15 min read

300块,一个人,我从0做出AI格斗游戏:谁是最强的AI大模型

Source: https://x.com/i/article/2114925123627307008

这是一款从 0 开始搭建的格斗游戏。没有游戏引擎,没有美术,没有外包,从头到尾就我一个人,总成本 300 块。

开发交给 Claude,素材交给 Renoise MCP。写代码、出角色、做动作、配特效、录语音、作音乐,都在同一个对话窗口里完成。

现在游戏已经上线,浏览器打开就能联机对战:

ChatGPT 甩出一张「重置卡」,打中就显示「额度已重置」; Claude 一招「违反使用政策」把你封禁 1 秒,超必杀直接全屏弹出「你的账号已被封禁」; DeepSeek 喊着「梁圣降临」变身肌肉猛男,还能召唤鲸鱼女仆拿托盘拍你; Grok 发射火箭,开着 Roadster 2 空中翻转砸人,被 KO 时弹出「快速计划外解体 · 收集到了宝贵数据 ✓」。

GIF

🎮 游戏体验:

aimodelpk.site

🔌 Renoise MCP:

renoise.ai/battlePK

💻 GitHub:

chessunyan/strongest-ai-model-showdown

图像

54 段动作视频、49 张图、53 句角色语音、18 个音效、4 首 BGM 全是 AI 生成的;切图、写游戏、联机、部署、剪宣传片,也全是 AI 写代码完成的。

这篇把整条流水线拆开讲:每一步用什么模型、提示词怎么写、钱花在哪、踩了哪些坑。

图像
这套工作流我已经做成 Skill,上架到了 Renoise。打开

renoise.ai

,在首页「热门技能」里找到「格斗游戏角色素材包」,丢一张角色图、说一句想法,就能把你的角色做成一整套格斗游戏素材:站姿原型、全套动作、必杀技、胜利动画。
图像

整体流程

简单说:画面和动作交给 AI 生成,拼装和运行交给代码,我只负责拍板。

用到的工具就四样:

  • Claude(Claude Code):相当于导演加程序员。写设定稿、写提示词、调生成接口、写切图脚本、写游戏、写联机、录宣传片。
  • Renoise:在 Claude Code 里通过 MCP 接上,一个账号就能调用 GPT Image 2.5(图)、Seedance 2.0 / 2.5 和 MiniMax H3(视频)、Seed Audio(语音)、ElevenLabs(音效)、Lyria(音乐)。
  • Python + ffmpeg + numpy:在本地切图、抠像、拼图集、处理音频。
  • EdgeSpark:全栈托管,前端、后端、数据库一条 edgespark deploy 上线。
图像

整个流程分 9 步。黑色是规划,橙色是 AI 生成(花积分),蓝色是代码(不花钱):

图像

说一下「从 0 开始」和 1.0 / 2.0。游戏是从第一行代码写起来的,没用游戏引擎,没套模板,也没买素材包。1.0 是第一版「PK 拳王」,花了两天把格斗引擎、切图管线、联机框架打通;2.0 在 1.0 的代码上复制出一个独立项目,换成全新的四人阵容和新系统,只用了一个白天:

图像

Step 1|先写设定卡(0 积分)

我建议别一上来就生成图,先写设定卡。它是整个项目里最便宜的一步,却决定了后面要生成多少段视频、每段塞什么动作、哪些东西用代码画就够了。

我给 Claude 的输入很简单:4 张参考照片,加一句「角色名就叫 ChatGPT、Claude、DeepSeek、Grok,梗从各家产品里找」。它写出来的设定卡包括定位和数值、3 个必杀加 1 个超必杀、专属系统、阵亡梗、胜利影片剧情和台词:

图像

设计时我定了三条原则。

① 按键四人统一,越简单越好。

第一版设计里有 ↓↘→↓↘→ 这种两圈指令,每人还有第二个超必杀,被我直接否了,太复杂,手机上也按不出来。最后定成:

图像

换角色不用重新记。而且每少一个招式,就少生成一段视频。

② 梗要能变成动作。 「稳稳接住你」是一个架势,张开双臂,接住就抱起来甩出去;「Agent 代操作」是手指当鼠标连点四下;「你说得完全对!」是点头加格挡反弹。只能用文字表达的梗,就做成字卡,别做成招式。

③ 先分清哪些生成、哪些用代码画。

Ultra 卡片、梁圣金字、封禁倒计时、阵亡对话框、各种字卡,全部用代码画。不花积分,文字也不会写错。

Step 2|外观锁 + 洋红底原型图(91 积分)

外观锁

对每张参考图,先只按画面写两段英文:

  • APPEARANCE:发型发色、脸型、眼镜、体型、上装、下装、鞋、配饰。用于原型图和头像。
  • KEEP:一句「his ... stay the same」,列出动作里最容易走样的 4 到 6 项,之后逐字复制进每一段动作视频。

比如 Claude 的 KEEP:

his curly dark hair, round blue-framed glasses, navy button cardigan over the white V-neck T-shirt, beige chinos and brown shoes stay the same
``` **原型图提示词:8 段式**

原型图用 GPT Image 2.5,16:9、1k,一张 13 积分。提示词分 8 段,每段只管一件事:

![图像](https://pbs.twimg.com/media/HVm65fgb0AAf4QH?format=jpg&name=large)

完整模板,把 {{}} 换掉就能用:

```text
USE: first frame for a 2D fighting game animation; the character will be animated by a video model and cut out from the background.
REFERENCE: {{REF}} is the man this fighter is based on: keep his face, eyes, {{HAIR}}, build and {{SIGNATURE_OUTFIT}}.
CHARACTER: {{NAME}}, {{PERSONA}}, redrawn as an anime fighter. Outfit: {{OUTFIT}}. No brand names or logos.
POSE: strict side view facing RIGHT in {{STANCE}}.
BACKGROUND: completely flat uniform pure magenta chroma-key background (#FF00FF). No floor, no shadow, no gradient, no props, no text.
COMPOSITION: character centered horizontally, feet on an imaginary line at 90% of frame height, character height about 75% of frame height.
STYLE: high-definition 2D anime fighting game art in the style of modern KOF XV / Guilty Gear character art: clean bold lineart, cel shading with 2-3 tones plus soft highlights, vivid saturated colors, crisp edges, no motion blur.
AVOID: any magenta or pink on the character, photorealism, extra characters, brand logos, text, watermark.
  • 为什么用洋红底? 洋红(#FF00FF)是人身上最不可能出现的颜色,抠像最干净。如果角色本身是粉色系,就整套换成纯绿#00FF00。
  • POSE 里要埋梗。 ChatGPT 双手虚托,像准备接住你;Claude 竖起食指,像要礼貌地纠正你。站姿就是性格。

一批 7 张:4 个主角、DeepSeek 的梁圣形态、鲸鱼女仆和 Roadster 2。变身形态要等主角原型出来再做,用

@task:<主角原型> 管脸和画风,第二张参考图只管体型。

图像

原型图定稿后,一定先给人看一眼。下一步是最贵的一批,原型图错一张,后面整个角色都得重来。

Step 3|动作参考视频(3,610 积分,占总花费 69%)

这一步是核心:用原型图当首帧,让视频模型把每个动作「演」出来,再把视频切成精灵图。

模型用 Seedance 2.0,480p 就够切图,原生音频关掉。

一段视频塞多个动作,用时间码写

一段 8 秒的视频,可以切出 3 个游戏动作。关键是用带秒数的时间码写,动作之间留 0.5 秒站姿缓冲,切的时候一刀一个:

图像

每段提示词结尾都挂同一段固定尾段,一个字都不改:

Locked-off static camera, strict orthographic 2D side view, 
no camera movement, no zoom, no cuts, no slow motion. The fighter stays near the centre of the frame, always facing RIGHT, full body always inside the frame; {{KEEP}}. The background stays a flat pure magenta chroma-key (#FF00FF) the whole time: no floor, no shadow, no props, no particles, no visual effects, no hit sparks, 
no motion lines, no text. Same high-definition anime cel-shaded art style, outfit and proportions as the first frame, clean bold lineart, crisp motion, snappy arcade fighting game ti
ming with clear wind-up, strike and recovery poses.

4 个主角加上梁圣形态、鲸鱼女仆和 Roadster,一次报价、一次提交,51 段 41 分钟全部回来。后来又重做了 3 段,一共 54 段。

下面是 ChatGPT 全部动作视频的联系表,一个格斗角色要演的动作都在这里:

图像

首尾帧的一个坑

我一开始想把首帧和尾帧都设成同一张原型图,让每段动作都回到起始站姿。结果 Seedance 和 MiniMax H3 都直接返回 400,不允许首尾帧是同一张图。解决办法是上传一份字节不同的副本当尾帧,或者只给首帧,在最后一条时间码里写明 ending in the exact starting stance and position。

Step 4|切图:洋红抠像 → 精灵图集(0 积分)

视频回来之后,全部在本地用 Python 处理。核心是一个 key() 函数,按「有多洋红」算透明度,再去噪点、去粉边:

图像

然后是挑帧。脚本先给每段视频出一张联系表(每 3 帧一格,标上帧号),从联系表上挑出每个动作用哪几帧,再按站姿高度统一缩放,打成 2048×2048 的图集和一份 JSON。

Seedance 有个改不掉的习惯:命中瞬间常常自带白色光效,提示词写了 no hit sparks 也拦不住。不用重做,挑帧时跳过那几帧就行。

一份素材约定表,把视频和代码对上

切图脚本和游戏程序之间,靠一份约定表对齐:每个动作名对应哪段视频的哪几秒,每个角色的站姿高度,特效图集每一行叫什么。改名要两边一起改。

图像

Step 5|配套素材:两条美术线(1,534 积分)

一个角色同时走两条美术线:

图像

头像改了 6 版 头像第一版用的是和精灵图同一套 2D 赛璐璐,放进选人界面就显得不够精致,后来一路改到 3D CG。中间还踩了个坑:只靠文字描述做 3D 化,ChatGPT 和 Grok 变成了「通用帅哥」,不像本人了。后来把参考照放回去,提示词里写明它只管脸,再补一段更细的五官描述,才解决。

图像

其余 6 样

图像
  • 胜利结算影片 ×4:先出一张 16:9 首帧给人看,通过后再拿它当首帧做 10 秒有声视频。注意,真人照片不要直接当演出视频的首帧,会被内容审核拦下。
  • 飞行道具特效:黑底、4 行 × 6 列、一行一个特效,两张图切出 8 种特效,每种 6 帧。
  • 角色语音:Seed Audio,一个角色一条任务读完全部台词,再用 faster-whisper 逐字对时间切开。比一句一个任务便宜,声音也更统一。
  • 招式音效:ElevenLabs,18 个一共 8 积分。
  • 对战场景 ×3 用 GPT Image 2.5,BGM ×4 用 Lyria 3 Pro。

Step 6|写进游戏(0 积分)

游戏用 React + Canvas 写,逻辑跑在一个固定 60 帧的确定性模拟器里,所有角色数据都在一个 chars.ts 文件里。

一帧实机画面里,哪些是 AI 生成的,哪些是代码画的:

图像

真正花钱的只有角色、特效、场景和声音。血条、计时器、能量槽、招式字卡和全部规则,都是代码。

自动测试也很重要。不开浏览器,直接跑游戏逻辑:脚本输入 ↓↘→ + 拳,断言「对手能量被扣了 300」;对 Claude 放飞行道具,断言「被原样打回去」。AI 改代码时如果把别的招式改坏了,马上就能发现。

Step 7|联机 + 部署(0 积分)

联机框架是 1.0 打通的,2.0 直接复用。思路是服务器只负责牵线,对战走点对点:

图像
  • 服务器只建房间(房间码 / 快速匹配)和转发信令,游客不用登录就能玩。
  • 对战走 WebRTC,每帧只传按键,再配上 GGPO 式的回滚网码,手感接近本地对战。

部署就三行:

edgespark db generate edgespark db migrate edgespark deploy

Step 8|宣传片:让游戏自己演(0 积分)

宣传片一帧都没有生成,全是实机画面。

图像

导演脚本每个镜头新开一局,按帧输入两边手柄,等招式真的打中了才往下走。无头 Chrome 逐帧截图,编成 1080p 60fps,同时记下每一帧的音效和语音,最后按游戏里的音量混回去。最后产出一支 47 秒的宣传片和四支角色技能演示片。

钱花在哪

图像

2.0 记录在案的生成任务约 150 个,净花费约 5,300 积分(失败的任务自动退款,已扣除),也就是开头说的 300 块左右。其中 69% 花在动作参考视频上,平均一个角色的全部动作大约 800 积分。宣传片、切图、联机都不花钱。

想省钱,先砍动作视频的段数。这也是 Step 1 要把招式设计得简单的原因。

8 个坑,每个都值几百积分

图像

Step 9|把整条流程打包成 Skill

做完 2.0,我让 Claude 把这一整天的做法整理成了一个 Skill,现在已经上架 Renoise,名字叫「格斗游戏角色素材包」。

图像

里面有 7 步工作流、设定卡模板、从 2.0 实际用过的提示词里整理出的模板和验收表,还有每批提交前要过的 6 条文本检查。哪一条没过,就先改提示词,不花钱。

第一次做花了两天,第二次一天。以后换个角色,跟 Skill 说一句话就行。

最后 做完回头看,有三点体会最深:

先想清楚再花钱。 设定卡、外观锁、提示词检查都不花钱,但它们决定了后面的积分花得值不值。

画面交给 AI,文字和规则交给代码。

能用代码画的就别生成,便宜、好控制,也不会写错字。

做完一次就整理一次。 约定表、模板、Skill 都留下来,下一次就不用从零开始。

游戏已经上线,浏览器打开就能玩,支持单人闯关、本地双人和联机对战,中英双语:

👉

立即试玩:aimodelpk.site

想把你自己的角色也做成格斗角色,不用从头搭,直接用 Renoise 上的这个 Skill:

打开

renoise.ai

,在首页「热门技能」里点「格斗游戏角色素材包」。给一张角色图(或一段描述)和一句想法,设定卡、原型图、动作视频、头像、胜利动画、语音音效,它会按这篇文章里的流程一步步帮你做完。
图像

🎃 P.S. Renoise 万圣节无限狂欢正在进行:Seedance 2.5、Wan 3.0、Kling 4.0 七天不限量,最高 30% 折扣。想照着这篇做一个自己的格斗角色,现在正好 👉

renoise.ai