如果要盘点今年互联网科技板块的第一话题，那么AI技术是当仁不让的第一。
最开始人们都在争论关于AI作图的那些议题。从几个月前，AI作画只有几个模版来回变化，不会画手，甚至不会画拿筷子吃面的尴尬；但现在，已经可以个性化画风深度定制，写实的、3D化的、二次元的画风应有尽有，甚至还能针对各种个性化画风做出深度学习，完美复原，仅是几月发展就与当初不可同日而语。
曾经让AI学会画手是一个难以被攻克的问题，现在已经不是多难的事情
近期，随着美国OpenAI研发的聊天机器人程序ChatGPT（全名：Chat Generative Pre-trained Transformer）发布，AI进化的谱曲达到最高章。
ChatGPT是特殊的一个。他是根据自然语言处理任务的人工智能，其运作逻辑可以根据学习人类的语言来进行对话，并能根据上下文理解而进行互动，并随着交流量的增加而不断智能化。同时，ChatGPT在这套学习思维的基础上，能够完成许多以前只有”人“才能做到工作，比如翻译、文案、程序脚本与各种影音化的处理任务，功能之丰富，简直就是AI界的百科全书。
也因为ChatGPT这个爆炸性产品的诞生，关于AI生产力的话题也被推到台前。事实上，除了当红的ChatGPT以外，各行各业也在催生出自己的AI软件。
那么还有什么AI软件正在埋头发展呢？
这篇文章来汇中一下这些AI产品，顺便做点猜想，看看他们能为游戏行业带来什么。
多点开花的AI生产力介绍
无论是ACG行业，还是影视多媒体与平面设计等行业，谈起生产力逃不开这几个方面：音频、音乐、美术插画、视频与脚本程序等方向。接下来从这几个类别去看看，有什么工具已经实现了一定程度上的生产力。
01美术插画：Midjourney和Stable Diffusion
当今最火的美术插画AI工具，当属由David Holz领导开发的Midjourney；以及Stability AI公司的Stable Diffusion了。
两个工具都是在消费级GPU上就能运作，Stable Diffusion甚至得到苹果平台的优化，在iPhone、iPad、Mac等设备上也能够流畅运行，低门槛接触是这是两个工具能够迅速蹿红的一个原因，哪怕你没有最顶级的电脑，也能上手把玩一下。
两款AI作图工具，其人工智能模式相近，都是将文本信息向图像扩散的模型组合。简单来说，就是用户提供各种文本，工具再根据文本的信息去生成用户想要的图像。比如在Stable Diffusion里，你提供文本宇航员+骑+各种坐骑的描述性文字，那么就会生成出宇航员骑着各种奇幻生物的图片出来。
不同的是，两款工具的运营模式并不相同。
Stable Diffusion是一款开源的AI作图工具，它最大的优势就是自由度、没有太多束缚，用户在提供素材时也会引入各种非版权图片，对于提高素材量与美术风格的插件也是来者不拒，让Stable Diffusion对于各种美术风格都能很好驾驭，我们常见的各种AI个性化画风的尝试大多出自Stable Diffusion。
中国风，水墨画法与写实，Stable Diffusion各种风格都能尝试
也因为开源的优势，Stable Diffusion还能玩出更多玩法，比如它可以拿来压缩图片，且压缩图片的细节能够保留更多，这对于压缩技术来说也是一项大的突破。
再比如，它可以对各种图片与视频进行定制化美术风格输出/细化，加工出更加美观的美术图与视频。虽然目前这套加工模式还不成熟，比如美术细化图片的文字会乱码；比如视频输出还无法稳定；再比如一些比较大的动作无法精准定位还原等问题都让Stable Diffusion投入实际生产有着一定距离，但这种加工技能的点满，为解放生产力提供非常大的期待值。
原图与加工新画风的AI图片对比，文字乱码依然是加工图片一个问题（图片来自二次元假小子控吧）
至于Midjourney则是一款收费作图工具。该工具的环境相对封闭，使用的图片素材也大多是版权图片。因此，能够调教和生产的图片并没有Stable Diffusion多样。
但也得益于稳定的版本更迭，尤其是到了V5版本以后，Midjourney对于画幅比例、纹理效果以及AI处理手与牙齿等细节的局限做出了很多优化，因此让Midjourney总能生成出更加精美且没有破绽，足够以假乱真的美术产物让业内震撼。比方说之前有关Midjourney最大的新闻就是透过一些文字生成出一套背景是上世纪90年代、中国城市的年轻青年的老照片图片。
经过这次更新，Midjourney变得非常强大
Midjourney V5做出90年代风格的AI照片
也因为Midjourney更定制与职业，目前已有不少从业者开始尝试利用Midjourney辅助创作，比如就在近期，国外一位从业20多年的独立开发者就分享了自己使用AI对人物建模设计的一些辅助创作成果，据他所言，人物建模设计上节省了40个小时，在场景构建上节省了3天的时间。
同时在3D领域，很多公司也开始了AI的3D美术生产工具的探索，比如著名引擎大厂Unity刚刚在GDC2023上，宣布了自家的Unity AI；其次，Adobe也发布了自家的AI工具Firefly，不仅能利用AI生成图片，还能制作模板、编辑P图效果与创造笔刷、更替背景等多种一键生产功能，并且也能直接用自然语言修改图片。在商业化美术领域，AI的发展可说是进入日新月异，万箭齐发的阶段。
02视频：wonder studio
在美国时间的3月9日下午，Wonder Dynamics公司推出了旗下名为Wonder Studio的AI视频工具，它是一个浏览器AI工具，基于云的人工智能。它的原理是透过捕捉真人表演的内容进行分析，接着可以将想要投放的CG角色与真人进行替换，AI会自动将灯光、光影与动作匹配到跟真人演员几乎一致的水平，甚至是面部的微表情也可以做到一键替换。
目前是一个基于云数据的人工智能工具
替换效果对比
现在甚至能做到微表情处理
不仅如此，Wonder Studio还能导出分层、分析画面的数据与运动环境，让用户更多角度的跟踪修改，做出更理想的效果。
还能对具体影片的情况去调整
03音频方面、模拟人声：VITS
VITS全称Variational Inference with adversarial learning for end-to-end Text-to-Speech，是一种基于声学模型进行语音合成方法的AI音频类工具，它能根据用户提供的语音合成模型，配合使用训练好的语音编码器vocoder声码器对用户提供的文本进行转化，vocoder会根据发音规则与文本的标题符号作为生成语音信号的特征去表示，最后做出一段流畅的语音。
目前该工具的生成语音质量已经非常成熟，不仅可以模拟出想要的音色，连节奏与情绪感都能做到完美复原，甚至还能让输出的人声进行唱歌这类复杂的声音表达，达到足够以假乱真的程度。也因此在软件刚开始阶段，就已经有大量用户做出各种音色，游戏的、动画声优的、著名歌星的，应有尽有。
但目前该工具还处于较为原始的阶段，工具需要大量的复杂的训练流程，还没有进入消费级运用的低门槛水平。
04作曲：MusicLM
有了人声合成，音乐作曲自然也不能少。
在2个月前，谷歌发布了旗下的AI作曲工具MusicLM。与大多AI工具一样，MusicLM也是根据输入文字进行生产音乐的人工智能。它的前身是基于谷歌去年9月发布的一项名为AudioLM，专注于合成高保真音频的项目，也因此，MusicLM并不像美术AI那样，使用扩散模型进行工作。
只要文字的描述精准且丰富，无论是古典名画还是现实题材，都能识别出相应风格，与画面做出匹配。
不过即便没有扩散模型的作用，MusicLM目前依然可以做到很多意想不到的音频处理。比方说，工具不单可以透过文字生成音乐，还能以一段音频打底+形容的文字，比如乐器或者音乐风格去改编音乐的风格，输出想要的效果。
此外，工具还有一个故事模式，它能将一段音乐根据文字的编排顺序去重塑不同时间段的音乐，实现音乐的风格化切片，对于影视化与游戏配乐而言，这个功能能够精准对位不同时间段的需要，将多种音乐风格有序的跟画面需要对上。
05基于语言的万能工具：ChatGPT
作为当红炸子鸡，前文已经提到ChatGPT作为AI聊天程序的基础功能。它是以语言为基础，但又不局限于直接的沟通，OpenAI还为他提供了开源设置，ChatGPT可以安装各种基于语言模型而设计的插件，赋予ChatGPT联网，扩展运算的能力，这大大拓宽了了ChatGPT的使用场景。
目前已知的插件想要拓展的方向比如说：
最开始人们都在争论关于AI作图的那些议题。从几个月前，AI作画只有几个模版来回变化，不会画手，甚至不会画拿筷子吃面的尴尬；但现在，已经可以个性化画风深度定制，写实的、3D化的、二次元的画风应有尽有，甚至还能针对各种个性化画风做出深度学习，完美复原，仅是几月发展就与当初不可同日而语。
曾经让AI学会画手是一个难以被攻克的问题，现在已经不是多难的事情近期，随着美国OpenAI研发的聊天机器人程序ChatGPT（全名：Chat Generative Pre-trained Transformer）发布，AI进化的谱曲达到最高章。
ChatGPT是特殊的一个。他是根据自然语言处理任务的人工智能，其运作逻辑可以根据学习人类的语言来进行对话，并能根据上下文理解而进行互动，并随着交流量的增加而不断智能化。同时，ChatGPT在这套学习思维的基础上，能够完成许多以前只有”人“才能做到工作，比如翻译、文案、程序脚本与各种影音化的处理任务，功能之丰富，简直就是AI界的百科全书。
也因为ChatGPT这个爆炸性产品的诞生，关于AI生产力的话题也被推到台前。事实上，除了当红的ChatGPT以外，各行各业也在催生出自己的AI软件。
那么还有什么AI软件正在埋头发展呢？
这篇文章来汇中一下这些AI产品，顺便做点猜想，看看他们能为游戏行业带来什么。
多点开花的AI生产力介绍
无论是ACG行业，还是影视多媒体与平面设计等行业，谈起生产力逃不开这几个方面：音频、音乐、美术插画、视频与脚本程序等方向。接下来从这几个类别去看看，有什么工具已经实现了一定程度上的生产力。
01美术插画：Midjourney和Stable Diffusion
当今最火的美术插画AI工具，当属由David Holz领导开发的Midjourney；以及Stability AI公司的Stable Diffusion了。
两个工具都是在消费级GPU上就能运作，Stable Diffusion甚至得到苹果平台的优化，在iPhone、iPad、Mac等设备上也能够流畅运行，低门槛接触是这是两个工具能够迅速蹿红的一个原因，哪怕你没有最顶级的电脑，也能上手把玩一下。
两款AI作图工具，其人工智能模式相近，都是将文本信息向图像扩散的模型组合。简单来说，就是用户提供各种文本，工具再根据文本的信息去生成用户想要的图像。比如在Stable Diffusion里，你提供文本宇航员+骑+各种坐骑的描述性文字，那么就会生成出宇航员骑着各种奇幻生物的图片出来。
不同的是，两款工具的运营模式并不相同。
Stable Diffusion是一款开源的AI作图工具，它最大的优势就是自由度、没有太多束缚，用户在提供素材时也会引入各种非版权图片，对于提高素材量与美术风格的插件也是来者不拒，让Stable Diffusion对于各种美术风格都能很好驾驭，我们常见的各种AI个性化画风的尝试大多出自Stable Diffusion。
中国风，水墨画法与写实，Stable Diffusion各种风格都能尝试也因为开源的优势，Stable Diffusion还能玩出更多玩法，比如它可以拿来压缩图片，且压缩图片的细节能够保留更多，这对于压缩技术来说也是一项大的突破。
再比如，它可以对各种图片与视频进行定制化美术风格输出/细化，加工出更加美观的美术图与视频。虽然目前这套加工模式还不成熟，比如美术细化图片的文字会乱码；比如视频输出还无法稳定；再比如一些比较大的动作无法精准定位还原等问题都让Stable Diffusion投入实际生产有着一定距离，但这种加工技能的点满，为解放生产力提供非常大的期待值。
原图与加工新画风的AI图片对比，文字乱码依然是加工图片一个问题（图片来自二次元假小子控吧）至于Midjourney则是一款收费作图工具。该工具的环境相对封闭，使用的图片素材也大多是版权图片。因此，能够调教和生产的图片并没有Stable Diffusion多样。
但也得益于稳定的版本更迭，尤其是到了V5版本以后，Midjourney对于画幅比例、纹理效果以及AI处理手与牙齿等细节的局限做出了很多优化，因此让Midjourney总能生成出更加精美且没有破绽，足够以假乱真的美术产物让业内震撼。比方说之前有关Midjourney最大的新闻就是透过一些文字生成出一套背景是上世纪90年代、中国城市的年轻青年的老照片图片。
经过这次更新，Midjourney变得非常强大
Midjourney V5做出90年代风格的AI照片也因为Midjourney更定制与职业，目前已有不少从业者开始尝试利用Midjourney辅助创作，比如就在近期，国外一位从业20多年的独立开发者就分享了自己使用AI对人物建模设计的一些辅助创作成果，据他所言，人物建模设计上节省了40个小时，在场景构建上节省了3天的时间。
同时在3D领域，很多公司也开始了AI的3D美术生产工具的探索，比如著名引擎大厂Unity刚刚在GDC2023上，宣布了自家的Unity AI；其次，Adobe也发布了自家的AI工具Firefly，不仅能利用AI生成图片，还能制作模板、编辑P图效果与创造笔刷、更替背景等多种一键生产功能，并且也能直接用自然语言修改图片。在商业化美术领域，AI的发展可说是进入日新月异，万箭齐发的阶段。
02视频：wonder studio
在美国时间的3月9日下午，Wonder Dynamics公司推出了旗下名为Wonder Studio的AI视频工具，它是一个浏览器AI工具，基于云的人工智能。它的原理是透过捕捉真人表演的内容进行分析，接着可以将想要投放的CG角色与真人进行替换，AI会自动将灯光、光影与动作匹配到跟真人演员几乎一致的水平，甚至是面部的微表情也可以做到一键替换。
目前是一个基于云数据的人工智能工具
替换效果对比
现在甚至能做到微表情处理不仅如此，Wonder Studio还能导出分层、分析画面的数据与运动环境，让用户更多角度的跟踪修改，做出更理想的效果。
还能对具体影片的情况去调整03音频方面、模拟人声：VITS
VITS全称Variational Inference with adversarial learning for end-to-end Text-to-Speech，是一种基于声学模型进行语音合成方法的AI音频类工具，它能根据用户提供的语音合成模型，配合使用训练好的语音编码器vocoder声码器对用户提供的文本进行转化，vocoder会根据发音规则与文本的标题符号作为生成语音信号的特征去表示，最后做出一段流畅的语音。
目前该工具的生成语音质量已经非常成熟，不仅可以模拟出想要的音色，连节奏与情绪感都能做到完美复原，甚至还能让输出的人声进行唱歌这类复杂的声音表达，达到足够以假乱真的程度。也因此在软件刚开始阶段，就已经有大量用户做出各种音色，游戏的、动画声优的、著名歌星的，应有尽有。
但目前该工具还处于较为原始的阶段，工具需要大量的复杂的训练流程，还没有进入消费级运用的低门槛水平。
04作曲：MusicLM
有了人声合成，音乐作曲自然也不能少。
在2个月前，谷歌发布了旗下的AI作曲工具MusicLM。与大多AI工具一样，MusicLM也是根据输入文字进行生产音乐的人工智能。它的前身是基于谷歌去年9月发布的一项名为AudioLM，专注于合成高保真音频的项目，也因此，MusicLM并不像美术AI那样，使用扩散模型进行工作。
只要文字的描述精准且丰富，无论是古典名画还是现实题材，都能识别出相应风格，与画面做出匹配。不过即便没有扩散模型的作用，MusicLM目前依然可以做到很多意想不到的音频处理。比方说，工具不单可以透过文字生成音乐，还能以一段音频打底+形容的文字，比如乐器或者音乐风格去改编音乐的风格，输出想要的效果。
此外，工具还有一个故事模式，它能将一段音乐根据文字的编排顺序去重塑不同时间段的音乐，实现音乐的风格化切片，对于影视化与游戏配乐而言，这个功能能够精准对位不同时间段的需要，将多种音乐风格有序的跟画面需要对上。
05基于语言的万能工具：ChatGPT
作为当红炸子鸡，前文已经提到ChatGPT作为AI聊天程序的基础功能。它是以语言为基础，但又不局限于直接的沟通，OpenAI还为他提供了开源设置，ChatGPT可以安装各种基于语言模型而设计的插件，赋予ChatGPT联网，扩展运算的能力，这大大拓宽了了ChatGPT的使用场景。
目前已知的插件想要拓展的方向比如说：
- 与第三方应用程序连接，利用ChatGPT的机制完成包括日常行程、购物、导航等功能；利用WolframAlpha等插件，让ChatGPT获得更强大的计算能力，让回复内容更加精准/丰富；对表格、文档与视频音频文件进行内容的分析、绘制与可视化操作；延展出更多精细的操作，包括计算力引擎、 视频剪辑、 图片PS、脚本设计与文字翻译，全面覆盖语言工具所能做到的极限。
也因此ChatGPT才会那么火热，它的发展几乎涵盖了工具化的大多数方面，有了它可以解决很多事情。
那么，盘点了这么多工具以后，基于目前发展的情况，让我们对AI工具化做点猜想，看看它们以后能够对游戏行业做出哪些改变？
解放生产力的一些方向观察与猜想
①节省人力成本、降低入门门槛
现在开发游戏是一项高门槛、高投入的产业，尤其在很多3A大作里尤为明显。此前业界不少厂商就游戏定价20年，但开发成本却逐年走高的现象多有抱怨。
现在的3A游戏项目的开发成本已经可以比肩大片，但很多游戏要靠单纯卖盘获得大片的收益可不容易而游戏成本走高的一个原因就在于高昂的人力成本无法节省，尤其是业界对于游戏画面要求越来越高的现在，往往需要庞大的美术团队去做高精度美术与高模的精雕细琢工作。
在很长一段时间高画质、高材质需要靠人力去填，以后就不好说了那么这些批量精细活的工作就可以轮到绘图AI工具入场了。形成一套一个主美把控核心创作输出，利用AI去做批量生产与高精细化的工作流程。
像Stable Diffusion目前就有插件去做类似的工作内容。只是目前可选择美术风格还不够多，制作出来的样品也不够精细，但如果继续发展下去的话，未来可期。另外，需要大人力资源去填的内容如果能够靠AI弥补，也一定程度降低了开发门槛。独立开发者能制造的游戏的范围能够进一步扩大。
比方说，目前就有很多中日的同人游戏开发者开始尝试用AI去做一些低成本的同人游戏，毕竟很多同人游戏并没有商业化，很适合去做AI工具化的尝试。有的同人团队是利用AI作画，有的则是让AI几乎包办所有工作，比如B站up主“秋之雪华”就制作了一款名叫《夏末弥梦》的galgame，整段已公开的Demo视频中，从美术到培养配乐全是有AI完成。
②试错成本降低、效率提升
这是AI工具化最先能做到的事情，甚至一些工具已经能做得不错。
比如前文提到的某国外美工利用Midjourney速度输出角色的设计稿辅助建模就节省了大量时间。不仅是美术AI工具，其他的领域比方说脚本与视频建模，我们也可以可以根据ChatGPT去快速输出脚本然后进行优化；或者利用Wonder Studio视频AI工具的一键替换去观摩建模在实际运用的效果。
借助AI技术改善产业生产效率差，几年还不见得做出一款游戏的情况。
③本地化能力大大提高
本地化一直是游戏多地区发行的一个命门。不少大型游戏往往需要在不少地区去做语言跟进；客服端与手游游戏甚至需要运营大量外语人工去维护更新与交流，其成本不低，而且往往出力不讨好。很多时候的翻译质量与本土化水平并不能让玩家满意。
而目前像ChatGPT等工具的出现给了改进本地化水平的可能性。比方说就目前ChatGPT的翻译效果，在不少玩家尝试下，往往能有很不错的效果，如下图：
（图片来自PSN中文站用户heyoutui）至于AI运营与客服系统，早在目前就已经开始普及开来，唯一的问题就在于表述过于机械、语言过于无感，还有适配的语言不足等不够智能的问题，但这些毛病如果接入ChatGPT与音频合成的VITS等进行适配与升级，那么，游戏的国服分发与运营压力将随着AI的进步而逐步减压。
④宣发物料的效率提升与成本将降低
常见的宣发，如短视频、海报、趣图与玩梗的文案和速递新闻也可以依靠AI速度生产，比如目前Adobe宣传的平面软件Firefly，主打的就是快速处理图片各种风格的AI机制，若能做到投入生产力的水平，无疑能让宣发更容易很多。
一键处理想要的P图效果其次，目前ChatGPT的文案处理能力已经越来越成熟，比方说你给他提案一个新闻/活动议题，它就已经能生成出一个还可以的模版，就当下来说，给予AI提供的模版去修正文案以获取自己想要的宣发文案，是已经可以做到的现实。
根据某个游戏设计一场预计20人的现下活动（图片来自厦门UPGAME）⑤音、视频成本也将大幅度降低
游戏常备的音乐、配音与视频也将随着AI技术的成熟做到更多更方便的做法。
比方说利用Wonder Studio让游戏的3D建模去适配视频，减少比如用手K去调整建模动作的工作量；比方说，利用VITS降低配音成本与配音的可适用范围，游戏公司只需要提取声优的音色，就能靠AI生成各种情感与台词；再比如利用MusicLM去为游戏的各种画面去适配音乐，即便无法直接商用，也能让主创更好抓准风格进行精细的修改。
我想要井上喜久子与平野绫的声线，AI结合原型声音模型做出来就可以了这方面的推进也是预期可见的进度。比如光线传媒的光线动画就在之前公开讨论AI补充动画作画的可行性，并放出了AI作图的宣发。
总结
AI的发展过于迅猛，以至于现在写下的文章可能过两天就会被推翻也说不准。近日各大游戏公司也开始了自己的AI软件开发，比如育碧公布内部AI写作工具Ubisoft Ghostwriter，它目前能辅助编剧进行台词创作，以后还能能做到什么程度现在还是个未知数。
但AI的进步目前依然逃不开很多问题：
比方说版权问题，目前AI的生产品一般离不开对原素材的加工，所以经常侵犯一些创作者的权益，这如何改进？
又比方说，适用性问题。目前AI大多基于程序与文字表述进行生成，有着门槛高和不够直观的问题，是否有能推进操作逻辑简易化的可能；当然还有关于资源的垄断问题，会不会因为AI发展的爆发，以后生产力的核心被几家AI公司所控制，过高的垄断成本会不会阻碍AI技术的发展？这些矛盾都很难说。
不过不少问题已经被重视，比如AI作画开始建立属于AI自己的素材库网站civitai。很难说，这些现实的矛盾能阻挡AI发展多久，也许，AI的生产力投入就不在明日也说不准。
参考资料：
AIGC教程：如何使用Midjourney节省70%时间，制作3D游戏角色
https://mp.weixin.qq.com/s/BIKv_GG_44on5bnsg1vcWQ
UNBELIEVABLE AI Video & VFX -- WonderStudio / VFX and 3D Made EASY!
https://www.youtube.com/watch?v=qw4ez2bIOQE
【VITS】语音合成介绍篇 （一）：什么是VITS
https://www.bilibili.com/read/cv20837189
Google's MusicLM: Text Generated Music & It's Absurdly Good
https://www.youtube.com/watch?v=2CUKU2iAzAs
【ChatGPT Plugins】史诗级更新，9 个插件实例自动完成任务！打开你
https://www.bilibili.com/opus/776650913330757639?from=search&spm_id_from=333.337.0.0
首个AI绘图AI配音的同人GAL实机demo《夏末弥梦》
https://www.bilibili.com/video/BV1uV4y1L7o1/?vd_source=4d33fe977344618c76ddda8e8695906d
关注找手游微信公众号，了解手游代理最新资讯
