夜雨聆风事情是这样的。我嫡长闺要过生日了，我对着购物软件翻了一晚上，愣是没翻出一件看得上的，口红去年送过了，香水她不喜欢，盲盒啥的送腻了。正刷视频发呆，忽然刷到别人做了个桌面宠物，小小的一个蹲在屏幕角落，会眨眼会卖萌。我一寻思，要不我也给她做一个，按照她的形象，能每天放在她的电脑上。
说干就干。一天时间，我用她的照片，做出一只会眨眼、会犯困、会跳舞的迷你版她。喂它它会开心，不理它它还会闹脾气，打包好直接发给她，双击就能跑，她特别喜欢。
整个过程就三步，生成动画素材、处理成透明帧、装进一个小程序，每一步都有现成的 AI 工具。这篇文章把每一步怎么做的都摊开讲，想给在乎的人做点小东西的，可以直接抄作业。
我不会画画，让我一帧一帧手绘 48 帧，能画到我自己过生日。所以动画素材全部靠 AI 生成，整个流程就两步，工具也只需要两个。
第一步，豆包。把她的真实照片丢进去，生成一个动画版的她，这一步叫图生图，形象、背景一次定好，后面所有动画都用这一个底子。我当时在豆包里是这么写的。
把照片中的人转成可爱的Q版动漫角色形象，半身像，正面朝向镜头，卡通3D风格，大眼睛，微笑表情，纯绿色背景，全身完整，居中构图。
这里还能加点小私心。她平时喜欢戴珍珠耳环，我就让 AI 也给她加上一对，出来的图，第一眼就是她，又有一点不一样。
到这里，一个独一无二的「她」就出来了，所有动画都从这个底子出发。
第二步，可灵，快手出的一款 AI 视频生成工具。把豆包做好的动画形象喂进去，配上提示词，就能生成 4 秒的循环小视频。新用户注册会送免费额度，够生成好几个小视频，我这个桌宠的六套动画，全是用免费额度做的，一分钱没花。
可灵的提示词有个万能公式，写清楚三件事就行，动作剧情、保持形象和背景不变、首尾帧一致无缝循环。给你们看两个实际用过的。这个是小黄鸭闹钟。
女孩正发呆站着，突然「叮」的一声，她头顶弹出一只黄色小鸭子闹钟，闹钟的铃铛叮铃铃地转圈响，女孩被吓得浑身一激灵，眼睛瞪大，随后露出得意的笑容，伸手把闹钟拿下来举在手里晃了晃，表情从惊吓转为开心，动作俏皮搞笑，小黄鸭闹钟画风和女孩保持一致，保持图片中的形象和背景不变，固定镜头，无其他人物，无文字，动作从起始姿势开始，结束时完全回到起始姿势，首尾帧一致，时长 4 秒
还有这个，被一只无形的手拎起来。
女孩被一只无形的手拎起来悬在半空，双手双脚慌乱地划动挣扎，眼睛瞪得圆圆的，表情又惊又怕又委屈，手里紧紧抱着她最爱的棕色小熊玩偶，玩偶被她抓得微微变形，她挣扎几下后安静下来，抱紧玩偶慢慢落回起始站姿，表情从惊吓转为嘟嘴委屈，动作幅度小而搞笑，保持图片中的形象和背景不变，固定镜头，无其他人物，无文字，动作从起始姿势开始，结束时完全回到起始姿势，首尾帧一致，完美无缝循环，时长 4 秒
看到没，套路都一样。前半段描述动作剧情，后半段固定句收尾，保持图片中的形象和背景不变、固定镜头、无文字、首尾帧一致、时长 4 秒，这几句是循环动画的关键，一个字都不能少。把前半段换成任何你想要的动作，后半段照抄，就能生成你自己的动画。
给你们看看我生成的六套原始素材，待机、眨眼、卖萌、犯困、拖动、提醒，都是这么一段一段生成的。
生成完视频，第一件事是抽帧。我的桌宠是 12 fps，也就是每秒 12 帧，一个 4 秒的循环正好抽 48 张，一套动作就是 48 个透明小图，程序按顺序循环播放，它就动起来了。
抽完帧，就是抠图，把人物从背景里抠出来，变成透明底。这一步我用的工具是 rembg。
关于 rembg一个开源的 AI 抠图库，专门干一件事，把图片里的人物从背景里抠出来，输出成带透明底的 PNG。命令行一条命令就能用，输入一张图，输出一张透明图，几百帧也就跑几分钟，而且是本地运行的，照片不用传上服务器。为什么必须抠图？因为桌宠是透明窗口，直接放带背景的视频，屏幕上会出现一个色块，那就不是桌宠，是警示牌。透明底是桌宠的灵魂。它有好多模型可以选，默认的u2net是通用的，但抠动漫风格会翻车，边缘毛毛糙糙，头发丝一根根断掉。换成isnet-anime就好多了，这个是专门为动漫插画调优的模型，对 Q 版卡通角色特别稳，边缘干净利落。
如果生成的视频本来就是绿幕的，甚至都不用 rembg，直接按颜色一键抠掉绿色就行，更简单。两种方式配合着用，六套动画很快全都处理完了。
全部处理完，六个状态的角色就都齐了，每一个都是干干净净的透明底，放进桌宠里就是活蹦乱跳的小家伙。
素材到手，接下来不是写代码，是先想清楚一件事，它每天待在她电脑上，都干点什么。我是按她的一天的来设计的。
早上她打开电脑，它就在屏幕角落待机，眨眨眼、发发呆，不吵不闹，但让你知道它一直在。
工作累了，她随手戳它一下，它会眨个眼，再弹一句台词，什么「嘿，我在呢」「今天也要元气满满呀」「你回来啦」，每次随机，像有个小家伙在应你。
这里面我还偷偷藏了一句彩蛋。她第一次双击的时候，屏幕上蹦出一句
胥XX是不是全天下最美丽的女人~
紧跟着又补了一句
不是
她当场就笑出了声，说我是神经病。
她忙起来忘记喝水，它会冒出来一句「该喝水啦」，整点的时候它还会报个时，比手机上的养生提醒还尽职，上班摸鱼的时候还能当半个钟用。
她要是愿意天天照顾它，右键喂它吃的，它会开心，好感度跟着涨，心情值、好感度都存在配置文件里，重启电脑也不会丢。不过你要是一直不理它，它也会犯困打盹，窝在角落等你。
她无聊的时候还能拖着它玩，你拎起来它会挣扎，松手它会自己弹回去，右键菜单里还有说句话、吐舌头、戳一下这些小互动，能玩半天。
别被这些功能吓到，实现起来其实特别简单。整个程序就三步。
第一步，做一个透明无边框的窗口。代码用的是 PySide6，Python 的一个图形界面库。透明窗口靠两个参数搞定，一个去掉边框，一个让背景透明，Windows 就能把窗口变成一块任意形状的玻璃，宠物画上去，背景透出来。
第二步，让动画转起来。这其实是个状态机，就是个会自己切换的播放器。待机动画循环播，收到点击就切到眨眼播一遍，播完自动切回待机，哪个状态缺素材就自动回退到待机兜底，保证它永远动得起来。
第三步，加台词气泡。它说的话都提前写在配置文件里，每次随机弹一句，点一下它就应你一声，就像刚才那个效果。
还有个小贴心设计，窗口位置会自动记住，她拖到哪里，关掉再开就还在哪里，不会自己跑丢。
至于代码，一行都不用你写。我这整个程序就是用刚出来的DeepSeek Flash V4写出来的，正式版 API，比我之前用的模型快了很多，效果也很不错，我描述需求，它出代码，报错了丢回去让它自己改，几轮下来就齐活了。
全部做完，就是打包。用 PyInstaller 把程序打成一个文件夹，里面装好所有东西，双击exe就能跑，不用装 Python、不用配环境，发给她就是一个完整的礼物。
她用的是Mac，所以我上了GitHub Actions，这是 GitHub 自带的构建流水线，免费给每个仓库提供 Windows 和 macOS 的构建机器。我在仓库里写了个双平台构建脚本，以后只要 push 一下代码，Windows 版和 macOS 版自动打包，自动上传，我躺着等就行。
想自己配的，GitHub 官方文档有完整的入门教程，照着写一个 workflow 文件就行，PyInstaller 打包双平台的配置也很多人写过教程，搜「PyInstaller GitHub Actions」就有。
打包好的文件直接发给她，双击就能跑，不用装任何环境，打开就是一只活蹦乱跳的小家伙。
完整源码已经开源在 GitHub，包括整个桌宠程序和素材处理脚本。
怎么改成自己的？其实就换三样东西。
第一，换素材。把 assets 目录下每个文件夹里的帧，换成你用豆包加可灵生成的角色动画，帧号保持从 000 开始排就行，动画会自动读进去。
第二，换台词。打开 config.json，里面有个 lines 数组，把她喜欢的口头禅、只有你们俩懂的梗，一条条加进去，它就会随机说。
第三，换名字和设置。同样在 config.json 里，fps 是动画帧率，scale 是默认大小，想让它大一点还是小一点，改个数字就行。
这三样换完，它就从「我的桌宠」变成「你的桌宠」了。不用从头写代码，也不用懂 Python，会改配置就行。
其实真没那么难。我就花了一天时间，从照片到 exe，做完那一刻，感觉自己棒棒哒，就这点本事，愣是整出来一只桌宠。
看到这的客官，不试一下吗？豆包出形象，可灵出动画，AI 帮你写代码，一天之后，你的电脑上也会蹲着一只小家伙。
别让你的闺闺输了。
