我是一名独自开发的开发者,正在构建 Scitch,一款支持最多24名玩家的实时多人反应游戏。今天我们的首个首领活动上线:“Return of the Eye” — — 一个单人任务,包含4个章节,3条生命,而首领在你反应太慢时会自我恢复血量。

以下是AI部分是如何组合在一起的:

艺术 – Gemini 图像模型
背景、首领和活动艺术。关键始终是传递参考图像,否则每张新图像都会略微偏离风格。

配音 – Gemini 文本转语音 + 语音转文本检查
每个切镜对白都有德文和英文版本。每行文字都会使用语音转文本重新转写,以捕捉发音错误。结果发现这是必要的:在德语中,“pairs”(对)的发音常被误听为“pause”(暂停)。

音乐 – Google Lyria
为预告片和短视频制作恐怖氛围的曲目。

切镜头和预告片 – 代码
每个视频都是 HTML/JS,使用 Playwright 帧渲染,并通过 ffmpeg 编码。这意味着我可以只更改一行文字并重新渲染,而无需重新编辑视频。

游戏逻辑 – Claude Code
Go 游戏服务器运行首领战:血量 4000,当你停止攻击它时每秒恢复 2.5% 生命值。平衡这部分 AI 帮助最少 — — 需要大量的试玩来完成。

我会怎么做不同:提前自动化质量检查。大部分时间都花在捕捉细微问题上,比如视频中的文字重叠或声音在结尾被截断。

很乐意回答关于管道的问题。如果你想亲自尝试首领,有一个面向 iPhone 与 Android 的免费 beta 版。