HuggingFace | 快速入门 | 教程 | 制作 Open Genmoji（视频）

什么是 Open Genmoji？

请观看 YouTube，了解 Open Genmoji 的创作过程，并深入探究 Apple Genmoji 的底层工作原理。

Open Genmoji 致力于使用开源技术重现 Apple 的 Genmoji 功能！它不仅能在 Apple 设备上运行，还能在任何平台上使用。

以下是 Open Genmoji 的一些示例：

提示词、与 Apple Genmoji 的对比及更多信息

所有展示的表情符号均由 flux-dev Open Genmoji LoRA 和 Prompt Assist 生成。我们对 Open Genmoji 和 Apple 使用了完全相同的提示词，Prompt Assist 则基于 Qwen 2.5 32B Instruct 模型运行。

表情符号的背景通过 Figma AI 工具去除。

这 7 个样本分别展示了 Open Genmoji 在动物、物品和人物表情符号方面的表现。

提示词	Open Genmoji	Apple
flying pig white wings（动物表情符号）
handsome horse in black suit and tie with flowing mane（动物表情符号）
teddy bear in space suit（动物表情符号）
rainbow popsicle（物品表情符号）
fireplace（物品表情符号）
robber with money bag（人物表情符号）
hiker（人物表情符号）

本质上，Open Genmoji 只是一组 LoRA 文件（可在 HuggingFace 上获取），每一份都基于数千个 Apple 表情符号进行微调，从而教会图像生成模型如何创建表情符号。只要能够在图像生成模型中加载 LoRA，就可以使用 Open Genmoji。

此外，Open Genmoji 还配备了特殊的元提示词工具——Open Genmoji Prompt Assist，帮助你构建完美的提示词，以生成任意想要的表情符号。部分 Open Genmoji LoRA 也可能自带专属的元提示词。

最棒的是，你甚至可以将自己生成的内容在 iOS 18 及更高版本中作为真正的表情符号使用——即使你的手机不支持 Apple Intelligence！

如果你熟悉图像生成模型，请直接跳转至 快速入门。否则，建议先阅读 教程，以获得更全面的说明。

别忘了查看 重要须知 和 提示词编写技巧！

目录

• 重要须知
• 下载模型
• 快速入门
• 提示词编写技巧
• Prompt Assist
• 教程
  • 使用 mflux 运行 Open Genmoji
  • 使用 Prompt Assist 运行 Open Genmoji
  • LM Studio Prompt Assist 与 mflux 工作流程
• 后处理
• 贡献代码

重要须知

请在继续操作本仓库之前仔细阅读！

简而言之：请使用 Python 3.11，并通过 HuggingFace 下载权重。

1. 本项目 最适合使用 Python 3.11。如果你有 Python 版本管理工具，只需安装 Python 3.11，并将所有命令中的 python3 替换为 python3.11，同时确保使用 python3.11 创建虚拟环境。
2. 本项目的各类 LoRA 权重均托管在 HuggingFace 上，地址为 EvanZhouDev/open-genmoji。更多详情请参阅下方的 下载微调模型。

下载微调模型

Open Genmoji 的多种 LoRA 文件已在 HuggingFace 的 EvanZhouDev/open-genmoji 页面上发布。不过，本仓库内附带了一个脚本，可简化这些 LoRA 文件的下载流程。

首先，克隆本仓库：

git clone https://github.com/EvanZhouDev/open-genmoji.git

接下来，我们需要安装 huggingface_hub 库。建议先创建一个虚拟环境。

# 创建虚拟环境（可选）
python3 -m venv .venv
source .venv/bin/activate

# 安装 huggingface_hub
pip install -U huggingface_hub

现在，你只需运行根目录下的 download.py 脚本即可：

python3 download.py

接下来，你可以选择要安装的 LoRA。每个 LoRA 都附有简短描述以及它所适用的模型。例如，我们选择 flux-dev LoRA。

等待几秒钟后，请确认 lora/flux-dev.safetensors 已成功安装。该文件大小应为 209MB。一切就绪！根据你的需求选择合适的 LoRA 即可。

快速入门

如果你想了解详细的运行步骤，请参阅【教程】部分。

如果你已经熟悉相关操作，以下是快速入门指南：

• 使用 Python 3.11 以确保一切正常运行。
• 从 HuggingFace 的 EvanZhouDev/open-genmoji 获取 LoRA。更多信息请参阅上方的【下载微调模型】部分。目前有多种 LoRA 可供选择。
• Open Genmoji 的元提示位于 metaprompt 文件夹中，可以帮助你构建完美的提示词。点击此处了解更多。 强烈推荐使用！
• 使用你下载的 LoRA（例如 Flux.1 Dev）运行相应的图像模型。请参阅【后处理】部分，了解如何将生成的作品用作 iOS 18 中的真实表情符号。

提示词编写技巧

LoRA 的触发词（即图像模型需要“听到”才能开始生成表情符号的关键字）是“emoji”。如果你的提示词中未包含此关键词，则很可能无法生成真正的表情符号。

此外，为了编写出优质的提示词，我强烈建议使用 Prompt Assist。

Prompt Assist

Open Genmoji Prompt Assist 是一种结合元提示与 Open Genmoji 使用的方式，旨在帮助你为 Open Genmoji 微调模型生成最理想的提示词。请注意，每种微调模型可能对应不同的元提示。你可以在 lora/info.json 文件中查看各模型使用的元提示，然后在 metaprompt 文件夹中找到对应的元提示。

不过，如果你要生成 Apple 表情符号，直接使用 metaprompt/open-genmoji.md 即可。

以下是 Prompt Assist 的示例：

输入	输出
flying pig	一只飞翔的粉色猪的表情符号。卡通风格，头部放大。可爱。白色翅膀。头部朝向观看者。3D 光照效果。无投影阴影。

此结果由 metaprompt/open-genmoji.md 生成。

现在，你可以专注于构思完美的表情符号，而 Prompt Assist 则会帮你将其转化为图像模型能够理解的提示语。

这些元提示也可以用于任何大型语言模型（如 ChatGPT），以生成适用于 Open Genmoji 的提示词。

请参阅【LM Studio Prompt Assist 和 mflux 工作流】部分，了解我在 Mac 上同时使用 LM Studio 和 mflux 运行 Open Genmoji 的完整流程。该工作流会自动为正确的 LLM 选择元提示，因此你无需再检查 info.json 文件。

教程

本教程专为 macOS 设计。不过，Open Genmoji 完全可以适配其他操作系统。你只需要另外的工具来运行带有 LoRA 的 Flux.1 Dev 模型即可。

如果你是图像生成或本地运行模型的新手，那么本指南非常适合你。我们将一步步引导你完成 Open Genmoji 的运行，并教你如何使用 Open Genmoji Prompt Assist 元提示。

在开始之前，请确保使用 Python 3.11。最简单的方法是通过你喜欢的方式安装 Python 3.11，然后将命令行中的 python3 或 python 替换为 python3.11。同时，请务必使用 Python 3.11 创建虚拟环境。

首先，让我们从运行模型开始。

前置条件

在开始之前，我们需要先设置 HuggingFace。如果你已经拥有 HuggingFace 令牌、登录了 CLI，并同意了 Flux.1 Dev 的使用条款，请直接跳转至【使用 mflux 运行 Open Genmoji】部分。

设置 HuggingFace：

1. 访问 HuggingFace，注册并验证邮箱。
2. 进入 HuggingFace 令牌设置，创建一个令牌。确保令牌类型为 读取，或者在细粒度令牌类型中勾选 对所有可访问的公共 gated 仓库内容的读取权限。
3. 使用你喜欢的方式（Homebrew、pip 等）安装 HuggingFace CLI。
4. 运行 huggingface-cli login，并使用你的令牌登录。
5. 最后，前往 Flux.1 Dev 的 HuggingFace 页面。阅读并同意页面顶部的条款，以使用该 gated 模型。

大功告成！当你首次运行下方的 mflux 时，它会自动下载 Flux.1 Dev 模型。

使用 mflux 运行 Open Genmoji

本指南中我们将使用的图像模型是 Flux.1 Dev。Open Genmoji 以 LoRA 的形式存在，它只是一个文件，能够教会图像模型执行特定任务——在本例中就是生成表情符号！

首先，克隆本仓库：

git clone https://github.com/EvanZhouDev/open-genmoji.git

接下来，我们需要安装一些依赖项。建议创建一个虚拟环境：

# 创建虚拟环境（可选）
python3 -m venv .venv
source .venv/bin/activate

# 安装 huggingface_hub 和 mflux
pip install -U huggingface_hub mflux

这些依赖项的作用如下：

• huggingface_hub：用于下载运行 Open Genmoji 所需的权重。
• mflux：这是 Flux 的移植版本，专门用于 Mac 平台的图像生成。

现在，我们来安装 LoRA。HuggingFace 上的 EvanZhouDev/open-genmoji 提供了多种 LoRA，适用于不同场景。你可以在当前目录下运行一个快捷安装脚本：

python3 ./download.py

现在，你可以选择想要安装的 LoRA。在本教程中，我们安装名为 flux-dev 的 LoRA。使用方向键导航到它，然后按 Enter 键进行选择。

安装完成后，请确认 lora/flux-dev.safetensors 已下载。这正是你将要使用的 LoRA。

至此，准备工作已完成。运行以下命令即可生成你的第一个表情符号。尝试调整提示词，看看能创造出什么有趣的内容。（如果始终得不到理想效果，不妨参考【Prompt Assist】部分）

mflux-generate \
    --model dev \
    --prompt "你的提示词" \
    --steps 20 \
    --seed 2 \
    --quantize 8 \
    --guidance 5.0 \
    --width 160 \
    --height 160 \
    --lora-paths "./lora/flux-dev.safetensors"

使用提示助手运行 Open Genmoji

要编写一个能生成类似 Apple 风格表情符号的良好提示，通常相当困难。因此，我们将使用元提示——即用于大语言模型的提示——来为 Open Genmoji 生成提示。以下是一个示例：

输入	输出
flying pig	一只飞翔的粉色小猪的表情符号。卡通风格，头部放大。可爱。白色翅膀。头部朝向观看者。3D 光照效果。无投影阴影。

现在生成的提示要好得多，由此生成的表情符号质量也会更高。 你可以将元提示输入到任何可用的大语言模型中，包括 ChatGPT！每个 LoRA 都有自己的元提示。但在我们的例子中，我们将直接使用 flux-dev LoRA 对应的 metaprompt/open-genmoji.md 文件。接下来，将该元提示提供给大语言模型，然后在其后加上你的用户提示，格式如下：

{METAPROMPT HERE}

USER PROMPT: {your input}

随后，将大语言模型的输出传递给 mflux。你会发现，最终生成的结果要好得多！

现在你已经得到了一张图像输出，可以前往 后处理 部分，开始将你的作品用作 iPhone 上的真实表情符号；或者在下方了解更多关于如何将提示助手与 mflux 链接起来的信息。

LM Studio 提示助手与 mflux 工作流

如果你尚未完成，请先前往 下载微调模型 下载 LoRA 模型。

手动将自定义提示输入大语言模型，再将模型的输出传递给 mflux，这个过程略显繁琐。为此，我编写了一个简单的 Python 工作流来自动串联这些步骤。 虽然这套设置较为特定且个人化，但我还是决定将其公开，以供有兴趣的人使用。

首先，你需要安装 LM Studio。下载你喜欢的本地模型，并启动开发模式。默认情况下，它会运行在端口 1234 上。

接着，除了 mflux 之外，还需安装以下两个依赖库：

pip install mflux pillow requests

确保 LM Studio 设置正确后，你就可以直接运行以下命令：

python3 genmoji.py "[your prompt]"

注意，此脚本会自动使用 flux-dev LoRA（如果未安装该 LoRA，则会报错）。如需使用其他 LoRA，请参阅下方的 高级用法。

运行后，脚本会先通过 LM Studio 生成提示，再将该提示输入 mflux 进行处理。最终生成的图像默认保存为 output/genmoji-001.png（文件名中的数字会自动递增）。

注意：在保存之前，脚本还会执行后处理步骤，将图像按 5 倍比例放大并进行抗锯齿处理（160×160 → 800×800）。更多详情请参阅 后处理 部分。

接下来，让我们查看 后处理 部分，了解如何将你的作品作为 iOS 系统中的真实表情符号使用；或者参阅 高级用法 部分，学习如何在此工作流中使用不同的 LoRA。

高级用法

使用不同 LoRA

该工作流还支持在使用不同 LoRA 时自动选择对应的元提示。 你只需在命令中添加额外的 --lora 或 -l 参数即可，例如：

python3 genmoji.py "[your prompt]" --lora [lora name] 

以 @caspersimon 的 diverse-emoji LoRA 为例。首先，你需要确保已通过下载脚本将其下载到位（详见 下载微调模型）。然后运行以下命令：

python3 genmoji.py "[your prompt]" -l diverse-emoji

这样，脚本会自动获取正确的元提示，应用该提示，并使用 diverse-emoji LoRA 生成表情符号。

跳过提示助手

若希望直接生成而无需先使用提示助手，可在命令中添加 --direct 或 -d 标志。

python3 genmoji.py "一只松鼠的表情符号" -d

自定义分辨率生成

默认分辨率为 160×160。如需更改，可使用 --height 或 -ih 参数调整图像高度，以及 --width 或 -iw 参数调整图像宽度。 例如，要生成一只戴着太阳镜的狗的表情符号，分辨率为 320×320 像素，可运行：

python3 genmoji.py "戴太阳镜的狗" -ih 320 -iw 320

更改放大倍数

默认情况下，图像会被放大至原始分辨率的 5 倍。如需更改，可使用 --upscale 或 -u 参数。 例如，若希望将图像放大至原尺寸的 2 倍，可运行：

python3 genmoji.py "一只松鼠的表情符号" -u 2

后处理

现在你已经获得了一张输出图像，第一步是将其调整为 800×800 像素，并进行抗锯齿处理，以便 iOS 的贴纸/表情符号系统能够识别它。如果你使用的是 LM Studio 和 mflux 的一体化工作流，这一步已经自动完成。 若尚未安装相关工具，首先需要安装 pillow 库来执行后续操作：

pip install pillow

之后，只需运行 python3 resize.py path/to/your/image.png 即可。该脚本会生成一张新图像，文件名中会包含“resized”字样。 接下来，只需将这张图像发送到你的手机上。按照以下简单步骤，即可将其用作贴纸（iOS 17 及以上版本）或表情符号（iOS 18 及以上版本）：

1. 在手机相册中打开该图像。
2. 长按图片中的表情符号（不要移动手指），持续约 2 秒后松开。
3. 点击 添加贴纸 按钮。

如果你使用的是 iOS 17 或更高版本，可以直接将该贴纸拖拽到消息中应用。 如果你使用的是 iOS 18 或更高版本，在表情符号菜单中，只需轻点你的贴纸，即可像普通表情符号一样直接插入文本中。 若想删除该贴纸，同样长按贴纸（不要移动手指），持续约 2 秒后松开，然后点击 删除 即可。

贡献

Open Genmoji 欢迎更多 LoRA 的加入，用于：

• 新模型
• 新的或不同的表情符号集
• 对现有表情符号集的进一步训练

有关微调的更多信息，请参阅 finetuning/README.md；有关当前可用的 LoRA 以及如何贡献的详细信息，请参阅 lora/README.md。

Open Genmoji 快速上手指南

Open Genmoji 是一个开源项目，旨在复现 Apple 的 Genmoji 功能。它通过 LoRA 微调技术，让图像生成模型（如 Flux.1 Dev）能够创建自定义表情符号。本项目不依赖 Apple 设备，生成的图片经过简单处理后即可在 iOS 18+ 中作为真实表情使用。

环境准备

• 操作系统：本指南以 macOS 为例（Linux/Windows 用户需自行配置对应的图像生成推理工具）。
• Python 版本：必须使用 Python 3.11。其他版本可能导致兼容性问题。
  • 建议使用 pyenv 或系统包管理器安装 Python 3.11。
  • 后续所有命令中的 python3 请替换为 python3.11。
• Hugging Face 账号：
  1. 注册并验证邮箱。
  2. 创建 Access Token（权限需包含 Read 或勾选 Read access to contents of all public gated repos）。
  3. 访问 Flux.1 Dev 页面 阅读并同意使用条款（Gated Model）。
• 硬件要求：运行 Flux.1 Dev 模型建议具备较高显存的 GPU（Mac M 系列芯片或 NVIDIA 显卡）。

安装步骤

1. 克隆项目与配置虚拟环境

# 克隆仓库
git clone https://github.com/EvanZhouDev/open-genmoji.git
cd open-genmoji

# 创建并激活虚拟环境 (务必使用 python3.11)
python3.11 -m venv .venv
source .venv/bin/activate

# 安装 Hugging Face CLI 工具
pip install -U huggingface_hub

2. 登录 Hugging Face

huggingface-cli login
# 按提示输入之前创建的 Token

3. 下载模型权重 (LoRA)

项目提供脚本自动下载所需的 LoRA 文件。

python3.11 download.py

• 运行后根据提示选择模型，推荐选择 flux-dev LoRA。
• 下载完成后，确认 lora/flux-dev.safetensors 文件已存在（约 209MB）。

4. 安装推理工具 (mflux)

本教程使用 mflux 在本地运行 Flux.1 Dev 模型。确保已安装该工具（若未安装，通常可通过 pip 或项目推荐方式安装）：

# 示例安装命令，具体视 mflux 发布渠道而定
pip install mflux

(注：首次运行 mflux 时会自动下载 Flux.1 Dev 主模型，请保持网络通畅)

基本使用

Open Genmoji 的核心在于使用特定的触发词 "emoji" 并结合优化后的提示词。

方法一：直接使用提示词 (快速测试)

在使用支持 LoRA 的图像生成工具（如 mflux, ComfyUI, WebUI）时，加载下载的 LoRA 文件，并使用以下格式的 Prompt：

Prompt 模板：

emoji of [你的描述]. enlarged head in cartoon style. cute. 3D lighting. no cast shadows.

示例：

emoji of flying pig with white wings. enlarged head in cartoon style. cute. 3D lighting. no cast shadows.

注意：必须包含触发词 emoji，否则模型可能无法生成表情风格。

方法二：使用 Prompt Assist 优化提示词 (推荐)

为了获得最佳效果，建议使用项目提供的元提示词（Metaprompt）让大语言模型（如 ChatGPT, Qwen, LM Studio）帮你优化描述。

1. 找到 metaprompt/open-genmoji.md 文件内容。
2. 将其发送给任意 LLM，并附上你的简单想法（例如："flying pig"）。
3. LLM 将输出优化的详细 Prompt（例如：emoji of flying pink pig. enlarged head in cartoon style. cute. white wings...）。
4. 将输出的完整句子放入图像生成模型中运行。

后续处理 (Postprocessing)

生成的图片包含背景。若要在 iOS 18+ 中作为系统表情使用：

1. 使用工具（如 Figma AI, Photoshop, 或在线去背工具）移除图片背景，保存为透明 PNG。
2. 通过快捷指令或特定工具将其导入 iOS 表情键盘。