沒有AI輔助工具的時候，畫素精靈圖的處理和生產流程是怎麼樣的？比我想像中的麻煩多了。
先說結論
已經有不錯的AI工具足夠處理畫素風角色動畫幀和精靈圖這件事了。為看清整條呼叫鏈怎麼串起來，使用之前熟悉的工具鏈走了一遍：參考圖生圖、摳底、對齊匯出、GIF 預覽，再到最終精靈圖。下面按步驟記錄，並標出阻力點。
相關討論與現有產品
在 Reddit 以 “pixel art character sprite sheet generator” 一類關鍵詞檢索，可見這類帖子，例如：
同一方向還有一款產品：SpriteCook。
這類工具填的是 AI生成流程中的一個高頻排程缺口：把「角色 + 動作 → 可用序列幀 / 精靈圖」打包。長期看，需求可能被更專業、端到端的服務繼續收攏。
為摸清鏈路本身，下面用通用工具拆開同一條流程。
測試中用到的工具
| 工具 | 作用 |
|---|---|
| Grok Image | 生圖快，短時間內可出多個方向備選 |
| GPT Image 2 | 更慢，畫質更穩；關鍵詞或參考給對時輸出更可靠 |
| Pixian.ai | 去背景；高階版對大尺寸摳圖完整性更好 |
| Figma | 裁切、對齊、命名與整條鏈路的視覺化記錄 |
走查順序
整條鏈路裡，工具呼叫大致為：Grok Image ×2、GPT Image 2 ×2、Figma ×2+、Pixian.ai ×2、Ezgif ×1（合計約九次切換）。標題圖是從兩枚靜態圖示想法走到可在 Ezgif 預覽的 GIF。從想法落到可預覽動畫，耗時明顯偏長，中間還夾著返工與棄用路徑。
步驟 1：Grok Image，參考圖 + 提示詞生成畫素風原圖
用參考圖與提示詞生成畫素風格原始圖：
Two icons share the same style—one for “Documents” and the other for “Experiments”—and both employ a gamified aesthetic. The “Documents” icon depicts a scroll shimmering with magical trails of light, while the “Experiments” icon features a weapon-forging tool, symbolizing a resource honed through the fires of experience.
步驟 2：Figma，裁成獨立小圖
在 Figma 中把目標圖示裁成單獨一張小圖，便於後續序列幀生成。
步驟 3：GPT Image 2，生成序列幀
用 GPT Image 2 生成序列幀。提示詞約束有誤（要求首尾幀一致），實際只得到約 5 幀可用結果；黑底為模型輸出。
步驟 4：Pixian，移除背景
對序列幀做背景移除。
步驟 5：Figma，逐幀對齊、命名與匯出
逐幀調整上下對齊與動作幅度一致性，按順序命名並匯出。這是整條鏈路裡人工成本最高的一段。
步驟 6：ChatGPT 對話內直接試生成
在對話裡直接生成測試動畫，效果不理想，放棄該路徑。
步驟 7：Ezgif，逐幀打包為透明 GIF
用 Ezgif 逐幀合成 GIF，背景透明，便於站點或本地預覽動作。
步驟 8：引擎側目標形態，序列幀精靈圖
Godot 等引擎實際更常用一張排好的序列幀精靈圖（透明 PNG / WebP）。
阻力點
阻力點 1：步驟 5 的人工對齊成本高、結果不穩定
鏈路最大短板在步驟 5：需要手動對齊物體、壓住動作幅度跳變。AI 序列幀的幀間一致性不可預測，這一步會引入大量不確定與返工。
阻力點 2：強依賴乾淨摳底與可迭代預覽
工作流離不開兩個前置條件：
- 背景移除足夠乾淨，能信
- 能快速預覽 GIF / 動畫效果，並據此重生成或微調
缺一則後續對齊與引擎接入都會反覆卡住。
對照：主流產品形態
當前更穩的角色精靈序列幀路徑，多半會結合骨骼 / 繫結校對：在給定動作約束後再生成，幀間保證通常高於「純提示詞出多幀再手調」。
一鍵工具（見文末服務）把排程、摳底、對齊與預覽收進產品。通用工具鏈則把每一步的阻力暴露得更清楚。