情包，往往才是真正传递情绪的主角。文字表达有时太正经，语音太费事，而一张画面夸张、情绪饱满的表情，往往能在一秒内把一句话说清楚，还能引发对方会心一笑。
正因如此，微信表情开放平台自开放投稿以来，已经积累了海量的原创作者。其中有专业插画师，有业余爱好者，也有越来越多借助 AI 工具入场的新人。这篇文章想聊的，就是后一条路——用 AI 绘图工具和 Photoshop 的组合，从零开始做出一套有辨识度、能通过审核、在微信上真正被人使用的原创表情包。
说是"原创"，并不是在玩文字游戏。用 AI 生成图像的过程，需要你主导形象风格的设计方向、编写描述角色神态的提示词、筛选适合的生成结果、处理透明背景、调整每张表情的构图与情绪强度……每一步都有真实的创作判断在其中。工具只是降低了技术门槛，并没有替你做完创意本身。
本文的操作思路基于 Stable Diffusion（配合内置绘图工具使用，国内主流整合包均支持此工作流），后期处理使用 Photoshop，上架平台为微信表情开放平台。整套流程适合没有绘画基础的朋友，也适合有一定 PS 基础想借助 AI 提效的创作者。
在开始之前，我想特别说明一下工具组合的逻辑，因为这会影响你后续每一步的选择：AI 绘图工具负责"生成"，Photoshop 负责"精修"，两者不能互相替代，而是高度互补的关系。 AI 可以在几秒内生成出一张大致符合情绪描述的表情图，但它无法精确控制哪条线在哪里、透明背景是否干净、角色整体形态是否符合球体变形的情绪逻辑。这些细节控制，需要在 PS 里手动完成。正因为有了这套"AI 生成框架 + PS 手动精修"的组合，不会手绘的创作者也能产出专业质量的作品。
文章中会涉及 SD 的操作界面和 PS 的具体操作，但不会逐步截图讲解每一个按钮，而是聚焦在影响最终效果的关键判断点上。如果你是完全零基础，可能需要配合各工具的基础教程同步学习；如果已有一定基础，本文的内容可以直接作为制作流程的参考手册来使用。
一、认识微信表情开放平台：规则先行，少走弯路
在动手制作之前，花时间把平台的规则摸清楚，能为你省去大量重复劳动。微信表情开放平台的地址是 sticker.weixin.qq.com，腾讯官方维护，支持个人和企业两类账号注册。对于独立创作者来说，选择「个人账号」即可。
1.1 注册与实名
注册流程需要填写姓名、身份证号、邮箱地址和设定密码，完成实名认证后方可投稿。注册成功后，登录方式支持微信扫码，操作十分便捷。需要注意的是，开启「赞赏功能」（即允许用户打赏创作者）需要额外完善艺术家资料，包括真人头像、个人简介和主页横幅，否则该功能无法激活。
1.2 投稿类型：表情专辑 vs 表情单品
平台支持两种投稿形式。表情专辑是常规投稿方式，要求一次上传 16 张或 24 张成套表情，风格须统一；表情单品则是单张投稿，但对创意性要求更高，中规中矩的挥手再见、鞠躬感谢等常规内容很难通过单品审核。本文重点讲解的是表情专辑的制作流程，这也是大多数新人更容易上手的方向。
1.3 静态与动态
表情专辑分为静态和动态两种类型。静态表情使用 PNG 或 JPG 格式，技术要求相对简单；动态表情使用 GIF 格式，需要额外处理每帧画面的时序。本文聚焦于静态表情的完整制作流程，这是入门阶段最合理的选择，掌握之后再拓展到动态也会顺畅很多。
1.4 所有素材的规格总览
在正式开始制作前，把所有需要准备的素材类型和规格整理清楚，非常重要。在上传阶段发现尺寸不对再返工，会浪费大量时间。
|
素材名称 |
格式 |
尺寸（像素） |
大小限制 |
数量 |
背景要求 |
|
表情主图 |
PNG / JPG（静态） |
240 × 240 |
≤ 100 KB |
16 或 24 张 |
透明背景 |
|
表情缩略图 |
PNG |
120 × 120 |
≤ 50 KB |
与主图对应 |
透明背景 |
|
表情封面图 |
PNG |
240 × 240 |
≤ 80 KB |
1 张 |
透明背景 |
|
聊天页图标 |
PNG |
50 × 50 |
≤ 30 KB |
1 张 |
透明背景 |
|
详情页横幅 |
PNG / JPEG |
750 × 400 |
≤ 80 KB |
1 张 |
不能是白色 |
|
赞赏引导图 |
PNG / GIF |
750 × 560 |
≤ 100 KB |
1 张（选填） |
非白色为佳 |
|
赞赏致谢图 |
PNG |
750 × 750 |
≤ 200 KB |
1 张（选填） |
非白色为佳 |
这张表格值得在制作开始前打印出来放在桌上，后文每个环节都会用到。
二、AI 辅助 IP 形象设计：从提示词到第一张原型图
整套表情包的基础，是一个统一的 IP 形象。这个角色的长相、配色、风格，决定了后续所有表情的视觉调性。如果形象本身有辨识度，后续的批量制作会顺畅很多；反之，若一开始就选了一个过于普通的形象，之后怎么调整都缺乏记忆点。
2.1 用语言模型写提示词
很多人在 AI 绘图上卡住的第一步，不是工具不会用，而是不知道怎么描述自己想要的风格。这里推荐一个实用做法：直接让 DeepSeek 或豆包这类国内语言模型，帮你生成 Stable Diffusion 专用的英文提示词。
比如输入：「帮我写一个可爱小猫咪 IP 形象的 SD 提示词，要有透明背景，卡通风格，表情包用途，详细一点」，它会输出一段格式规范的英文 prompt，可以直接复制进 SD 的正向提示词框使用。
初次使用时建议关注几个关键词方向：
- 风格描述：anime style、cartoon style、chibi、2D flat illustration 等
- 角色描述：cute white cat、round head、big eyes、fluffy ears 等
- 技术要求：transparent background、full body、simple background、white background 等
- 画质标签：masterpiece、best quality、high detail 等
提示词的质量直接影响生成结果。通常需要生成多轮、每轮多张，从中筛选出最符合预期的那一版。不要指望第一次生成就完美，AI 出图本质上是一个「抽卡」过程，多尝试是必要的。
2.2 风格选择的策略
在风格上，需要做一个重要的判断：你想做传播度广的大众向，还是细分受众的精致向？
这两个方向都有机会，但逻辑不同。高饱和度、精细五官、偏美少女风格的表情包，视觉上很漂亮，但因为它的受众相对特定，扩散速度往往不如那些看起来有点"粗粝"、线条夸张、表情魔性的类型。后者虽然在视觉上不那么精美，但胜在那种夸张的情绪感——这才是大多数人发表情包的核心动机：不是为了好看，而是为了精准传递一个状态。
如果是第一次做，建议选择后者的方向。夸张、有梗、表情张力大的风格，在平台上的自然传播效率明显更高，也更容易获得热度反馈。
2.3 建立高分辨率原型图
在 SD 的文生图界面，建议新建 1024×1024 像素的画布进行生成，而不是直接按 240×240 像素输出。原因很简单：小画布的生成质量天然受限，细节粗糙，后续放大会模糊；而在大尺寸下生成完成后，再通过专用工具压缩到目标尺寸，清晰度会好得多。
在批量生成参数上，可以先将 Batch count（批次数量）设为 4~5，让模型一次输出多张，从中挑选最满意的角色原型。挑选时主要看三点：脸部比例是否自然、毛发或轮廓是否干净、整体气质是否符合最初的设想。
三、工具选型与 Stable Diffusion 核心设置
在正式进入批量表情制作之前，有必要花时间把工具侧的逻辑捋清楚，因为接下来的所有操作都依托这套工具流完成。
3.1 主流工具选择
目前国内可以使用的 AI 绘图工具整合包，大多基于 Stable Diffusion 的 WebUI 架构（如 AUTOMATIC1111 或 ComfyUI），提供了图形化界面，不需要命令行操作。各大模型社区（如 LiblibAI、哩布哩布 AI 等国内平台）可以下载到丰富的模型资源。
整合包安装完成后，需要关注两类资源的配置：
- Checkpoint 模型：决定生成画面的整体风格，用于卡通表情包制作时，推荐二次元风格或插画风格的模型，例如 AnyLoRA、ReV Animated、MeinaMix 系列等
- LoRA 模型：在 Checkpoint 基础上叠加特定风格或角色特征的轻量化模型，通过
<lora:模型名:权重>的格式嵌入提示词中调用。在本文的制作思路里，LoRA 不是必需的，但如果你有特定的风格需求，它是非常有效的精细化工具
3.2 图生图（Img2Img）与实时图生图
整套表情批量制作的核心功能，是 SD 的图生图（Img2Img）模块中的「局部重绘（Inpainting）」功能，尤其是实时图生图（Live Portrait / 实时局部重绘）模式。
这个功能的工作原理是：以已有的角色图像为基底，通过画笔框选需要改变的区域（通常是脸部），输入新的提示词，让 AI 只对框选区域重新生成，而保持其余部分（身体、发型、服装等）不变。这样一来，所有表情图就拥有了一致的角色外观，只有情绪状态在变化——这正是一套表情包所需要的统一性。
3.3 关键参数：重绘强度（Denoising Strength）
在局部重绘中，最需要理解和调整的参数是重绘强度（Denoising Strength）。这个值的范围是 0 到 1：
- 值越低（如 0.3~0.4），生成结果与原图越接近，表情变化会比较微弱
- 值越高（如 0.7~0.8），AI 发挥的自由度越大，表情变化幅度明显，但过高时容易导致生成结果与原角色"断开联系"，出现过拟合现象
在制作表情包时，建议将重绘强度保持在 0.65~0.75 之间，这是一个既能让表情有足够变化、又能维持角色一致性的平衡区间。具体数值还需要根据不同模型和不同角色反复测试调整。
3.4 采样步数与采样器的选择
除了重绘强度，采样步数（Sampling Steps）也会影响最终质量。步数越多，生成结果越细腻，但所需时间也越长。在表情包制作的工作流中，由于需要大量批量生成，追求绝对质量上限的同时也要兼顾效率。通常建议将步数设置在 20~30 步之间，配合 DPM++ 2M Karras 或 Euler a 这类常用采样器使用，可以在质量和速度之间取得较好的平衡。
采样器的选择对于卡通风格的表情包来说影响相对有限，但如果你发现某个采样器生成的结果颜色饱和度异常或线条有明显的锯齿感，可以尝试切换到其他采样器重新生成对比一下。
3.5 CFG Scale（提示词引导系数）的影响
CFG Scale 决定了 AI 在多大程度上"听从"你的提示词描述。这个值通常默认在 7 左右。对于表情包制作：
- 数值偏低（如 4~6）时，AI 的生成结果会更随机，表情可能更有意外之趣，但也可能偏离提示词描述较远
- 数值偏高（如 9~12）时，AI 会非常严格地按照提示词执行，但过高的 CFG Scale 可能导致画面中出现奇怪的过度饱和或畸变
制作表情包时，推荐将 CFG Scale 保持在 7~9 之间，保持提示词的影响力同时给 AI 留有一定的生成弹性，这样批量出图时每张结果之间会有自然的差异感，不会过于机械雷同。
四、局部重绘实战：高效批量生产表情的核心技法
有了合适的角色原型图，以及对工具和参数的基本认识，就可以进入真正的批量制作阶段了。这是整个流程中效率提升最显著的环
