Una foto, un set completo di sticker per WeChat, settanta centesimi

ChatGPT adesso sa fare le GIF. È stata una delle funzioni di punta di Images 2.6 quando è uscito all’inizio di questo mese. Descrivi il movimento, ottieni un’animazione in loop, puoi regolare la velocità e modificare i singoli frame.
Quindi perché esiste una skill chiamata ray-sticker-shop, e perché è comparsa su GitHub il 5 novembre con un prezzo attaccato?
Perché tra «ho fatto una GIF» e «ho un set di sticker che passa il controllo di caricamento di WeChat» ci sono circa sedici passaggi di lavoro noioso, specifico e senza sconti. La generazione ormai è la parte facile. Tutto quello che viene dopo è il prodotto.
Il problema vero
La piattaforma aperta degli sticker di WeChat è un canale di distribuzione con delle regole. Gli sticker sono 240×240 pixel. Ogni GIF deve stare sotto i 500 KB. Servono una cover, un’icona, un banner e un’immagine di suggerimento, ognuno con le sue dimensioni. Servono i testi del listing. Serve che l’intero set sembri lo stesso personaggio in ogni sticker, perché un set in cui la faccia del personaggio cambia tra i frame non è un set, sono otto disegni scollegati.
Chiedi a un modello di farlo uno sticker alla volta e tre cose vanno storte. Il personaggio cambia tra una chiamata e l’altra. L’output ha la dimensione sbagliata. Il file è troppo pesante per la piattaforma. Ognuna di queste si aggiusta a mano, e aggiustarle a mano per otto sticker è un pomeriggio.
Il README dichiara il problema senza giri di parole: ChatGPT sa fare le GIF direttamente, ma farle una alla volta significa che il personaggio deriva e le dimensioni non sono quelle che vuole WeChat. Questa skill fa il resto.
Cosa produce
Un’immagine di riferimento blocca il personaggio per tutto il set. Da lì la skill produce GIF 240×240, compresse automaticamente sotto i 500 KB, più cover, icona, banner e immagine di suggerimento. Esegue un controllo rispetto alle specifiche di WeChat, scrive i testi del listing e assembla un pacchetto di consegna per il cliente.
Quest’ultimo elemento dice a chi è rivolta. Nessuno che scriva tool per hobbisti parla di «pacchetto di consegna al cliente». È costruita per chi riceve un messaggio che dice «mi trasformi il gatto in un set di sticker» e deve rispondere con una cartella, non con una promessa.
Installazione
È una skill, quindi l’installazione è un clone nella cartella delle skill:
git clone https://github.com/imraywang/ray-sticker-shop ~/.claude/skills/ray-sticker-shop
Poi parli con Claude Code o Codex in linguaggio naturale: trasforma questa foto del mio gatto in un set di sticker. Da lì la skill prende in mano la situazione.
I requisiti sono leggeri. Python 3.9 o superiore con Pillow (pip install pillow), e una OPENAI_API_KEY. Se passi da un proxy, imposta anche OPENAI_BASE_URL.

C’è un fallback che secondo me è la decisione di progetto più intelligente del repository. Se non hai una API key, l’agente non si blocca. Ti consegna i prompt, generi tu le immagini in ChatGPT, le rimetti nella cartella, e la skill le assembla, comprime, controlla e impacchetta comunque.
Quella singola decisione raddoppia il pubblico raggiungibile. Un sacco di persone hanno un abbonamento a ChatGPT e nessuna fatturazione API attiva. Altre hanno una API key ma preferiscono non spenderla per una prova. La skill funziona per entrambe, perché il passo di generazione e il passo di impacchettamento sono separabili, e il passo che ha valore è il secondo.
L’economia
Otto sticker più cinque asset di supporto, ai prezzi di listino di OpenAI, fanno circa $0,70. I rifacimenti costano in più. La spesa effettiva viene registrata in costs.jsonl nella cartella del progetto.
Settanta centesimi per un deliverable non è un costo reale. Il numero interessante è il tasso di rifacimenti, e il fatto che la skill lo registri significa che puoi scoprirlo. Se un set richiede tre giri per azzeccare uno sticker, sei a due dollari e a molta attesa, e il log ti dirà quale sticker è il problema. È il tipo di strumentazione che trasforma una demo in un flusso di lavoro.
Per confronto, il prezzo corrente di un set di sticker personalizzato sul mercato freelance non è vicino a settanta centesimi, né a settanta dollari. La skill non sostituisce l’illustratore, perché un illustratore porta uno stile e un senso dell’umorismo. Sostituisce il lavoro di confezionamento, che è dove il margine di un illustratore va a morire.
Cosa non può fare
Il README è diretto sui confini, e sono giuridici più che tecnici.
Fai sticker solo da personaggi per cui hai i diritti d’uso. WeChat non accetta opere derivate non autorizzate né fan art. L’approvazione la decide WeChat, e lo strumento non promette né approvazione né ricavi.
È l’inquadratura corretta e vale la pena ripeterla, perché lo spazio delle immagini AI è pieno di strumenti che la omettono. Una skill che trasforma qualsiasi foto in un asset monetizzabile è a un passo da una skill che trasforma il personaggio di qualcun altro in un asset monetizzabile. Tracciare la linea nel README, prima che l’utente lo chieda, costa poco ed è onesto.
C’è anche un tetto tecnico. La skill blocca un personaggio a partire da un’immagine di riferimento, il che funziona per una mascotte semplice e fatica con qualsiasi cosa complessa. Un personaggio con vestiti dettagliati, una silhouette insolita o uno stile che dipende dalla qualità del tratto deriva, per quanto buono sia il blocco del riferimento. Otto sticker sono un set abbastanza piccolo da poter correggere a mano i casi fuori norma. Ottanta sarebbe un altro progetto.
Perché questo modello vale la pena di essere osservato
Le skill come formato stanno avendo il loro momento. Ci sono repository con centinaia di migliaia di stelle che non sono altro che cartelle di istruzioni markdown. La maggior parte sono librerie di prompt con un branding migliore.
Questa è diversa in un modo specifico: codifica i requisiti di una piattaforma, non le capacità di un modello. Il 240×240, il tetto dei 500 KB, la cover, l’icona, il banner, la verifica delle specifiche, i testi del listing. Niente di tutto questo viene da un modello. Viene dal processo di sottomissione di WeChat, che qualcuno ha dovuto leggere con attenzione e poi scrivere come codice e istruzioni.
È la forma di una skill destinata a durare. Le capacità cambiano ogni tre mesi. I requisiti di piattaforma cambiano ogni tre anni, e quando cambiano il diff è piccolo e la skill si aggiorna.
La versione generalizzabile è ovvia. Ogni piattaforma con un processo di sottomissione ha un documento di specifiche. Screenshot per l’App Store, capsule art per Steam, thumbnail per YouTube, copertine per i podcast, moduli A+ di Amazon. Ognuno di questi è uno sticker shop che aspetta qualcuno che legga le specifiche e scriva la checklist. Il modello che genera l’immagine è una commodity. La persona che ha letto le specifiche no.
Settanta centesimi e un pomeriggio risparmiato è una storia piccola. Il fatto che il lavoro interessante fosse il confezionamento, e che il confezionamento si potesse scrivere, è quello che si generalizza.
Articoli correlati
Gli agenti si spostano nel cloud: il task continua quando chiudi il portatile
Il task continua in una VM cloud dopo che hai chiuso il portatile, ma perdi il tooling interno e resta aperto chi approva le azioni irreversibili.
NVIDIA rilascia quattro modelli del mondo da 16 miliardi e un decoder 25 volte più veloce sulla geometria
Quattro generatori del mondo da 16 miliardi con le ricette di training, e un framework di decoding che emette geometria in un colpo. La valutazione manca.
Le skill occupano un quarto dei trend di GitHub, e ognuna si installa a modo suo
Una skill è una cartella di istruzioni, ma installarla ha quattro strade diverse e la copia locale non ha ancora un lockfile.
Un modello da 594 miliardi in cima alle classifiche. I pesi, però, non ci sono
Un modello forte, numeri buoni e una ricetta da leggere, ma i pesi che renderebbero verificabile la dichiarazione non sono ancora usciti.