异步视界博客
iaieye.com

最近更新

    ↑↓ 选择↵ 打开esc 关闭

    从能玩到好玩:手感、儿童向交互与音频

    游戏做得平,是因为没人按清单补反馈。本文给手感审计的做法与具体数字,给 3-8 岁孩子设计交互的依据,以及音乐、音效、配音三类音频的 A/B/C 选法、价格和商用许可。

    • 用 AI 做游戏:从开工到… · 3/5
    • 精读
    • 2026.11.11
    • 17 分钟
    • 9,191 字

    思思扬撰写 · AI 协作整理

    类型
    精读
    系列
    用 AI 做游戏:从开工到上线
    位置
    第 3 篇 / 共 5 篇
    发布
    2026.11.11
    篇幅
    9,191 字 · 17 分钟
    章节
    5 节
    标签
    • game-dev
    • game-feel
    • audio
    • kids
    • agent

    结论先行

    • 先审计,再补反馈。让 agent 先出一张「时刻 × 反馈通道」的缺口表,再逐项落地,每项挂开关、写回滚说明。别只说「加点 juice」。
    • 反馈分档、叠层、短促:一次有分量的命中,先同时触发 2-3 个反馈通道,试玩后再加;按小 / 中 / 大三档分给不同事件;震屏只动相机。
    • 浏览器游戏最常见的手感 bug 是位移没乘 dt,在 120Hz 屏上会快一倍。输入缓冲、土狼时间这些窗口按 60fps 换算成毫秒再写。
    • 给 3-8 岁孩子做:触控目标至少 2cm×2cm;同一操作既能拖也能点;拖放要宽容;做错时用画面提示指向正确答案,别用文字;至少有一关不会失败。
    • 音乐别再用 Python 数学合成。三条路:代码作曲、本地开源模型、商业服务。国内的 MiniMax 音乐 API 已对新用户下线。
    • 配音用国内 TTS 便宜档,按 2000 个汉字估算,普通音色的合成费约 0.8 元。

    一、手感:先审计,再分档补

    做法:让 agent 先出缺口表。时刻包括输入、移动、跳、攻击、受击、死亡、拾取、得分、UI、转场、镜头;通道包括视觉、运动、镜头、音频、UI、触觉、时序。每个格子有没有反馈,一目了然,再按影响 / 工作量排序逐项落地。

    game-juice(0★,MIT,2026-10-27 建)把这件事做成了闭环:扫描 → 报告 → 改动挂在开关后面落地 → 写回滚记录。它 README 里的示例报告:跳跃缺「土狼时间 0.1s + 跳跃缓冲 0.12s」,受击缺顿帧、闪白、震屏、击退、无敌帧和音效。支持 Phaser / PixiJS / GSAP。思路很对,但值得一试、尚无第三方验证。

    每项改动都挂开关、用命名常量、写回滚说明(比如 JuiceSettings + juice-changes.md)。同时提供「减少动态」「关震屏」「关闪光」选项,对孩子和光敏玩家是必需项。

    分档与克制。awesome-gamedev-agent-skills(8286★)里的 game-feel skill 给的规则:

    • 一次命中先从 2-3 个反馈通道起步,试玩后再加(音效、粒子、顿帧、闪白、击退、轻震、飘字);
    • 按事件重要度分小、中、大三档预设;
    • juice 必须短促,结束后回到静止;
    • 震屏只动相机,不动实体;顿帧用 timeScale 实现,不要卡住游戏逻辑;
    • 每次改完都实际玩一遍。

    具体数字(vibedgames 的 game-feel skill):

    参数取值参照
    输入缓冲4-10 帧Celeste 约 4 帧,Smash 10 帧
    土狼时间(离开平台后仍可起跳)5-8 帧—
    精确输入要求永远不要求 1 帧精确加角落修正
    物理必须乘 dt逐帧积分在 120Hz 屏上快一倍

    为什么默认做得「平」,怎么纠正。Simon Willison 的观察是:2026-10 之前,模型「能做出看起来像游戏的东西,但做不出真正好玩的」。他对 Opus 5.5 说了一句「This game isn’t fun enough yet. Make it a LOT more fun.」,agent 跑了一整夜,自己做 1200 局 AI 对战调平衡,还加上了战斗手感、自适应音乐、单位语音和解说(Battle Drones,2026-10-20)。他也说这些成果只花了不到 4 小时人力,真正投入试玩、拿品味把关的人能做得更好(The October inflection point,2026-10-28)。

    让模型先诊断、再动手,两轮分开。

    • vibedgames 的 design-lenses 先跑「拒绝门」:比如「前 30 秒没有真正的决策」「玩家不用核心机制也能推进」,任一条成立就是 blocker。修复建议必须具体,写「碰撞时 80ms 顿帧 + 4px 震屏」,不写「再 juicy 一点」。
    • gstack-game(83★)的 /feel-pass 按反应、冲击、节奏等 7 维打分(满分 14),分 ALIVE / BREATHING / FLAT / MUDDY / DEAD 五级;它规定只诊断、不开药方。README 自己承认打分权重还没校准。

    给参考比给形容词有用。把喜欢的游戏截图、录屏、音效放进项目的 references/ 目录;经典演讲也可以当「目标手感」喂给 agent:Juice it or lose it(2012)、The Art of Screenshake(2013)、GMTK《Secrets of Game Feel and Juice》。

    网页端的实现库:缓动用 GSAP 或 tween.js;粒子用 Phaser 自带的;three.js 后处理用 pmndrs/postprocessing。

    二、给 3-8 岁孩子做:交互依据

    触控与操作(NN/g,2018-07-08,中美两地 3-12 岁孩子实测,老而仍是标准):

    • 触控目标至少 2cm×2cm,是成人建议值的 4 倍;
    • 9 岁以下以点、滑、拖为主;同一任务同时支持拖和点(拖角色进圈,或直接点圈);
    • 要求精确放下(差一点就弹回)的拖放,会让 5 岁孩子说「我不喜欢这游戏」;
    • 避免需要双手配合的操作。

    Google《Building for Kids》补充:避免多指、双击、捏合;导航常驻并用图标,不要用纯文字按钮。

    做错时怎么办:给正面的声音和画面反馈,让孩子很快回到游戏;用箭头、高亮、脉冲这类视觉提示指向正确答案,不要用文字指出错误(5 岁以下基本不识字)。提供 no-fail 模式,至少一关不会失败、不会耗尽生命(BBC GEL)。

    语音引导:声音、画面、文字一起用,不只靠一种;5 岁以下可能不会自己打开声音,关键反馈不能只靠声音;有语音指引就要配字幕或提示。

    分龄:NN/g 分 3-5 / 6-8 / 9-12 三个年龄段分别设计。「无操作多少秒后重复语音提示」「每关多长」没有找到有研究依据的数字。

    学习类游戏:让学习内容本身成为核心机制。这叫「内在整合」,而不是答对题才奖励一段游戏。经典研究 Zombie Division 让 7-11 岁孩子靠「做除法」打僵尸,内在整合版在固定时长内学到的更多,自由游玩时长是对照版的 7 倍(Habgood & Ainsworth 2011)。2026-01 的一篇元分析纳入 37 篇研究,结论是小学数学的数字游戏化学习对概念理解、动机和问题解决都有显著正效应(只读到摘要,DOI)。放到换装类学习游戏上,就是把「听到单词 → 选对衣服」做成换装动作本身,而不是答对题才解锁衣服(这一条是推论,不是来源原话)。

    三、音频:音乐、音效、配音

    音乐:三条路

    A. 代码作曲B. 本地开源模型C. 商业服务
    做法先让模型设计文本乐谱格式,再写播放器;或写谱后用采样乐器渲染本地跑 Stable Audio 3 / ACE-Step 出素材ElevenLabs Music
    代表Simon 的 Battle Drones、Scrimshaw Jukebox;music-skill(56★)audio-studio-mcp(652★,MIT);ACE-Step 1.5(14625★,MIT)ElevenLabs
    费用00(要本机算力)$0.15 / 分钟
    许可自写曲谱仍要核对采样库 / SoundFont 许可ACE-Step MIT;Stable Audio 3 是社区许可条款明确允许独立游戏商用
    适合复古、简单配器;要按状态实时变化要真实乐器质感的循环 BGM商用求稳

    A 是「Python 数学合成」的升级版,区别在于先定乐谱格式和配器,再写合成。Battle Drones「没有任何音频文件」,配乐全由代码生成,每张地图不同,战斗激烈时加强。Scrimshaw Jukebox 的提示词是「先设计一种简单的文本乐谱格式,再做一个能播放它的 artifact」,并给了参照水准(Scrimshaw Jukebox,2026-10-06)。music-skill 走另一条:agent 写谱 → FluidSynth + SoundFont 渲染,输出带循环点的 WAV / Ogg 和分轨 MIDI,改一个音只重渲一轨,不需要 API。星数低,值得一试、尚无第三方验证。

    B 的推荐入口是 audio-studio-mcp:本地跑 Stable Audio 3,不要 API key,自带无缝循环、LUFS 响度归一、OGG 导出,M1 能跑,每个文件附 prompt / seed 的 json 方便复现。Stable Audio 3 官方称训练数据全部有授权;官方许可页已列明:年收入低于 100 万美元可适用免费社区许可,超过需企业许可。ACE-Step 能出整曲,也已支持分轨和多轨生成;无缝循环仍要验收和后处理。

    C 的许可最清楚。ElevenLabs Music 条款(2026-10-09 更新)把 Indie Game 定义为「该作品累计收入低于 $50 万,且公司上一财年游戏总收入低于 $100 万」,Starter 及以上可商用。

    其它服务的现状(均为一手条款):

    • MiniMax 音乐 API:2026-08-20 起不再对新用户开放(原价 1 元 / 首,MiniMax 定价页)。开源的 MiniMax Music 3 现行官方模型卡给出了 24GB 显存配置,CPU offload 可降到 8GB、但更慢;商用要在 UI 显著标注模型名。
    • Suno(条款 2026-09-03 生效):免费档只能非商用;付费档只有「通过官方渠道、计入月度下载配额」的那几首能商用(Pro 每月 20 首,Premier 60 首),Remix 一律不能商用,可能加指纹或水印(Suno 条款)。

    自适应音乐的最小可行版

    2-4 条等长、同速的 stem,从同一个 AudioContext 时间点同时起播,每条接一个 GainNode,切换状态时 2 秒线性淡入。平静 / 紧张两层就能拿到约 80% 的效果;循环 30 秒够用;鼓和贝斯用单声道省内存;状态切换加 1-3 秒防抖(abratabia《Web Game Audio》,2026-07)。

    示意代码(未运行):

    const ctx = new AudioContext();
    const load = async (url) =>
      ctx.decodeAudioData(await (await fetch(url)).arrayBuffer());
    const layers = await Promise.all(["calm.ogg", "tense.ogg"].map(load));
    const gains = layers.map(() => ctx.createGain());
    const t0 = ctx.currentTime + 0.1;
    layers.forEach((buf, i) => {
      const src = ctx.createBufferSource();
      src.buffer = buf; src.loop = true;
      src.connect(gains[i]).connect(ctx.destination);
      gains[i].gain.value = i === 0 ? 1 : 0;
      src.start(t0);
    });
    function setTension(on) {
      const g = gains[1].gain, now = ctx.currentTime;
      g.cancelScheduledValues(now);
      g.setValueAtTime(g.value, now);
      g.linearRampToValueAtTime(on ? 1 : 0, now + 2);
    }

    音效

    三条路:

    • 程序化:ZzFX(812★,MIT)一行参数数组出一个音效,agent 可以直接写进代码,复古风首选;jsfxr 和 ChipTone 同类。
    • 本地生成:audio-studio-mcp(同上)。
    • CC0 素材 / 云端:Kenney 的 Interface Sounds、Impact Sounds 等音效包是 CC0;Freesound 要逐条看许可;ElevenLabs SFX $0.12 / 分钟。

    game-sfx(2★,MIT)专门针对「Python 合成音效发闷、有爆音」:分层配方(瞬态 + 主体 + 尾音)、防爆音合成、LUFS 响度对齐,doctor 命令出频谱图让 Claude「看」声音;纯标准库,离线可用。思路对口,值得一试、尚无第三方验证。

    防听腻:每个高频音效备 3-5 个变体随机播放,再加一点随机变调。移动端要在用户第一次点击时解锁 AudioContext。

    配音(国内 TTS)

    服务单价来源
    MiniMax speech-2.8-turbo2.00 元 / 万字符(hd 3.50 元)官方定价页
    豆包音频生成 1.0(Seed-Audio)1 元 / 分钟(30 元 / 30 分钟资源包折算)火山引擎计费页;一条 prompt 出对白 + 音效 + 配乐,适合过场;官方接入文档没找到,是否仍在邀测存疑

    若一款小游戏的提示语共 2000 个汉字,用 MiniMax turbo 约 0.8 元(官方按 1 个汉字计 2 个字符,标点另计)。

    半天配齐一套音频

    1. (30 分钟)列音频清单:BGM 2 条(菜单 / 游戏中,游戏中拆平静和紧张两层)、音效 10-15 个(点击、正确、错误、得分、过关、失败、拖起、放下等)、全部语音文本。
    2. (1.5 小时)BGM:audio-studio-mcp 本地出候选,每条 2-4 个,让 agent 选循环小节、做无缝循环和 LUFS 归一,0 元。要商用保险改用 ElevenLabs,2 条 × 1 分钟约 $0.30 用量费,另需 Starter 或更高订阅。
    3. (1 小时)音效:UI 和复古类直接写 ZzFX 参数;真实质感的(纸、布料、水)本地生成或从 Kenney 包里挑;高频音效各做 3 个变体。
    4. (30 分钟)语音:国内 TTS 批量合成。
    5. (1 小时)接线:master / music / sfx / voice 四条 GainNode 总线;语音播放时音乐降 6-10dB,结束后回升;首次点击解锁 AudioContext;iPad 上设 navigator.audioSession.type = 'playback'(iOS 17+),Web Audio 默认可能被静音键静音(见 05 篇);设置里放音频开关。最后让 agent 用 playtest skill 走一遍,确认每个事件都有声音。

    预算:全本地 + 国内 TTS 在 0-5 元;加上 ElevenLabs 约 $1。

    来源

    20 条
    系列全部 5 篇
    1. 01agent 做游戏的工作流:选引擎、自验证、控范围27 分钟
    2. 02游戏资产管线:换装对齐、2D 一致性与 3D 进游戏28 分钟
    3. 03从能玩到好玩:手感、儿童向交互与音频17 分钟
    4. 04案例与发行:AI 做的游戏怎么做成、怎么卖出去21 分钟
    5. 05游戏常用系统:存档、本地化、关卡、任务……各引擎默认选什么,agent 怎么验29 分钟