《关于我尝试使用 ai 绘画为翠鸟设计 Galgame 这档事》

[反对司令]

地址
内容设置了阅读权限，浏览时请确保您登陆了樹账户。
之所以没发在社区，是因为社区无法设置浏览权限，不想尝试接受中文互联网的“偷源精神”洗礼。

1、关于希望达到的目的
行动先于思考的心血来潮的产物，无意义行为，主要是因为好玩，顺带寻找前 ai 时代的天花板在哪，后知后觉发现可以用在翠鸟加入方式的创新上。可仅作为加入前引导，不影响后续手册说明。

2、如何实现
打算设计成galgame的形式在网页端部署。选项类同问卷，玩家的每一次选择均会被系统收集和筛选，错误的选择所反映的错误价值观将视为攻略失败无法进入后续线路，也就相当于未通过翠鸟测验。
玩家理应只有1-2次机会，所以账号的注册应 qq 等账号相关联，以免玩家反复注册攻略。

3、如何把控故事内容的纯净
悖论：过多的描述和设定会使流程冗长且不纯净，但过少的文本又缺乏代入感和不符合 galgame 一贯的长文本叙事，因此很难定夺。
如果按照 44 分 27 秒（问卷平均答题时长）左右的设计（听语音按照 1 小时 1.5 - 2w 的文本里量计算），文本量应在 1.1 w 左右，和目前的文本量差不多（含支线）。
当然不听语音的话阅读速度翻倍，同理文本量翻倍。
设定也是，越详细越趋向于笔者的私设，而非翠鸟计划公设。
内容已经过取舍和精简，这也是为什么本篇选择了烂俗而非文艺的表达方式（也有一部分原因在于笔者没有其他图片素材做背景），并且未为指路鸟指定姓名（诸多不便）。
因此想听听社区各位的看法。
PS：现在回看，让社区高于服务器群组的举动确实很有先见之明，有助于社区长久发展和内容创作。反之的后果：世界观设定。

4、制作的技术路径
人工——文本、背景、配乐、程序，ai——立绘、cg、配音。
程序打算使用 renpy。

5、在网页端部署的可行性
renpy 可以直接构建网页发行版，但存在致命缺陷。
但其余的部署笔者并不清楚，交由鸭鸭考虑。这也是为什么没有一步到位。若按照5首bgm（MP3格式）+20张背景&cg（2k jpg）+18张人物立绘（含差分）计算素材大小，大概在 50 mb 左右，社区是否能/应该支持相关的带宽费用。

6、后续的想法
例如通过业力解锁后续剧情/发布工作流及素材自由续写。

7、其他
只是分享现状：连老牌 acg 歌曲资源站天使动漫论坛都开始搞曲包售卖了，传统社区个中艰难可见一斑（人心险恶，也不排除是恰烂钱）。
还写了很多和翠鸟相关的有的没的，想想还是删了。
希望目的保持纯粹，若对社区无用，当作二创即可。

 

[rainsist]

spotify，浏览器安装为应用，chrome搜索针对的广告屏蔽器。

 

[反对司令]

能用，但免费版音质太渣。

 

[反对司令]

试制一段时间后，遇到了很多难点，在此记录具体的技术路径。

---

总顺序：美术→剧本→配音→配乐，既然开启一体机模式，程序这一环就可以独立出来，时不时穿插验证一下素材质量。
美术优先的原因在于 ai 绘画的不可控性，先设定人设再生成人物会花费巨量时间（你甚至无法判断生成人物展现的性格是否与剧本相符），因此不得不让渡剧本的优先级。
配音和配乐的优先级可能会调整，目前还没进展到那一步，顺序将围绕便利性与融合性定位。

---

一、美术资源的准备

• 顺序：立绘→cg→背景→gui、光标、画廊、CTC素材等杂七杂八的东西

动画是“动”的艺术，所有元素围绕动而设计，只要张力在就能过得去；
而 gal 是“静”的艺术，玩家多数时间看到的是固定的画面，因此对美术资源的精细程度要求比前者要高。
立绘和 cg 的顺序主要取决于 ai 绘画中人物的一致性，人物的一致性只有两个来源：lora 和 图像编辑模型。
如果先生成 cg，拿 cg 训练人物 lora，考虑到人物在 cg 中的占比太小（像素太低），将导致精细度不够的问题。

（一）立绘

• 顺序：生成角色（文生图）→放大图片（潜空间放大）→修复图像（局部重绘/Photoshop）→表情差分（局部重绘/Photoshop）→动作差分（图像编辑模型）→换装（图像编辑模型）

1、固定人物总体特征并潜空间放大2倍。

工具：comfyui（建议使用 comfyui 而不是 Stable Diffusion，前者自定义程度更高）
工作流：图生图
模型：wai-illustrious-sdxl
尺寸：768 x 1536（竖图）（1536 是底模训练集的尺寸，建议不要超过，否则出鬼图）
正面提示词：人物提示词（1girl, solo）+ 动作提示词（ looking_at_viewer,standing）+ 构图提示词（full_body）+ 背景提示词（simple_background），人物提示词可以不填也可以根据想绘出的人物特性来设计，不知道的 tag 就去标签超市上找。
负面提示词：censored, 3d, realistic, subtitles, worst quality, low quality, bad anatomy, watermark,nsfw,halo,bird（去 3d、写实风格，并去掉跑图后容易出现的无关元素）
K 采样器参数：根据底模作者发布页的建议填。

工具：comfyui
工作流：潜空间放大
模型：wai-illustrious-sdxl
缩放Latent（比例）：2.00
正面提示词：人物提示词（1girl, solo）+ 人物提示词（你想强化或修改的特征，比如wings，注意不可追加太多 tag，否则影响生图质量）+ 背景提示词（simple_background）
负面提示词：censored,3d,realistic,subtitles,worst quality,low quality,bad anatomy, watermark,nsfw
降噪：0.7
最终尺寸：1536 x 3072（竖图）

2、修复有问题的部位（手、翅膀等）。

工具：comfyui
工作流：局部重绘
遮罩：图片问题区域。
正面提示词：无或对应部位提示词。
负面提示词：censored,3d,realistic,subtitles,worst quality,low quality,bad anatomy, watermark,nsfw
controlnet：canny 或 depth 模型均可，强度不宜太高，根据需要开启 。

后续节点自动实现：裁剪遮罩区域图像，放大并单独修复，将修复好的区域拼回原图像。​

工具：Photoshop
手动修复 ai 无法修复的内容（突兀色块、缺失线条、错乱特征等）、去掉分辨率过低的人物特征（此步骤是为了 lora 训练集做准备，ai 无法识别/生成分辨率过低的人物特征，如：呆毛）。​

3、锐化图片（可选）。

放大模型：RealESRGAN_4x 或其他。

4、立绘差分。

需求：
姿势 a + 1 个动作差分 + 80 个表情差分（进线前 35 个 + 进线后 35 个 +10 个特殊表情，进线前后区别在于是否有脸红等表达好感的特征）
姿势 b + 40个表情差分（主要用于姿态 a 的过渡，表情差分可参考姿态 a 的表情差分）
服装若干套。

gal 人物立绘只需要以上差分数量就能达成比较好的演出效果。

• 前置步骤——无五官人物主体：

工具： Photoshop/comfyui - Qwen-Edit-2511

需要去掉的内容有：图片背景、眉、眼、口、脸红。
需要保留的内容有：鼻。

如果你希望将素材中的人物表情与人物主体分开，再在程序中合并（renpy：层叠式图像）以减少磁盘空间消耗，就需要这一步骤。
注：抠除背景时最好新建一个纯黑图层打底，ai 绘画的扩散模型会在人物线稿外缘生成 1 -2 个像素的白色线条，如果抠不干净，在深色背景时会出现明显边缘。

• 表情差分：

工具：comfyui
遮罩：人物面部。
正面提示词：对应的表情提示词。
负面提示词：censored,3d,realistic,subtitles,worst quality,low quality,bad anatomy, watermark,nsfw
降噪：0.7 - 0.9
controlnet：canny 或 depth 模型均可，强度不宜太高，根据需要开启 。

生成后尤其需要注意瞳孔样式和高光是否发生变化，如发生变化，需要手动修改。

工具：Photoshop
需要抠出的部分：眉、瞳孔、眼眶、口
调整以符合透视关系：五官位置
其他：将最初的瞳孔、眼眶作为后续表情差分的形状指定和色指定，必要时可直接使用该瞳孔替换其他表情的瞳孔。

重复以上步骤，最后批量导出表情。

• 动作差分：

工具：comfyui
模型：Nano Banana2/Qwen-Edit-2511（实测前者效果更好）
提示词：严格保持图 1 人物一致性，将图 1 人物转为正面视角，正面面向镜头，修改光影使得左右对称，并给角色换一个自然的站立动作。（如果有想要设定的动作，就直接设定）

Nano Banana2 只支持原生 2k 尺寸，并且生成后有明显噪点，所以我们需要再过一遍底模：

工具：comfyui
工作流：图生图
模型：wai-illustrious-sdxl
降噪：0.4
正面提示词：人物提示词（1girl, solo）+ 人物提示词（你想强化或修改的特征，比如wings，注意不可加太多 tag，否则影响生图质量）+ 背景提示词（simple_background）
负面提示词：censored,3d,realistic,subtitles,worst quality,low quality,bad anatomy, watermark,nsfw

ControlNet（Canny）：
强度：0.5
开始百分比：0.000
结束百分比：1.000

工具：Photoshop
修复有问题的地方，如：头饰。

• 服装差分：

先给姿势 a 的角色换装：

工具：comfyui
模型：Nano Banana2/Qwen-Edit-2511
提示词：给角色穿上可爱的浅色小皮鞋和花边袜

再让姿势 b 的角色换上姿势 a 的衣服。

工具：comfyui
模型：Nano Banana2/Qwen-Edit-2511
提示词：给角色穿上可爱的浅色小皮鞋和花边袜
给图1的人物更换上图2的衣服、鞋子和袜子，严格保持图1的人物姿势、容貌等人物一致性，禁止修改图1视角。

同样需要再过一遍底模：

工具：comfyui
工作流：图生图
模型：wai-illustrious-sdxl
降噪：0.4
正面提示词：人物提示词（1girl, solo）+ 人物提示词（你想强化或修改的特征，比如wings，注意不可加太多 tag，否则影响生图质量）+ 背景提示词（simple_background）
负面提示词：censored,3d,realistic,subtitles,worst quality,low quality,bad anatomy, watermark,nsfw

ControlNet（Canny）：
强度：0.5
开始百分比：0.000
结束百分比：1.000

隐藏: 一些关于差分顺序的坑

有几个工作流可以实现差分，但各有各的缺点，错误的顺序将导致目标无法达成，主要难点在于人物姿势迁移和换装上。

首先，姿势迁移，需要把姿势 a ——侧身的角色转化为姿势 b ——正对镜头，如果角色只有一套衣服，可以通过 Nano Banana2 实现（Qwen-Edit-2511 会导致人体比例畸形，即梦会有色差）；
若遇到角色有多套衣服的情况，有以下几种选择：

1、先统一换好装，再控制姿势和动作。
（1）Qwen-Edit-2511 + Qwen Multiangle Camera ——也许是因为图尺寸太大，别说实现统一的姿势了，连转变姿势都有困难；
（2）Nano Banana2 —— 转变后的姿势和动作不可控，导致不同服装的姿势 b 会有差异，极大增加表情差分工作量；
（3）高斯泼溅重绘——视角和人物一致性非常不可控，尤其是高斯泼溅的插件尚没有精确的摄像机坐标。
2、先生成不同姿势的人物果体，再换装（类似业界做法）。
（1）Qwen-Edit-2511 ——换装时控制效果非常差劲，它不能同时把衣服转变成正面视角并换装，Qwen-2511-AIO 也无改善；
（2）Nano Banana2 ——禁止 nsfw；
（3）其他日后可能出现的模型——理论上可行，但过多遍模型会导致图片质量下降的潜在问题。
3、先借助姿势 a 生成姿势 b （同套服装），再生成姿势 a 的服装2，最后让姿势 b 使用姿势 a 的服装 2（上文做法）。
（1）Qwen-Edit-2511 ——同上；
（2）Nano Banana2 ——连带动作成功实现，需要强指令控制，然后再过一遍底模。

（二）cg

（三）背景

（四）gui

（五）光标
renpy 中可以定制鼠标光标，一种是 32 x 32/64 x 64 的小尺寸光标，一种是可视组件光标，一般采用前者。
可以实现的功能：
1、替换光标样式（单个图片或序列图片）

define config.mouse = { }
define config.mouse['default'] = [ ( "gui/mouse/mouse.png", 0, 0) ]

2、点击时变成其他样式

define config.mouse['pressed_default'] = [ ( "gui/mouse/mousedown.png", 0, 0) ]

3、点击/拖拽时触发粒子效果。

鼠标的图标风格越简约越好。
ai 无法生成低分辨率的图片，所以我们需要先生成高分辨率图片，再在 PS 中手动降分辨率。
降分辨率过程中建议选择 nearest-exact 方法，该方法不会产生模糊的边缘像素。
（未完待续）