独立开发者用AI和家用PC制作RPG开场动画的实践

10月10日（v1.22.0），《脉动迷宫：EverPulse》新增了开场动画。初始时长为90秒，随后延长至95秒。共有两个版本：适用于PC的横屏版和适用于手机的竖屏版。

对于首次游玩的玩家，在回答“是否允许播放声音？”后，会以全屏形式播放一次。您可以通过设置中的“观看开场动画”选项反复观看。

本次介绍的是利用AI（Claude Code）和本地PC上的生成式AI制作该视频的过程。我并未使用过任何视频编辑软件。

我没有直接开始制作，而是先调查了两件事。

其一是参考其他角色扮演游戏的开场或电影预告片是如何制作的。我收集了许多可以借鉴的套路，比如转场方式、怪物的呈现手法等。

其二是在我的电脑上，哪款视频生成AI可以免费运行。
我的电脑显卡是RTX 3060 Ti（显存8GB）。我发现大型视频生成AI因显存不足无法运行，而较小的Wan 2.2（5B）版本则可以运行。

开场由36个镜头组成。素材共有三种。

1. 单张图像
我使用本地的图像生成AI（FLUX.2 klein）绘制了每个场景的画面。横向和纵向共计48张。
对于三位同伴（战士、魔法师、僧侣），我以最初绘制的立绘为参考，确保他们在任何场景中面部和服装都保持一致。

2. 动态画面
我将36张单张图像中的13个场景，通过视频生成AI制作成了约3秒的视频。横向和纵向共计26段。
这部分最耗时。在正式尺寸下，每段视频渲染耗时约20分钟，总计约9小时。

3. 游戏画面
城镇、设施、迷宫和战斗画面，都是实际运行游戏后拍摄的。我们在无人观看、供工具操作的浏览器中打开游戏，并隐藏窗口和名称显示后进行拍摄。
拍摄时也遇到过挫折，比如用于拍摄的主角以等级 1 的状态进入迷宫，很快就倒下并被送回广场。

如果视频需要 9 个小时，那么在这期间什么都无法确认。
因此，我们采用了对于视频尚未制作完成的场景，先用一张静态图代替来组装的制作方式。最初组装完成时，动起来的只有火把场景的 1 条，其余都是静止的画面。即便如此，也能确认流程和时长。

视频生成在后台继续进行，做好的部分会依次替换上去。即使中途停止，也可以跳过已完成的部分重新开始。

曲子使用了我用 Suno 创作的《Echoes in the Endless Night》开头 95 秒。最后会静静地淡出。

为了让剪辑切换与音乐同步，我让 AI “测量”了乐曲。它给出了乐曲高潮出现的位置以及每分钟拍数等数据，我将剪辑点放置在每小节的开头。乐曲高潮处场景切换，之后也按小节逐一切换。

由于没有心跳的音效，我用工具进行了合成。后半部分心跳声逐渐增强，标题的光影也以相同的节奏脉动。我还叠加了龙的咆哮、火焰和致命一击的声音。

看到最初完成的作品时那份感动，至今记忆犹新。虽然有很多奇怪的地方，但即便如此，也足以让我自我满足。

同一天（v1.23.0），我们在管理界面中新增了“事件场景”页面。
可以在浏览器中查看和修改相当于视频设计图的画布。可以配合曲目播放预览，修改镜头的长度或素材并保存，然后点击“重新制作视频”，本地 PC 就会重新组装视频并发送到服务器。

我正在用同样的机制，开始制作故事后面部分的场景。

看了做好的视频，发现了几处在意的地方。

横向行走时却面朝正前方（v1.25.3）
在截取游戏画面的场景中，主角保持着面朝正前方的姿势横向滑动。这是因为截图工具只改写了主角的“位置”。改用游戏正常的“行走”处理重新截取后，问题就修复了。

从第20帧开始出现噪点（v1.25.3）
在战士的场景中，从第20帧左右开始，黄绿色的噪点覆盖了画面。视频生成 AI 生成的影像本身出现了崩坏。改变随机数重新生成后，其中一条没有崩坏，另一条则是僧侣逐渐透明并消失了。

然而，即使插入了修正后的视频，最终成品仍然是旧画面的样子。这是因为组装工具在重复使用之前裁剪出的帧。生成式AI出于好意会自动进行以效率优先的处理，这也导致了问题，因此我也对此进行了修正。

剑光伸缩、人物增加（v1.25.5）
重新审视后，又发现了更多崩坏的地方。

对于剑的场景，通过改变指令方式使其动作幅度变小，从而避免了崩坏。
人物增加的问题从视频原始的单幅画面阶段就已存在。即使重写人数并重新绘制，由于是竖长构图，人物又会增多，因此将竖向部分改为仅有一个勇者。将重绘的画面放入视频中后，这次龙的头部与勇者重叠，魔法师变成了其他物体。

龙喷火、勇者跳跃等大幅度的动作，在目前视频生成AI中似乎容易崩坏。这两个场景我停止了视频制作，改回单幅画面，并添加了镜头推拉、晃动以及火星飞溅的效果。

还有一处为了突出心跳声而降低了音乐音量，但由于听起来不像心跳，所以取消了。

视频生成 AI 并不总是每次都能直接输出“可用”的结果。虽然擅长处理细微动作，但在大幅动作中会出现人物增多或形状混杂的情况。
即便如此，

这样一来，即使是一台家用电脑也能在95秒内完成开场动画的制作。

不过，最后发现“不对劲”的还是人眼。虽然AI能够生成视频，但目前观察成品视频并察觉违和感的工作仍由我负责。

下次将讲述交由AI处理时发生的事故：我的文件因与NAS同步而被覆盖、为无法通过浏览器确认的AI制作了工具、以及从草稿恢复原状等经历。

具体步骤计划整理在付费的步骤篇中。