← 返回部落格
Ai預計閱讀 8 分鐘

31 個遊戲、1,013 次 fal 呼叫、202 美元:把遊戲影片變成可玩關卡

發布於 2026年11月10日
31 個遊戲、1,013 次 fal 呼叫、202 美元:把遊戲影片變成可玩關卡

三十一個遊戲。一千零一十三次 fal 呼叫。兩百零二美元。這是 video-to-game README 最下面那筆帳,也是整份 repo 最有說服力的一段——不是因為遊戲好,而是因為有人真的去算了。

專案本身是一個技能,不是一個 app。你把它裝進 Claude Code、Codex 或 Cursor,丟給它一段十到十五秒的遊戲影片,它產出一個可以在瀏覽器玩的關卡:一個 index.html,裡面只有 Three.js。沒有引擎、沒有模板、沒有其他函式庫。三十一個示範遊戲,每一個都是從影片模型先生成的片段重建出來的。

今年好幾個人做過「AI 做遊戲」的示範。這個值得細看的原因,是它底下那個很具體的主張:agent 沒辦法設計遊戲的長相,那就別再要求它做。讓影片模型做那一塊,再讓 agent 去對齊。

影片就是設計文件

讀一下 README 自己的抱怨,如果你試過就會立刻認出來:

要求「一個男孩在飛行的鯨魚之間滑翔的遊戲」,他們交出來的是灰色方塊、預設天空,和一個跟玩家打架的鏡頭。

事情就是這樣。一個被要求建場景的 coding agent 會去拿基本圖元——方塊、平面、半球光——因為基本圖元是它能在程式碼裡表達的東西。它對構圖沒有意見。它對霧的濃度沒有品味。結果是技術上像個場景,情緒上像個測試關卡。

影片模型不管其他缺點如何,恰好很擅長那個缺掉的部分:長相、鏡頭、氣氛、一個記得住的瞬間。所以這條 pipeline 把順序倒過來。先有影片,再寫必須對齊它的程式碼。

study_video.py 把影片變成影格、contact sheet、調色盤和剪點時間。agent 接著根據具名影格寫一份規格——機位、主角、那一個機制、關鍵瞬間、長相。不是「一個森林關卡」,而是像這樣:低機位,在主角後方兩公尺;六公尺處有冷綠色霧;左側一個青色光源;機制是滑翔。

之後的一切都是對齊。

每個素材都來自影片自己的影格

用 Nano Banana Pro 做概念圖。乾淨的 cutout。透過 Meshy、Tripo 或 Hunyuan 3D 做 image to 3D。骨架與動畫。音效與音樂。全部透過 fal_asset.py 記錄。README 的規則是直白的:不准手繪,不准下載。

這個限制做的事比看起來多。一個人照著參考做遊戲,會去下載一棵樹的模型,然後希望它搭得上。一個有下載額度的 agent 會從免費素材站抓第一個結果,於是美術指導就崩成一張拼貼。強迫每個素材都經過同一個生成器、由同一批影格播種,調色盤在結構上就會保持一致。

長相被當成規格,而不是修飾階段:tone mapping、一組 grade、霧、bloom、vignette、grain,全部從第一個場景推導。每次改動之後,agent 會產出一張影片與遊戲在同三個位置的並排圖。

那張並排圖就是整套方法論的縮影。沒有它,agent 是對著自己的想像最佳化。有了它,agent 是對著一個它真的看得見的參考最佳化。

A laptop screen showing a simple 3D browser game with a character mid-jump

agent 玩自己的遊戲

這是我沒預期的部分,也是這個專案和一支示範 reel 的差別。

一組鍵盤情境會操作遊戲,並讀取 window.__game,就像玩家讀螢幕一樣。record_play.mjs 用 Playwright 以真實影格率錄下結果。best_window.py 找出那段錄影裡最有活力的幾秒。掉落、隱形牆、冗長無事的路段,在別人玩到之前就被修掉。

自動化試玩不是新東西。但讓 agent 接著去修它看到的問題,而且證據是一段它自己能檢視的影片,這個迴圈明顯更緊。它也解釋了成本:agent 每輪迭代要把遊戲跑上幾十次。

帳單

講精確一點,因為這些數字才是讀這個 repo 的理由。

三十一個遊戲。1,013 次 fal 呼叫,拆開是 594 張圖、194 個 3D 模型、290 段音效與音樂。總共 202 美元。平均一個遊戲約 6 美元。

六美元是個很難放在腦子裡的數字,因為它大約是一杯咖啡的價錢,也大約是外包美術一天報價的千分之一。它也不是真正的成本——coding agent 的 token 沒算在裡面,你的半天也沒算。但它確立了一件有用的事:一個小型可玩 3D 場景的邊際成本,現在低到你可以直接丟掉。

README 講得很白的問題是:每個素材都要付 fal,而產出是短示範,不是完成品。一個六美元的遊戲是一種感覺的垂直切片,不是你能上市的遊戲。

安裝

先講 Claude Code,因為那是支援最好的路徑:

claude plugin marketplace add lovisdotio/video-to-game
claude plugin install video-to-game@video-to-game

或者手動複製技能資料夾:cp -R skills/video-to-game ~/.claude/skills/。

給 Codex、Cursor、Gemini CLI、Copilot 和其他工具:

npx skills add lovisdotio/video-to-game

腳本需要 Python 3.9+、ffmpeg、Node 18+ 加 playwright-core,還有 pip install fal-client 和一組 FAL_KEY。

然後提示詞只有一段:

Turn gameplay.mp4 into a playable browser game with the video-to-game skill.
The prompt that made it is in gameplay.txt. Generate every asset with fal,
match the video's look, and show me side-by-side pairs and a recorded take
of you playing it.

如果你沒有片段,repo 附了 prompts/gameplay-video-prompts.md——那些讓三十一支影片可被重建的規則,加上用過的每一個提示詞。那個檔案默默是整個 repo 最有價值的東西,因為它編碼了「什麼讓一段影片成為好的設計文件」:可讀的剪影、一個機制、不跟玩家打架的鏡頭。

這真正在講什麼

AI 遊戲生成有一種版本是這樣說的:模型最後會直接做遊戲。也許吧。在那之前,這個專案描述了一種今天行得通的分工——影片模型負責品味,coding agent 負責建造,image-to-3D 負責素材,自動化試玩負責收尾。

有趣的問題不是六美元的遊戲好不好。大部分並不好。而是同一套模式被指向有預算的東西時會發生什麼:產品上市頁、博物館導覽機、訓練模擬。這條 pipeline 不在乎關卡是做什麼用的。

對做 agent 工具的人還有一個更小、更銳利的教訓。這個 repo 之所以行得通,是因為它讓參考變得可檢視。影片是模型和人可以一起看、一起比、一起爭的東西。給 agent 一份規格,它會滿足規格。給它一段影片,它就必須對齊某個真實的東西。

那是比提示詞更好的介面。對很多事來說,可能都是更好的介面。

相關文章