本頁面由英文機器翻譯而成。閱讀英文原文。
An example game engine package: detects toy-engine.json projects, creates them, runs a tiny local game server shown in the game panel, and gives the agent two live tools.
gamedev pkg add samples.toy-engine
直接在對話中於真正的 Blender 建立與編輯 3D 模型:尋找或安裝 Blender、安裝 MCP for Blender 外掛,並依專案將其連線到代理。製作道具、區塊草模與低多邊形素材,匯出到你的 Unity、Godot 或 Unreal 專案並預覽。
gamedev pkg add aigd.blender
雲端執行的 Google Veo 3.1 影片:Lite 用來打草稿,Fast 與 Standard 製作最高 4k 的最終鏡頭,全都帶音效並支援起始與結束影格;Standard 還可接受最多 3 張參考圖片。可產出 4 至 8 秒的遊戲預告片與過場動畫片段。會消耗你的額度。
gamedev pkg add aigd.cloud-veo
專案的 Knowledge Base:放在 .ai-game-dev/knowledge/ 的 Markdown 筆記,隨專案一起提交,會建立成圖形索引並供 agent 搜尋。Agent 會記錄設計決策與慣例、把筆記整理成空間、在搬移時修正連結並找出失效連結;桌面應用程式則以 3D 圖形呈現這些筆記。
gamedev pkg add aigd.knowledge
Qwen-Image-Edit-2511 搭配 4 步 Lightning LoRA,在本機執行:依指令編輯圖片約需 20 秒。你可以變更文字、顏色、材質與物件,或組合最多 4 張圖片。Apache-2.0,允許商業使用。需要 16 GB 以上顯示記憶體的 NVIDIA GPU 以及 32 GB 的 RAM。
Qwen3-TTS 0.6B Base:文字轉語音,能複製短參考音檔(3 秒以上)的嗓音,支援 10 種語言、24 kHz,適合角色對白與旁白。較小型的聲音複製模型,適用於約 4 GB 的 GPU(估算)。透過 audio.cpp 在本機執行。Apache-2.0,允許商業使用。
Qwen3-TTS 1.7B Base:文字轉語音,可用 3 秒以上的簡短參考音檔複製音色,支援 10 種語言、24 kHz,適合角色對白與旁白。這是較大的音色複製模型,適合約 6 GB 的 GPU(估計值)。透過 audio.cpp 在本機執行。Apache-2.0,允許商業使用。
Qwen3-TTS 1.7B CustomVoice:文字轉語音,內建九種聲音,並支援情緒與語氣指示(「興奮、語速快」、「耳語、悲傷」),涵蓋 10 種語言,24 kHz,適合 NPC 對白與旁白。透過 audio.cpp 在你的 GPU 上本機執行。Apache-2.0,允許商業使用。
Qwen3-TTS 1.7B VoiceDesign:以文字描述設計全新聲音的文字轉語音模型(「一位粗啞的老水手,低沉而緩慢」),同一段描述也會決定情緒與語氣,支援 10 種語言、24 kHz,適合角色配音。透過 audio.cpp 在你的 GPU 上本機執行。Apache-2.0,允許商業使用。
RealVisXL V5.0,在本機執行:可產生擬真相片級的人物、肖像、場景與產品圖像(SDXL 微調模型),適合做為參考與行銷美術。文字與風格化藝術表現較弱。支援文字生圖與圖生圖。產生的圖像可商業使用(CreativeML Open RAIL++-M)。需要 8 GB 以上的 NVIDIA GPU。
Stable Diffusion XL base 1.0,在本機執行:可製作多種風格的通用插畫、概念藝術與照片;不擅長文字。支援文字生圖與圖生圖。生成的影像可作商業用途(CreativeML Open RAIL++-M)。需要 8 GB 以上的 NVIDIA GPU。
雲端執行的 ByteDance Seedance 2.0 影片(2.5 即將推出):可依文字、起始圖片、起始與結束影格,或最多 9 張參考圖片,產出帶有聲音的片段,適合製作角色一致的遊戲過場動畫與預告片。5 或 10 秒,720p 或 1080p。會使用你的額度。
本機自動綁定:VAST-AI 的 SkinTokens 能為角色或生物網格(GLB、OBJ 或 FBX)加上骨架與蒙皮權重,並輸出保留原始材質與 UV 的已綁定 GLB。可在 Asset Studio 中於你的 NVIDIA GPU 上執行,需 14 GB VRAM。MIT,允許商業使用。
Stable Audio 3 Medium:依文字提示詞生成器樂,每段最長 6 分 20 秒,44.1 kHz 立體聲,不含人聲;這是較大型的 Stable Audio 3 音樂模型,適合完整長度的配樂作品。透過 sa3.cpp 在 GPU 上本機執行(CUDA 需 12 GB,Vulkan 在製作最長片段時需 13 GB)。Stability AI Community License:年營收未滿 100 萬美元且完成註冊後,方可商業使用。
Stable Audio 3 Small Music:依文字提示生成器樂與循環,最長 2 分鐘,44.1 kHz 立體聲,不含人聲,適合遊戲背景音樂、提示音與短曲。透過 sa3.cpp 在 4 GB 顯示卡上本機執行,或在 CPU 上緩慢執行。Stability AI Community License:年營收低於 100 萬美元才能商業使用,且需先完成註冊。
Stable Audio 3 Small SFX:用文字提示詞生成遊戲音效與擬音(撞擊、腳步、UI 音效、環境音),長度 1 至 60 秒,44.1 kHz 立體聲。透過 sa3.cpp 在 4 GB 的 GPU 上本機執行,沒有 GPU 也能執行但速度較慢。Stability AI Community License:僅在完成註冊且年營收低於 100 萬美元時可商業使用。
本機影像轉 3D:StepFun 的 Step1X-3D Geometry 1.3B 能把一張影像變成未貼圖的 3D 網格(GLB),適合遊戲道具與角色,在你的 NVIDIA GPU 上以 16 GB VRAM 執行。在 Local Python models runtime 中離線運作。Apache-2.0,允許商業使用。
在電腦上用 SuperCollider 3.14.1 創作、渲染、分析並匯出可攜式遊戲音樂:專案裡的樂譜即程式碼、離線 WAV 渲染、同步分軌與循環樂段、取樣匯入、預覽,以及匯出到 Unity、Godot 或 Unreal。
Supertone 的 Supertonic 3,支援 31 種語言的高速本機文字轉語音,內建十種預設語音,並可在文字中加入 <laugh>、<breath> 與 <sigh> 標籤,適合用於在地化對白與旁白。在應用程式內建的 ONNX 執行環境中以 CPU 執行。不支援語音複製。Open RAIL-M:可於其使用限制範圍內商業使用。
本機影像轉 3D:Microsoft 的 TRELLIS.2 4B 能把單張影像變成貼圖完整的 3D 模型(含 UV 貼圖集與 PBR 材質的 GLB),可用於遊戲素材,解析度為 512、1024 或 1536。透過 trellis.cpp 在具備 16 GB 顯示記憶體的 NVIDIA 或 Vulkan GPU 上執行。授權為 MIT,影像編碼器另採 Meta 的 DINOv3 授權。
透過 AI Game Dev 訂閱額度使用雲端 3D:從文字、單張圖片或多個視角生成 3D 模型、貼圖、重新拓撲、零件拆分、網格補全、格式轉換、骨架綁定、動畫,以及圖片生成與編輯。代理會為每項工作挑選操作與模型變體。
本機圖片轉 3D:VAST-AI 的 TripoSG 1.5B 能把單張圖片變成細節豐富的無貼圖 3D 網格(GLB),表面銳利乾淨,在你的 NVIDIA GPU 上以 8 GB 顯示記憶體執行。在 Local Python models runtime 中離線執行。權重為 MIT;其推論程式碼含 Tencent 授權部分,不得在歐盟、英國或南韓使用。
OpenBMB 的 VoxCPM2:以 48 kHz 提供 30 種語言與 9 種中文方言的文字轉語音,可從簡短片段複製音色、依描述設計音色,並用情緒與語速指令控制,適合角色對白與旁白。透過 audio.cpp 在你的 GPU 上本機執行。Apache-2.0,允許商業使用。
在雲端使用開放的 Wan 影片模型:2.2 適合快速無聲草稿,3.0 Prime 畫質更高並含聲音,可從文字、起始圖片或起始與結束影格生成,最高 1080p。在 AI Game Dev 伺服器上以你的額度執行;同一系列也能在本機執行(Wan 2.2 TI2V 5B)。
Wan 2.2 TI2V 5B,在本機執行:開源(Apache-2.0)影片模型,可依文字或起始圖片產生無聲的寫實與風格化短片。最高 5 秒、1280x704、24 fps。比 LTX-2.5 慢,但更輕量:NVIDIA GPU 需 12 GB 以上,記憶體 16 GB。
Z-Image Turbo,在本機執行:8 步就能快速產出照片級與插畫風圖像、圖示與材質,短文字清晰可讀。需求最低的 PC 模型:NVIDIA GPU 4 GB 以上,其他 GPU 8 GB 以上,內建 GPU 也能慢慢跑。Apache-2.0,允許商業使用。
Zyphra 的 ZONOS3-Mini,是一款表情豐富的本機文字轉語音模型:支援英文、法文、德文、西班牙文、義大利文、葡萄牙文、中文與韓文,內建 13 種預設語音,也可從一段音檔複製聲音。透過 audio.cpp,可在筆電 CPU(約即時)或 GPU 上執行。Apache-2.0,允許商業使用。
以 Markdown 檢視這份清單
引擎
文件
參考