独立游戏开发 AI 工具组合

这个 pack 包含什么

五层。每层两个选择，除非某个工具已经把那一层独占了：

• 美术（概念 → 2D 精灵 → 3D 模型） — Aseprite 做像素图和帧动画；Blender MCP 让 Claude / Cursor agent 通过自然语言驱动 Blender 建模、贴图、绑骨。
• 音频（音乐 + 音效 + NPC 配音） — AudioCraft（Meta）做音乐循环和环境音效；Chatterbox 做过场旁白的开源 TTS；Cartesia Sonic TTS 做游戏内实时 NPC 配音，~75ms 首音时延才扛得住实时触发。
• 引擎桥接（Unity / Unreal / Godot） — Unity MCP 和 Unreal MCP 让 agent 直接驱动编辑器（拖场景、导资产、改脚本）；Godot 是给不想踩商用授权悬崖的独立开发者的开源引擎。
• 关卡 + 机制设计 — Game Designer Claude Code agent：内置一套系统提示，能围绕玩家循环、平衡性、难度曲线、经济系统真做推理，而不是生成废话。
• 本地化 — LibreTranslate 自托管做首过机器翻译，30+ 语言一把过，再人工润色；和你引擎的 i18n CSV 配套。

如果你只是做一个 10 分钟的 jam game，本 pack 你用不上 — itch.io 和你现成的工具链就够。本 pack 针对的是真要在一年内做完并发布一款商业独立游戏的场景：下面每一层都是某条「独立开发者怎么自己搞 X」的 Reddit 长帖。

推荐安装顺序

1. Aseprite — 像素图 + 帧动画。便宜，2D 独立的工作流核心。从这里开始，哪怕你的最终游戏是 3D — 图标、UI、概念板你都会用它。
2. Blender MCP — 给 agent 的 3D 建模桥。让 Claude Code / Cursor 用自然语言驱动 Blender。不是 3D 美术出身的单人开发者拿到能用的低多边形资产、不用先背 Blender 快捷键的最快路径。
3. AudioCraft — 音乐 + 环境音效生成。Meta 的开源模型族（MusicGen + AudioGen）。12GB+ 显卡本地跑；音乐能做成循环，可以拿自己的参考曲微调出风格一致的素材。
4. Chatterbox — 过场旁白用的开源 TTS。一次性预渲染的过场配音、开篇 / 收尾旁白、图鉴条目 — 任何在打包时就能烤进音频文件的地方。
5. Cartesia Sonic TTS — 游戏内低时延 NPC 配音。~75ms 首音时延，才扛得住玩家行为实时触发的动态 NPC 对白。不是最便宜，但快得过的只有它。
6. Unity MCP 或 Unreal MCP — 按你的引擎二选一。让 AI agent 开场景、导网格、挂脚本、跑构建，不用你点编辑器。重复的场景搭建一下午一下午地省。
7. Godot — 引擎本体，如果你还没绑死 Unity / Unreal。开源、零分成、轻量级，2026 年新项目无历史包袱的独立默认选择。
8. Game Designer agent — Claude Code agent，专攻机制、平衡、玩家成长。在设计文档阶段用，每个里程碑「这玩意儿到底好不好玩，还是只是忙」时也用。
9. LibreTranslate — 自托管机器翻译，过你的 UI / 对话字符串。笔记本本地跑，无 API 账单、无隐私泄露。首过 MT 而已；上线时每种语言再花几百美元做人工润色。

它们怎么协同

概念文档 + Game Designer agent
         │
         ├──> 美术管线
         │      Aseprite (2D / UI) ──┐
         │      Blender MCP (3D)  ──┼──> 引擎资产
         │                          │
         ├──> 音频管线
         │      AudioCraft (音乐/音效) ──┐
         │      Chatterbox (过场旁白)    │
         │      Cartesia (实时 NPC)      ├──> 引擎资产
         │                               │
         └──> 引擎 (Unity / Unreal / Godot 通过 MCP)
                  │
                  ├──> 构建 & 测试循环
                  └──> i18n CSV ──> LibreTranslate ──> 上线语言

关键洞察：音频改起来便宜，美术不便宜。先锁死美术风格（Aseprite 色板、Blender 材质库），再让音频按这个美术去生成。别在你还不知道游戏长什么样之前就生成 200 段音乐循环。

你会遇到的取舍

• 商用授权检查没得商量 — AudioCraft（Meta）某些地方写的是研究授权；Cartesia 是商业付费；Chatterbox 较宽松（发版前再查一遍 LICENSE）。第一天就在 repo 里放一个 LICENSES.md，每加一个工具更新一次。
• 生成资产之间的风格一致性 — 一个 prompt 生的精灵图和另一个 prompt 生的 3D 模型对不上，两者又都对不上生成的音乐。生成之前就锁死参考色板 + mood board，并在工具支持的地方作为 conditioning 传进去。
• 引擎集成才是真正的成本 — 把 AI 生成的 3D 模型导进 Unity / Unreal 并保持正确的缩放、轴心、材质槽 — 这就占了一半工作量。按资产类型写导入脚本，不是按单个资产。
• GPU 需求叠加上去很恐怖 — AudioCraft（12GB+）、Cartesia（云）、Aseprite（无）、Blender（什么都能跑）、Chatterbox（8GB+）。一张 4090 本地全包；12GB 以下建议把音频生成推到 Replicate。
• 「全 AI 独立游戏」还是个 meme — 至今所有上线规模化的「纯 AI」独立游戏，背后都有人在编辑每一个资产。AI 现实上是有审美的单人开发者的 5-10 倍放大器 — 不是替代品。

常见踩坑

• 资产风格漂移 — 不同 prompt → 不同美术方向 → 游戏感觉违和。修法：写一页纸的风格指南（色板 hex、线条粗细、光照氛围、音乐调式 / BPM），每次生成 prompt 都拼上去。
• 没看 LICENSE 就发版 — 「开源」模型往往禁止商用或要求署名。看模型 GitHub repo 里的 LICENSE 文件，不要看 README。Steam 一旦发现你授权不干净会给你打 refund flag。
• NPC 对话一眼 LLM — 「我感受到你的存在，旅人」这种话就是露馅。修法：每个 NPC 写 5-10 条人格锚（专用词汇 / 绝对不说的话 / 口头禅），每次对话 prompt 都注入。离线烤好，除非必要别在游戏运行时跑大模型。
• 本地化字符串撑爆 UI 框 — 德语比英语长约 30%，俄语类似；日语 / 中文短约 30% 但断行规则不同。UI 从第一天就要做成文本容器自适应，不是上线前一周再修 bug。
• 音乐循环接不上 — AudioCraft 输出的是裸音频，loop point 你得在 Audacity 里手动剪。按「30 秒前奏 + 循环主体 + 4 小节尾」的结构规划每首；想让一段 30 秒的整 blob 直接循环 — jam game 里 80% 的音频难听都是这么来的。