游戏的第一分钟,我不想让它开口说话。
《守夜人》一开局是一段 59 秒、没有一句台词的电影化短片:黑屏,一声极远的钟,长长的残响;火盆里几粒余烬明灭;镜头缓缓推近,一个胸口燃着一簇火的骑士,睁开了眼。屏幕中央只浮起一行字——“只要还有一人守夜,黎明就不会真正熄灭”——然后字消,黑二秒,进入游戏。
为什么采用无对白开场
单人开发,最怕开场堆一大段对白和世界观黑话。我选了环境叙事:用画面、声音、和一行字,把”长夜、守夜、余烬未灭”讲清楚,比十句旁白都稳。玩家看懂多少是玩家的事,但第一分钟的基调——压抑、孤寂、一点将熄的暖——必须立住。
制作流程：概念、图生视频、剪辑与引擎接入
这段 CG 是我本人手作的(早于后来那套系统化的视频产线),全程五步:
- Grok 出概念/关键帧:先用 Grok 生成一批定调图——火印骑士、火盆、雾中的废墟大厅。这些既是”长什么样”的锚,也是下一步图生视频的关键帧。
- Grok 图生视频、分段出:把关键帧喂给图生视频,出 5 段、每段约 10 秒(黑屏余烬 / 苏醒 / 环境……)。
- 剪映拼接:五段接起来,加标题卡、字幕、封面,导出成片(带标题 / 无标题 / 投稿三个版本)。
- 转码
.ogv:编码成 Theora/Vorbis 的.ogv——Godot 视频播放器的原生格式。 - 引擎接入:全屏视频播放器,新游戏开局自动播,
J / ESC / Enter随时跳过,播完接手游戏。
主要技术问题：颗粒沸腾
做 AI 视频最容易翻车的地方:很多 AI 图带颗粒/肌理,一旦图生视频,那些颗粒会逐帧乱窜——业内叫”颗粒沸腾”(grain boiling),整段看着像在起静电,尤其静场镜头。
开场偏偏全是静场(余烬、雾、缓推)。我踩下来的经验:Grok 那种平滑、油画感的笔触,动化后几乎不沸腾——所以它特别适合做常驻大屏 / 片头这种慢镜头。肌理厚重的图好看,但只宜留给 MV 那种快切短镜。选图阶段就得为”它要动”做打算,不是好看就行。
高清 CG 与像素游戏的视觉衔接
还有个出戏点:一段高清电影感的 CG,后面接的是像素游戏,画风一硬切容易断。我的处理是用一次交叉淡化的转场把它接住,而不是硬切;至于”把 CG 像素化/降帧”贴合游戏——试过,暂时按下不做,觉得那样反而糟蹋了 CG 的质感。这条留待以后再定。
手作先行，再建立产线
值得一提的是:这段开场是手作的——Grok 网页里一版版试出来,提示词都没落盘。但正是这次手作,摸清了”哪种图能动、哪种会沸腾、静场该怎么运镜”,后来才把它沉淀成一套可复用的图生视频方法论(换了更可控的模型批量做)。
先用手把一件事做通,再谈自动化——不然你自动化的可能是一套错的流程。
结论
一段不说话的开场,靠的是画面选对了能动的图、声音压住了基调、一行字点破了主题。AI 把”出画面”这件体力活扛了,但**“要什么画面、什么能动、在哪停手”——判断还是人的**。
游戏的第一分钟,我把它交给一炉将熄未熄的火。