探秘巨形表情符号:Giant Emoji 开源项目
该项目虽已被谷歌创意实验室不再积极维护,但它仍作为一个只读存档模式存在,以便于开发者们能从示例中获取帮助。尽管我们无法处理所有的拉取请求或bug报告,但现有的问题将会以只读模式供参考。欢迎用户进行fork,继续这个有趣的社区驱动的项目。
项目介绍
Giant Emoji 是一个基于openFrameworks的实验性应用程序,它可以将你的面部表情转化为一个巨大的表情符号。这个项目最初在Google I/O 2016大会上亮相。通过实时检测面部特征并进行情感分析,它能够将你的表情实时转化为生动的表情模型。

技术分析
Giant Emoji应用采用了多种算法来检测面部标志点,并对这些点进行情感分析。C++编写的openFrameworks应用会在本地WebView或者远程浏览器中通过JavaScript注入数据,或通过WebSocket传输到远程浏览器,为HTML5 Canvas动画提供准备好的信息。
在本地WebView或远程浏览器中,利用Paper.js创建持久化的矢量对象,用于初始化和动画表情。轻量级的JavaScript动画循环解析传入的JSON面部标志点,并据此模型化相应的X/Y坐标,在调试模式下可查看。然后,将这些标志点和信心分数转换为预设的表情模型(如亲吻脸、大笑脸等),并结合实时的嘴型或唇部几何结构进行增强。
应用场景
Giant Emoji最初设计是为Google I/O 2016大会增添趣味,让用户可以将自己的面孔变成一个巨大的表情符号。这个多线程、高计算密集度的应用程序特别针对Google Pixel C进行了优化,确保其在该设备上的性能表现。
项目分为两部分开发:在Android端的openFrameworks应用负责面部检测(采用C++编写),而Web应用则负责渲染表情(主要使用JavaScript)。
Android openFrameworks应用
在gmojiAndroid子目录中的应用可以通过Android Studio 2构建。应用使用了多种库和插件来实现表情识别和跟踪:
- ofxFaceTracker2 使用dlib库的计算机视觉功能检测和追踪68个面部标志点。
- ofxAndroidMobileVision 利用Google Mobile Vision API检测眨眼并给出眼睛的眨眼信心得分。
- 自定义训练的dlib支持向量机模型检测微笑并给出微笑的信心得分。
- 所有数据都经过了自定义的低通滤波器ofxBiquadFilter处理。
项目特点
- 跨平台交互:数据既可以通过本地WebView实时展示,也可以通过WebSocket发送到远程机器上,适应不同的运行环境。
- 实时性:利用先进的计算机视觉技术,提供即时的面部表情转译。
- 高度可定制:提供了丰富的表情模型和情感分析方法,可以根据需求调整和扩展。
- 开放源码:虽然项目不再更新,但代码仍然可供开发者学习和二次开发,继承这一创新的想法。
如果你热衷于计算机视觉,或者想要探索人机互动的新方式,Giant Emoji无疑是一个值得尝试的开源项目。不论你是开发者还是爱好者,都可以在这个项目中找到灵感和技术实践的可能性。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust014
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00