六美元一个游戏:15 秒视频变成能玩的 Three.js 关卡

31 个游戏。1,013 次 fal 调用。202 美元。这是 video-to-game README 底部那份账本,也是整个仓库最有说服力的一段——不是因为游戏好,是因为有人真的数过。
项目本身是个 skill,不是应用。你把它装进 Claude Code 或 Codex 或 Cursor,丢给它一段 10 到 15 秒的玩法视频,它产出一个能玩的浏览器关卡:一个只有 Three.js 的 index.html,别的什么都没有。没有引擎,没有模板,没有其他库。31 个演示游戏,每一个都是从视频模型先生成的一段片子里重建的。
今年不少人做过「AI 做游戏」的演示。这个值得看,是因为它底下那句具体主张:agent 设计不出游戏的样子,那就别让它设计。让视频模型干这一段,再让 agent 去对齐。
视频就是设计文档
读 README 里那段抱怨,只要你试过就会立刻认出来:
让它做「一个男孩在飞鲸之间滑翔的游戏」,它交出来的是灰盒子、默认天空,还有一个跟玩家抢方向盘的相机。
事情就是这样。一个被要求搭场景的编程 agent 会去抓图元——盒子、平面、半球光——因为图元是它能在代码里表达的东西。它对构图没有意见。它对雾的浓度没有品味。结果在技术上是个场景,在情绪上是个测试关。
视频模型不管别的毛病,恰好很擅长那块缺失的东西:样子、机位、氛围、一个记得住的瞬间。所以流水线把顺序倒过来。先有视频,再有必须对齐的代码。
study_video.py 把片子拆成帧、一张联系表、一份色板、剪切时间点。agent 再从具名帧里写规格——机位、主角、那一个机制、关键瞬间、样子。不是「一个森林关卡」,而是:机位低,在主角身后两米,六米处冷绿雾,左侧一个青色光源,机制是滑翔。
之后所有事都是对齐。
每个素材都来自视频自己的帧
概念图用 Nano Banana Pro。干净的抠图。图像转 3D 走 Meshy、Tripo 或 Hunyuan 3D。绑定和动画。音效和音乐。全部通过 fal_asset.py 记账。README 的规矩很直接:不许手画,不许下载。
这条约束干的活比看起来多。人照着参考做游戏,会下一个树的模型,然后祈祷它合得上。有下载额度的 agent 会从免费素材站拉第一个结果,美术方向就塌成一堆拼贴。强迫每个素材走同一个生成器、用同一批帧做种子,色调在构造上就是一致的。
样子被当成规格,而不是最后再抛一次光:tone mapping、一个调色、雾、bloom、暗角、颗粒,全部从第一个场景推出来。每次改动之后,agent 都出一张视频与游戏在同一三个位置的并排图。
那张并排图就是整套方法论压成的一件产物。没有它,agent 是在对着自己的想象优化。有了它,agent 是在对着一个它真能看见的参考优化。

agent 玩自己做的游戏
这部分我没预料到,也是这个项目和一支演示片区别开的地方。
一个键盘脚本驱动游戏,读 window.__game,就像玩家读屏幕。record_play.mjs 用 Playwright 按真实帧率录下来。best_window.py 找出这段录像里最活的几秒。掉落、隐形墙、死掉的段落,在别人玩之前就被修掉。
自动试玩不算新。新的是 agent 会去修它看到的东西,而且证据是一段它能看的视频,这个回路紧得多。这也解释了成本:每轮迭代,agent 要跑几十次游戏。
账单
说准确一点,因为这些数字才是读这个仓库的理由。
31 个游戏。1,013 次 fal 调用,拆开是 594 张图、194 个 3D 模型、290 条音效和音乐。总共 202 美元。每个游戏约 6 美元。
六美元是个奇怪的数字,因为它大约是一杯咖啡的钱,也大约是一个外包美术日薪的千分之一。它也不是真实成本——编程 agent 的 token 不在里面,你的下午也不在里面。但它确立了一件有用的事:一个小的可玩 3D 场景,边际成本已经低到你可以扔掉一个。
代价 README 写得很直白:每个素材都要付 fal,产出是短演示而不是成品。六美元的游戏是一种感觉的纵切片,不是你能上线的游戏。
安装
先说 Claude Code,这是支持最好的路:
claude plugin marketplace add lovisdotio/video-to-game
claude plugin install video-to-game@video-to-game
或者手动拷技能文件夹:cp -R skills/video-to-game ~/.claude/skills/。
Codex、Cursor、Gemini CLI、Copilot 这些:
npx skills add lovisdotio/video-to-game
脚本要 Python 3.9+、ffmpeg、Node 18+ 和 playwright-core,还要 pip install fal-client 加一个 FAL_KEY。
然后提示词就一段:
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.
没有片子的话,仓库带了 prompts/gameplay-video-prompts.md——让 31 段视频能被重建的那些规则,加上用过的每一条提示词。这个文件悄悄是整个仓库最值钱的东西,因为它编码了「什么样的片子是好设计文档」:清晰的剪影、一个机制、一个不跟玩家抢的相机。
这事的真正意义
AI 生成游戏这个故事有个版本是:模型最终会直接做游戏。也许。在那之前,这个项目描述的是一种今天就能用的分工——视频模型管品味,编程 agent 管建造,图生 3D 管素材,自动试玩闭合回路。
有意思的问题不是六美元的游戏好不好。大部分不好。问题是同一套模式指向一个有预算的东西时会发生什么:产品发布页、博物馆导览机、培训模拟。流水线不在乎关卡是干什么用的。
对做 agent 工具的人,还有一个更小更利的教训。这个仓库能用,是因为它让参考变得可检查。视频是模型和人能同时看、比较、争论的东西。给 agent 一份规格,它会满足规格。给它一段片子,它必须对上某个真实的东西。
那是个比提示词更好的接口。对很多事情来说,可能都是更好的接口。
相关文章
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
GPT Image 2.6 守住 token 价格,账单却涨了
GPT Image 2.6 沿用了 2.5 的全部 token 费率,单张图却更贵,因为更多的活现在花在输出 token 上。上线十一天,定价结构说的比排行榜更多。
有人从外部重建了 IDM,并写下了自己没有碰过的部分
Mister Download Manager 用 Rust 重写了 Internet Download Manager 的下载流程,声称速度快 5 倍、支持 86 种语言。更值得细读的,是它解释如何在不复制任何代码的前提下完成重写的那一段。
Rune 是一个 Rust UI 框架,设计初衷是让 agent 能检查自己的工作
Rune 能无头渲染、导出元素树并接受脚本化输入,这让编码 agent 拿到截图永远给不了的东西,一个可 diff 的信号。这个框架仍是预发布版本,不接受 pull request。