【Gamystery】EP22: 導入AI後的遊戲開發流程真的有變輕鬆嗎?
- 彥澤 廖
- 3月18日
- 讀畢需時 4 分鐘
已更新：3月19日
過年期間，研究了配音產業( 有興趣參閱 - EP21: 聲音的未來：AI語音生成如何為遊戲產業創造新價值？)，自己是相當看好AI語音相關的產業，不僅傳統應用，未來也會有更多語音操控的介面需要透過類似的服務，當作技術核心之一。
回過想到，既然我這麼看好，不如接著研究 - AI語音克隆服務( 以下簡稱 AI語音 ) 導入到遊戲製作當中，是不是真的有那麼神。畢竟，許多小團隊經費有限，要在獨立開發逐漸競爭的環境下脫穎而除，必需善用AI來提高作品的品質。
接下來三種不同流程之間的差異，分別是傳統流程、初級導入AI語音流程、進階導入AI語音流程
傳統流程
傳統的製作流程, 仰賴真人演員，基本上就是請聲優( Voice Actor )依照文本( Script )、情境配音。具自身觀察，許多團隊會將角色的配音放置到後期，以減少因文本修改，需要重複配音導致額外的成本。
優點: 品質上限極高
缺點: 貴、溝通成本高、不改動
在遊戲開發當中，在配音完工後的產物，就是常見的聲音檔案( Audio File, .wav or .mp3… )。這類檔案需要導入至遊戲引擎當中，轉變為引擎可使用的素材( Engine Asset )。最終，這類型的素材，會由各團隊使用的對話系統( Dailog System )把控，在遊戲演出中，控制文字與對應的音檔進行撥放。
可以想見，每當編劇修改文本後，整個製作流程，必須由左至右經歷一輪。雖然具體要的時間得視規模而定，但整個過程涉及多個職位，經常小小的改動就是一週以上。
初級導入AI語音流程
當開發團隊使用AI語音相關的服務(ex. Elevenlabs, Artlist....)後
取代的就是傳統聲優的角色，轉而變成虛擬聲優，交接的介面維持是常見的音檔格式。
優點: 多元聲優、多語、價格低
缺點: 品質視情況而定、學習成本
這裡補充何謂”品質視情況而定”。以Steam平台上常見的語系共有12種，以Elevenlabs能支援超過30種以上的語言來說，都有涵蓋進去。然而，不同語系與”可使用”之間的距離是不同的，主要是受限於平台方的模型技術、資料來源。根據我的測試，Elevenlabs歐美語系明顯優於其他語系，若需要其他語系，可以尋找當地的開發商，通常會有不錯的表現。
與前述比較就可發現，”初級”相比”傳統”流程，以演出品質交換了 (1)更多元的選擇與表現 (2)錢 (3) 業務時間(與聲優演藝公司)。理論上，當一個外部環節從製作流程中抽離之後，就能縮短文本(編劇端)與實際表現(開發結果)之間的距離。
...以上是僅憑紙上談兵就能得出的結論。
接著分享台面下會衍伸出的問題，首先:
當整個製作流程”看起來”縮短後，實際容易衍伸，團隊產生(1)錯誤預期-因為使用AI所以可以很快的(尤其是PM) (2) 規格膨脹 - 用AI可以達到多國配音 。
實際上，製作時間確實減少，但可能不如想像中的多。原因:
需要有人使用平台，產生音檔
進階的學習成本(ex, 如何讓斷句正確、如何展現情緒...等等)
製作流程的節點數量與傳統相同
當你只是初階導入AI至開發流程時，經歷的只是將外部工作轉化為內部管理的過程。實際上，依然躲不掉所有過去必經的節點。尤其，每當文本改動時，使用AI語音平台產生新的素材，通常既費時且無趣( 必須根據新的文本，逐句複製、設定、產生)。
根據朋友開發外部專案時，實測7000個字元（繁體中文），計算下來應該需要約10小時，包含包括語音生成、段落切割、設置、演出節奏（如接續至下一句話的間隔時間）。
主要因為，有三個無法節省的時間:
重複操作平台的時間
設定新的素材的時間
更新文本對應的引擎資源的時間
進階導入AI語音流程
那難道毫無解決辦法嗎?
在提供解決方法前，我們先來看最佳開發流程會是如何進行。
同樣，一切由文本發生變動開始，接著新的文字更新至遊戲引擎當中。
不同於初階流程，應該基於文字已經更新好的引擎資源，更新配音。新的流程，讓我們節省前述提及”無法省下時間”的前兩項，我們只需要更新文本的引擎資源即可。
優點: 多元聲優、多語、價格低、同步率高
缺點: 品質視情況而定
“傳統” 與 "初級"的製作流程，是將”文本”與”配音”視為兩條不同的生產線，最終再整合至系統當中。這樣繁瑣的做法，在強調極緻演出的情況下屬於必要之惡，當你轉向使用AI時，若維持兩條產線的方式製作，就凸顯出繁瑣的缺點。
在團隊接受AI配音的前提下，我們應該要發揮這類服務身為SaaS的特性，使用API來實現進階的開發流程。以節省需要人為介入的時間，若真有必要，可以在製作環節介入，針對需要的演出優化。
如何實踐進階AI開發流程?
基於實驗與研究精神，我已經將進階流程開發完成，必且提供了本篇未提到的優化。目前實驗的平台是Elevenlabs, 主因是他們是a16z投資的新創和Actor的選擇上也比較多元。
有興趣，也可以訂閱電子報，即時即時資訊。
