文 / 遊戲那點事 西澤步
近些日子以來，網上各種AI遊戲效果演示層出不窮。前腳有人曬出光憑鍵盤WASD就能實時推演畫面的射擊小樣，轉眼就有創作者做出陰雨天霓虹燈反射拉滿的賽博街區，可謂是接連讓人“震驚癱坐”了。
圈外人看多了這些片段，難免產生一種錯覺，覺得做遊戲已經快進到“敲幾行字跑出大作”的階段了。
但真去項目組裏轉一圈，情況卻沒這麼瀟灑。前陣子跟幾位一線美術和策劃聊起日常工作，大家平日裏最頭疼的，依然是上游設定圖這塊基礎工作。
關卡灰盒剛搭好，想借AI鋪一層光影看看氛圍，畫面是好看了，可原本留出的掩體和通路也被擅自改變了。
好不容易挑出一張看着不錯的概念圖準備往下游交接，放大一看材質接縫全是糊的。按主美意見微調某個局部，AI又幹脆給整張圖的建築結構推倒重來。
遊戲管線一環扣一環，就算下游接了再多三維或視頻工具，靜態二維圖至今仍卡在視覺製作的最上游。這部分稍微出點偏差，之後的建模和動畫就得多花不少工時去填坑。
而這些，或許也是目前爲什麼全能多模態的口號喊得震天響，頭部大廠卻還在圖像生成賽道上重兵投入的原因。
就在近日，MiniMax正式發佈並同步開源了圖像生成與編輯模型H3-Image，支持多圖參考輸入，並把4K高清生圖帶進了十秒級的速度區間。算上持續迭代的Google Nano Banana 2.1與同樣開放權重的Qwen-Image-2.1，牌桌上的選手顯然都想摘掉“抽卡玩具”的舊帽子。
趁着H3-Image剛剛開源，我們也結合幾個常見的遊戲研發環節做了一輪實測，看看如今的AI視覺工具究竟能幫遊戲人分擔多少工作，又藏着多少新的可能。
01
不偏科後，AI的審美也開竅了
過去很長一段時間，遊戲人用AI輔助視覺工作，總得忍受它們“偏科”的老毛病。
比如說像Claude這類文本模型的邏輯很順，拿來梳理可視化方案條理分明，可畫出來的視覺效果卻難免乾癟生硬。Midjourney這類老牌視覺模型的美學調性不錯，但遇上嚴密的結構邏輯或複雜文本信息呈現，立馬就容易露怯。
偏偏遊戲美術最爲挑剔，既要求空間與零件的咬合講道理，畫面調性也得過關。結合此前的多模態技術積累與針對性優化，H3-Image比較明顯的變化，就是把邏輯理解與視覺美感兼顧了起來。
先看邏輯理解方面。實際項目提給原畫的需求，很少只是單畫一把武器或者一隻怪物，通常還會附帶一套拆解與說明要求。
以這張“天穹裂解者”武器拆解圖爲例，H3-Image在同一張畫布裏同時給出了立體爆炸結構、側視CAD線稿與槍口截面圖。槍管線圈、彈匣與緩衝槍托之間的組裝關係交代得比較清楚，中文部件標註也排得規整。
放到懸疑題材常見的局內書信道具上，它的文字還原度與材質融合也穩得住陣腳。左頁大段手寫體漢字沒有出現亂碼錯字，墨跡順着羊皮紙摺痕自然暈開；右頁配上的修道院機關剖面圖，放大看裏面的細小標註依然清晰可讀。
當然，光是能把結構畫對，在遊戲工作流中還遠遠不夠。更讓我在意的一點在於，現階段AI在視覺審美上也有了肉眼可見的變化。
早年的AI圖容易一眼假，往往是因爲畫得太滿，總愛往角落裏堆砌繁複花紋和高光。要判斷一個模型懂不懂遊戲畫面，其實看它能不能把握好“留白”與“重心”這兩個方向就夠了。
成熟的遊戲畫面一方面要懂得留白，控制背景噪點，給角色剪影、戰鬥特效和UI留出呼吸的空間。另一方面，也要抓得住視覺重心，在開放世界或箱庭關卡里靠奇觀建築吸引玩家的視線。
從我們的實測來看，H3-Image已經能較好地拿捏這種分寸。左圖的寒江孤舟保留了大面積乾淨的水霧江面，顯得剋制空靈；右圖則把兩側山體壓暗，順着石橋與冷暖光影對比，把視線自然引向盡頭的聖殿，玩家不用看小地圖也明白該往哪走。
在日常鬆弛感與多元畫風的嘗試上，H3-Image的表現也比較自然。比如生成《GTA》風格的開放世界街景時，落日下的斑馬線、拎着袋子過馬路的路人與地面積水，看着很像玩家跑圖時隨手截下的一幀實機畫面，少了些刻意擺拍的宣傳畫味道。
切換到毛氈定格動畫、水彩或剪紙等風格時，小狐狸身上的毛氈肌理與紐扣溪流的細節也很是討喜，適合中小團隊在立項早期用來試探不同畫風。
02
場景、3D與CG的落地新解
從今年GDC的行業調查到國內大廠披露的研發動態來看，AI輔助2D美術生產在業內已經相當普遍。
工作室早就過了看熱鬧的嚐鮮期，大家現在算的都是工時賬，更關心新工具能不能順暢接進上下游、少返幾次工。圍繞遊戲場景、3D資產與CG預演三個常用環節，我們也通過幾組實測來看看H3-Image的實際成色。
首先是場景探索裏的“空間規矩”。現代關卡流程通常會先搭灰盒定好尺度與掩體動線。過去拿生圖模型改場景概念圖，最怕換個天氣光影就把原本設計好的路線給改亂了。
我們拿一張白晝關卡底圖做了定向改稿測試，要求模型保留左側集裝箱掩體、中間主路與右側走廊的佈局，把畫面切換爲暴雨深夜並點亮遠處崖頂的信標燈，同時拉來主打連續編輯的即夢Seedream 5.5做對照。
兩款模型雖然都保住了基礎道路結構，但H3-Image對崖頂探照燈與路面積水反光的處理更明確，視線引導比只點亮一扇小窗的Seedream 5.5到位不少。
放大局部細節時，原生4K規格的優勢也體現得比較明顯。近處鐵皮集裝箱上的水珠鏽跡與遠處巖壁裂隙依然清楚，美術拿去拆解材質參考更省心，中小團隊想低成本嘗試“同一場景的多狀態變化”也容易了許多。
順着管線往下游走，就到了3D資產的交接環節。二維渲染圖立體感再好，同能直接進引擎的三維網格仍是兩碼事，後續的減面拓撲、UV拆分與材質調整一樣都省不掉。上游換上更聰明的圖像模型，主要是爲了讓接手的建模師和混元生3D這類網格工具，最後能“少猜幾次結構”。
海外創作者cyber在翻新舊機甲設計時，就用H3-Image做出了正、側、背與等軸測四視圖線稿，並且據此生成了機甲的雨夜渲染圖，裝甲銜接與表面水珠質感都比較規整，4K出圖的速度也讓他滿意。
爲了進一步觀察H3-Image在修改部件時的跨視角穩定性，我們也輸入了一張“氣壓抓鉤發射器”四視圖母版，要求在四個視角下同步把頂部的琥珀色蒸汽罐換成藍色冰晶艙，並在握把底部加裝破窗錘，同時請出同屬開源陣營的Qwen-Image-2.1同臺參照。
對比下來，Qwen-Image-2.1只改對了等軸測視角，其餘正交視圖出現了漏改舊罐或漏裝尾錘的情況；H3-Image則在四個視角里同步完成了兩處部件替換，原有的齒輪與前端抓鉤也沒有變形。
再來，就到了CG前期預演環節，過去比較勸退中小項目的是前期準備成本。如果只是立項初期想試幾套角色配色，或者探探過場鏡頭的氣氛，專門收集素材去訓練定製模型未免太耗時間。
日本創作者Mankyu（@manaimovie）前不久在X上分享了一組免訓練測試。他喂入一張白髮少女原畫，直接讓H3-Image連續做出粉色穿搭、雙馬尾與水手服差分，最後再放進黃昏廢墟背景裏。成圖不僅保住了繁瑣的鞋釦與呆毛細節，夕陽暖光打在髮絲與衣褶上的效果也相當融洽。
在原推文中，Mankyu也客觀提到了現階段的邊界：在純二維插畫場景下，如果大幅度改變人物角度或姿勢，想死死鎖住原有的筆觸畫風依然有些喫力。
而面對這種跨機位、多元素的複雜鏡頭需求，H3-Image單次最多支持塞進16張參考圖的特性，恰好接上了後半程。團隊把角色、服裝、場景結構與色調參考一併喂進去，就能直接合成連續的CG關鍵幀，甚至嘗試切換機位觀察複雜空間關係。
我們把前面跑出來的抓鉤槍和暴雨夜關卡，連同一張3D特工設定圖一併餵給H3-Image，不做額外訓練，直接生成了兩組不同機位的CG預演畫面。
從背後的越肩鏡頭切到正面反打特寫，特工肩甲上的編號、手中的冰晶抓鉤槍，以及身後集裝箱與燈塔的方位都能對得上，雨夜冷暖受光也比較統一。導演和分鏡師在動用正式綁定渲染前，完全可以先用這種方式把機位方案先初步定下。
這套構圖重組與文字修改能力，放到日常運營宣發裏同樣順手。比如把橫版活動海報改成豎版並調整上線檔期，模型能夠自然重排背景和角色的位置，並且準確改寫畫面裏的開服時間。
最後，讓上面這些用法真正在項目裏轉起來的，還有速度與價格上的優勢。
從官方公佈的測試數據來看，同類模型跑一張4K多圖編輯往往要等上一分鐘，H3-Image在海螺網頁端跑常規高清圖只需十來秒，即便拉滿4K帶參考圖編輯，基本也能控制在十幾到二十秒左右。
定價方面，它大約是同檔主流工具的五到七折，單張生圖或改圖也就是幾毛錢的開銷，目前還有限時折扣。
算下來，主美在評審會上連改十版方案，花的也就一瓶水錢，小團隊試廢案不用再心疼預算；放到大廠高頻產出的運營與買量素材場景裏，長期省下的成本就更可觀了。
03
敞開權重，讓工具真正作用於項目
畫質、工序與成本之外，數據安全與工程銜接，始終讓不少商業遊戲團隊在接入大模型時留着一層顧慮。
未曝光的新遊立繪與核心關卡灰盒碰不得外部黑盒，這是研發團隊基本的保密紅線。況且每次改圖如果都靠人工在網頁、修圖軟件和引擎之間來回導文件，生圖省下的時間全耗在了搬運上；萬一外部雲端哪天升級了底座，跑了半年的畫風還可能出現斷層。
而如今，這最後十米的落地顧慮，H3-Image給出的使用鏈路與開源策略也都有能力解決。
在工作流銜接上，除了在海螺網頁端直接生圖，開發者還可以通過API把H3-Image接進MCode、Claude Code、Codex、DeepSeek Harness或Workbuddy等Agent環境裏。遇到成套世界觀設定或複雜拆解任務時，先由Agent在前端蒐集資料、管理上下文並梳理修改指令，模型在這種環境下的指令遵循表現會比網頁直出更穩，也方便策劃與程序更早拿出視覺草稿跨部門溝通，節省更多時間。
另一條關鍵動作，則是發佈當天直接開放的模型權重。今年夏天，MiniMax開源視頻模型H3之後，社區很快就衍生出了不少新模型和ComfyUI工作流玩法。這次H3-Image接棒敞開權重，相當於把管線的改造權交還給了遊戲公司自己。
有技術美術儲備的中大型團隊，可以直接拉取權重進內網，結合自家沉澱的美術規範開發貼身工具。沒有本地運維包袱的獨遊小團隊，直接在開放平臺、MCode或海螺上按需調用服務，照樣能輕裝上陣。
（ComfyUI官方界面）
再看市場那頭，今年的遊戲業內外對待AI視覺工具，心態也明顯比前兩年沉穩多了。
放到局內玩法與日常活動上，國內玩家對有趣的AI交互接受度其實不低。像《超自然行動組》裏混入隊伍語音交流的“假人”挑戰，還有《和平精英》的AI隊友與《星布穀地》日常活動裏能自由對話辯論的NPC，都收穫了相當高的玩家參與度。
可當視角從局內的“AI活動”切到“AI做的遊戲”時，玩家側與業內側拿出來的標準完全是兩種。前陣子Steam新品節上，粗糙的生成式AI作品普遍遭到牴觸，反AI主題的《Probably Stolen》試玩版反而登頂了單人熱門榜；但同一時期，由AI深度參與制作、明顯壓縮了研發成本的《不問凡塵》，上線後依然拿到了不錯的口碑與銷量。
事實上，AI技術本身在遊戲行業的運用其實沒那麼受排斥。玩家所牴觸的，始終是敷衍粗糙的半成品。只要最終端上桌的產品足夠紮實，省下來的研發成本真能轉化爲遊戲內的好體驗，市場自然會給出正向反饋。
而順着這層邏輯再往深處想，過去幾年遊戲行業容易陷入題材與玩法的同質化，一定程度上也是被高昂的視覺試錯成本給束縛住了手腳。
回顧遊戲業過去十來年的演進，每一次玩法層面的集中爆發，背後幾乎都必然伴隨着底層技術門檻的抹平。當年通用商業引擎普及了成熟的渲染與物理管線，把開發者從重複造車輪的循環中解放出來，才換來了隨後幾年獨立遊戲與新興品類的興盛。
如今以H3-Image爲代表的開源視覺模型站上第一梯隊，扮演的其實也是相近的探路角色。單純靠美術堆料就能築起壁壘的日子，已經在慢慢翻篇了。
屆時，那些在低門檻土壤上生長出來的、百花齊放的創意玩法，纔是真正決定遊戲作品上限的內容。站在人的創作角度上看，這未嘗不是一件好事。
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
