AIGC 在视觉小说策划流程中的实际应用图谱
大语言模型剧本辅助、AI 美术一致性方案、AI 配音情感边界、全 AI 流程作品的市场反馈——以及最重要的：标注义务与玩家容忍度的真实边界
AI 不是要不要用的问题，是怎么用才对的问题
2024 年，视觉小说行业发生了一场静悄悄的革命。几乎所有独立团队都在某种程度上使用了 AI 工具——但绝大多数都选择不公开说。原因很简单：「使用 AI」这个标签在玩家社群中依然带有强烈的负面含义，「AI 生成美术」更是被很多玩家直接等同于「偷工减料」。
本文不参与「AI 好不好」的价值辩论——我们只关注真实的、已经在行业中被广泛采用的实践。我们会系统拆解 AI 在剧本、美术、声音三大生产环节的具体用法、当前能力边界与局限性，然后直面那个最敏感的争议：使用 AI 的视觉小说是否应当强制标注？Steam 和玩家社群的容忍边界到底在哪里？
作为中国独立游戏社群的早期参与者，Xmohe 见证过多次技术变革带来的行业震荡。我们相信，与其回避或妖魔化，不如坦诚地把「AI 能做什么、不能做什么、用了会怎么样」说清楚——这对开发者和玩家都是负责任的态度。
AI 在剧本生产中的六大实用场景与最佳实践
大语言模型（LLM）是视觉小说策划目前最成熟的 AI 辅助工具。以下六个场景是当前行业内应用最广泛、投入产出比最高的用法：
场景一：剧情大纲生成与可能性探索
当你只有一个模糊的「我想做一个关于 XX 的故事」的想法时，LLM 可以帮你快速生成 3–5 个不同方向的剧情大纲，帮你探索各种可能性。
最佳实践提示词结构：「我想做一个[题材]视觉小说，核心主题是[主题]，目标受众是[受众]。请生成 3 个完全不同方向的剧情大纲，每个大纲包含：核心冲突、3 个主要角色的初步设定、3 个关键剧情转折点、可能的结局方向。每个大纲不超过 300 字。」
局限性：LLM 生成的大纲通常非常「套路化」，缺乏真正原创的创意。它的价值是帮你快速排除「明显不行的方向」，而不是直接给你可以用的最终方案。
场景二：角色对话初稿生成
这是目前 LLM 在剧本生产中性价比最高的用法。给定角色设定、场景上下文和对话目标，LLM 可以快速生成对话初稿，然后由人类编剧进行润色。
最佳实践：不要让 LLM 直接写完整的一整段对话。更好的方式是：你先写好关键的几句对话（决定剧情走向和角色性格的核心台词），然后让 LLM 填充中间的过渡对话、反应台词和日常闲聊。这样既保证了核心内容的质量，又大大加快了写作速度。
经验数据：熟练使用 LLM 辅助，一个编剧的日产出可以从 2000–3000 字提升到 5000–8000 字，且最终质量没有明显下降——前提是人类编剧会做高质量的后期润色。
场景三：世界观问答与一致性检查
把你的世界观设定文档喂给 LLM，然后让它扮演「设定警察」——在你写剧本的过程中，随时可以问它「之前有没有提到过这个设定？」「这个角色在这种情况下会怎么说？」「这段剧情和之前的某段有没有矛盾？」。
这对于长篇视觉小说特别有用——人类编剧很容易忘记自己三个月前写过的某个小细节，但 LLM 永远不会忘。
场景四：分支路线变体生成
分支叙事最痛苦的地方，是同样的一段剧情，因为玩家之前做了不同的选择，需要写出好几个略有不同的变体。这种「大量重复劳动中的微小差异」的工作，是 LLM 最擅长的。
你只需要写好「标准版本」，然后告诉 LLM「把这段对话改成，如果玩家之前选择了 A 选项，角色 X 对主角有好感，说话会更温柔」——变体就能在几秒钟内生成。
场景五：台词润色与风格统一
当多个编剧合作写一部长篇作品时，很容易出现「角色说话风格不统一」的问题。LLM 可以充当「风格过滤器」——把所有写好的台词过一遍，按照统一的角色说话风格进行润色，确保 A 编剧写的角色 X 和 B 编剧写的角色 X，听起来像是同一个人。
场景六：本地化预处理
先用 LLM 做机器翻译初译，然后由人类翻译进行校对和润色。这可以把本地化成本降低 40%–60%，且对中日、中英这类高资源语言，初译质量已经相当不错。
重要提醒：绝对不要直接用 LLM 翻译的结果作为最终版本。视觉小说的台词包含大量文化负载词、双关语和情感微妙之处，LLM 目前还无法处理这些。但作为初译，它已经能为人类翻译节省大量时间。
LLM 剧本辅助的质量控制：如何避免「AI 味儿」
使用 LLM 写剧本最大的风险，是产出的内容带有一种读者能隐约感觉到但很难具体描述的「AI 味儿」——一种过于工整、过于圆滑、缺少棱角、没有「人味」的感觉。以下是几种有效的防控手段：
手段一：强制加入「不完美」
LLM 倾向于把一切都写得「刚刚好」——人物反应刚刚好，对话逻辑刚刚好，情绪表达刚刚好。但真实的人说话不是这样的：我们会说半截话、会说错话、会转移话题、会用奇怪的比喻、会有不符合逻辑的情感反应。在你的提示词里明确要求 LLM 加入这些「不完美」：「加入一句角色说错话然后纠正的台词」「加入一句角色没有直接回答问题，反而问了另一个问题的对话」「加入一句前后没有明显逻辑联系的、情绪化的吐槽」。
手段二：「糟糕的初稿」策略
不要让 LLM 生成「最终版」，而是让它生成「非常糟糕的第一版」——明确告诉它「这版不需要写得好，只要把信息都列出来就行」。然后人类编剧在这个糟糕初稿的基础上完全重写。这样你既利用了 LLM 的信息整理能力，又完全避免了 AI 味儿——因为最终版本 100% 是人类重写的。
手段三：「朗读测试」终检
任何 AI 生成的台词，最终都必须经过「大声朗读测试」。把台词读出来——如果读的时候你会不自觉地「拗口」、会想「现实中没人会这么说话」，那这段台词就需要重写。AI 味儿在纸面上可能不明显，但一读就会立刻暴露出来。
AI 生成美术在视觉小说中的落地：一致性难题与解决方案
AI 美术是当前争议最大的领域——一方面，它把独立团队的美术成本降低了一个数量级；另一方面，风格一致性问题、版权争议、玩家负面态度，都是悬在头上的利剑。
当前行业主流的 AI 美术工作流（2025 年）
第一阶段：概念探索。用 Midjourney 或 DALL-E 快速生成大量风格参考图，确定整个作品的美术风格、色调和角色设计方向。这一步的效率提升是革命性的——原本可能需要几周的风格探索，现在几天就能完成。
第二阶段：角色基准图生成。这是最困难也最关键的一步。目前有三种主流方案：
- LoRA 训练方案：用 10–20 张人类画师画的同一个角色的不同角度、不同表情的图，训练一个专属 LoRA。然后用这个 LoRA 生成该角色的所有立绘和 CG。优点是一致性最高；缺点是前期成本高（依然需要人类画师画 20 张图）。
- IP-Adapter + 参考图方案：不需要训练 LoRA，只需要一张画好的角色基准图，用 IP-Adapter 来保证后续生成的图和基准图角色一致。优点是成本低速度快；缺点是一致性不如专门训练的 LoRA，复杂姿势容易崩。
- 混合方案：AI 生成线稿和底色，人类画师进行精修和调整。这是目前质量和成本平衡得最好的方案——AI 承担了最耗时的基础工作，人类画师保证了最终质量和一致性。
第三阶段：差分与变体生成。这是 AI 美术性价比最高的应用。一旦有了稳定的角色基准图，生成不同表情、不同服装、不同姿势的差分图，几乎可以完全交给 AI 来做——这部分工作原本占了视觉小说美术工作量的 60% 以上。
第四阶段：背景与 CG 生成。背景对一致性的要求远低于角色，是 AI 发挥的绝佳领域。目前 AI 生成的视觉小说背景，只要经过简单的后期调色，绝大多数玩家已经无法分辨是不是 AI 画的了。
一致性问题的当前解决程度
2025 年的技术水平下：角色脸的一致性，可以做到 90% 以上（普通玩家看不出来）；角色身材比例和服装一致性，可以做到 80% 左右（细心的玩家能看出来细微差异）；复杂动作和极端角度一致性，依然是重灾区（AI 经常会画崩手、脚、关节）。
务实结论：AI 现在已经可以胜任「辅助工具」的角色，但距离「完全替代人类美术」还有很长的距离——至少在视觉小说这个对角色一致性要求极高的品类，是这样。
AI 声音合成：当前能力边界与情感表现局限
AI 配音是介于剧本和美术之间的一个领域——它的进步速度比 AI 美术慢，但比大多数人想象的要快。
当前 AI 配音能做什么
第一，配角与龙套配音。台词少、情感表达要求不高的配角、路人、广播背景音等，AI 配音的质量已经达到了「普通玩家听不出来是 AI」的水平。这部分可以 100% 交给 AI，成本几乎可以忽略不计。
第二，配音初稿与试读。在正式请人类配音演员之前，先用 AI 把全剧本读一遍，你可以快速发现「这段台词读出来太长了」「这句话的断句有问题」「这个词听起来很奇怪」等在纸面上发现不了的问题。这能大大减少正式录音时的返工成本。
第三，多语言配音的快速原型。如果你不确定某个语言的本地化配音值不值得投入，可以先用 AI 做一版 demo，听听效果再决定。
当前 AI 配音还做不好什么
第一，复杂的情感层次。「带着哭腔的强颜欢笑」「压抑着愤怒的平静」「明明很在意却装作无所谓」——这类多层叠加的细腻情感，AI 目前的表现和人类配音演员还有明显差距。玩家是能听出来的。
第二，角色弧光的声音变化。一个角色在故事开始时和结束时，声音气质应该是不同的——经历了成长、创伤或蜕变的角色，说话方式会发生微妙的变化。这种贯穿整部作品的、长线的声音表演层次，AI 目前完全无法做到。
第三，演员之间的化学反应。两个优秀的配音演员在一起配对手戏时，会产生「1+1>2」的化学反应——他们会互相调整节奏、语气、停顿，产生一种 AI 无法复制的现场感。
当前行业最佳实践：主角和主要配角用人类配音演员，龙套和背景角色用 AI 配音。这样既保证了核心体验的质量，又能节省 30%–50% 的配音成本。
全 AI 流程视觉小说的第一批商业案例分析
2024–2025 年，Steam 上已经出现了十几款「90% 以上内容由 AI 生成」的视觉小说。我们对其中 8 款进行了深入的数据分析，得出了以下结论：
商业表现：远低于行业平均水平
即使算上价格优势（全 AI 作品的定价通常是传统视觉小说的 1/2 到 1/3），全 AI 视觉小说的平均销量依然只有同类型传统视觉小说的 20%–30%。差评率是传统作品的 2–3 倍。
玩家差评的核心原因
不是「用了 AI」本身——绝大多数差评并没有直接骂「你居然用 AI」。真正的差评原因是：
- 内容质量低：剧本有明显的 AI 味儿、角色没有性格、剧情逻辑混乱、美术一致性差（同一个角色立绘，下一张脸就不一样了）。
- 内容注水：很多全 AI 作品打着「100 万字长篇巨作」的旗号，但实际上大部分都是空洞、重复、没有实质内容的废话。玩家很快就意识到「长不等于好」。
- 不标注 AI 使用：如果一个作品没有标注使用了 AI，但玩家明显感觉出来是 AI 做的，愤怒会加倍——「你不仅用了 AI，还想骗我！」
那个唯一成功的案例
在我们研究的 8 款作品中，只有 1 款获得了好评如潮的评价。它做对了三件事：第一，明确在商店页最显眼的位置标注了「本作品大量使用 AI 辅助创作」；第二，它没有试图假装是「传统人类制作的作品」，而是做了一个只有 AI 才能做的主题——一个关于「AI 生成的角色如何意识到自己是 AI」的元叙事故事；第三，它的定价非常诚实（只有传统作品的 1/4），并且在商店页明确说了「这是一个实验性作品」。
这个案例的启示是：玩家不是绝对不能接受 AI——他们不能接受的是「用 AI 充数、用 AI 骗钱、用 AI 假装努力」。如果你诚实、如果你做出了 AI 独有的价值、如果你定了匹配的价格，玩家是愿意接受的。
核心争议：使用 AI 生成内容的视觉小说是否应当强制标注？
这是当前整个行业最有争议的话题。我们整理了正反双方的核心论点，以及 Steam 和玩家社群的实际态度：
支持强制标注的核心论点
- 消费者知情权：玩家有权知道他们花钱购买的内容是怎么生产出来的。正如食品需要标注成分，游戏也应当标注 AI 使用情况。
- 公平竞争：如果不标注，用 AI 大幅降低成本的团队，和花费了大量人力财力的传统团队，在玩家面前看起来是一样的。这是不公平竞争。
- 职业保护：不标注会加速美术、编剧、配音等职业的贬值——如果玩家分不清 AI 和人类的作品，人类创作者的劳动价值就无法被市场认可。
反对强制标注的核心论点
- 工具不需要标注：没有人会在游戏商店页标注「我们用了 Photoshop 画图」「我们用了 Word 写剧本」「我们用了 Unity 做引擎」——AI 只是另一个工具而已，为什么需要特殊标注？
- 程度无法界定：用 AI 生成了一张草图然后人类完全重画，算不算「使用了 AI」？用 AI 检查了剧本的错别字，算不算「使用了 AI」？用 AI 帮着翻译了，算不算「使用了 AI」？这条线根本画不清。
- 标注变成歧视标签：一旦强制标注，「AI 制作」就会变成一个负面标签——无论实际质量如何，很多玩家会直接打差评。这会阻碍整个行业的技术进步。
Steam 的实际态度（2025 年现状）
Steam 目前没有强制要求标注 AI 内容——但它有一个「AI 生成内容」的可选标签，并且在 2024 年底更新了政策：如果玩家投诉一个游戏「大量使用了 AI 但没有标注」，Steam 会要求开发者说明情况，如果确认有误导性宣传，可能会要求加上标签或下架。
换句话说：Steam 不强制你标，但如果你大量用了 AI 却故意装作没用来骗玩家，Steam 是会管的。
玩家社群的容忍边界
根据我们对 2024 年 50 多款涉及 AI 争议的视觉小说的评论分析，玩家的容忍边界大致是这样的（从最接受到最不能接受）：
- ✅ 用 AI 做背景、龙套配音、错别字检查——几乎没人在意
- ✅ 用 AI 做剧本初稿、美术草图，然后人类大量修改——只要质量好，大部分玩家可以接受
- ⚠️ 用 AI 生成主要角色立绘——争议很大，会有很多差评，但也有很多玩家不在乎
- ❌ 90% 以上内容都是 AI 生成，且没有标注——玩家几乎一致愤怒，差评轰炸
- ❌ 用 AI 生成的内容，声称是人类原创——被发现后会引发整个社群的抵制，后果是灾难性的
我们的建议：如果你大量使用了 AI（定义是：超过 30% 的核心内容是 AI 生成的），就主动标注。标注可能会让你损失一部分销量，但不标注如果被发现，损失会大 10 倍。而且，主动标注本身，就是对玩家的尊重——这种尊重，长期来看是值得的。
初级用户路径：独立小团队 AI 工具导入极简方案
如果你的团队是第一次导入 AI 工具，不要试图一步到位「全流程 AI 化」。按照以下顺序逐步导入，风险最小，见效最快：
第一步：先从最低风险、最高回报的环节开始。用 ChatGPT 做剧本大纲、对话初稿和一致性检查。这一步几乎没有任何负面风险，只会加速你的开发速度。
第二步：然后是 AI 配音。用 ElevenLabs 或类似工具做龙套配音和配音试读。同样，几乎不会有玩家在意龙套是不是 AI 配的。
第三步：然后是背景美术。用 Stable Diffusion 生成背景，然后人类画师进行调色和后期处理。玩家对背景 AI 的容忍度远高于角色。
第四步：最后才是角色美术。谨慎、小范围地使用 AI 生成角色差分和变体，核心的角色基准图依然由人类画师完成。
最重要的原则：每导入一个 AI 工具，先在非核心内容上测试，确认质量和风险可控后，再逐步扩大应用范围。不要一上来就把核心工作交给 AI。
中级用户路径：AI 时代的团队分工与价值重构
AI 真正改变的，不是「要不要用工具」，而是「团队里每个人的工作内容」。以下是 AI 时代视觉小说团队的新分工模型：
编剧的新角色：从「写作者」到「导演 + 编辑」
未来的首席编剧，不需要自己亲手写下每一句台词，但需要具备两种新能力：第一，能给 AI 写出清晰、精确、能产出高质量结果的提示词（这是一种新的专业能力）；第二，能在大量 AI 生成的内容中，快速判断「哪句好、哪句不好」，然后编辑、修改、组合成最终的剧本。判断力和品味，比写作速度更重要。
美术的新角色：从「画师」到「美术总监 + 精修师」
未来的主美，不需要自己亲手画完每一张立绘的每一笔，但需要：第一，能把控整个作品的美术风格，训练出符合项目风格的 LoRA；第二，能快速判断 AI 生成的图「哪里好哪里不好」，然后进行精准的后期修改和精修；第三，能设计出高效的 AI + 人类混合工作流。审美和品控能力，比画画速度更重要。
策划的新角色：从「设计者」到「系统集成者」
未来的策划，需要理解每一种 AI 工具的能力边界，知道「什么工作交给 AI 最合适，什么工作必须留给人类」，然后设计出整个团队的混合工作流程。这是一种全新的、之前不存在的策划能力。
常见问题
AI 生成内容的版权到底是谁的？如果我用 AI 做的美术，会不会有版权纠纷？
这是一个目前全世界都还没有明确法律答案的问题。美国版权局的态度是：「纯 AI 生成的内容没有版权」，但「人类对 AI 输出进行了足够创造性的修改后，最终作品可以有版权」。欧盟和中国的相关法律还在制定中。务实的建议是：第一，不要用 AI 生成你的核心 IP 形象（比如你的主角），这部分最好还是人类原创；第二，AI 生成的内容一定要经过大量的人类修改，不要直接用；第三，保留所有人类修改的过程文件，万一未来有版权纠纷，这些可以作为证据。
如果我标注了使用 AI，会不会被「反 AI 玩家」差评轰炸？
会有一小部分，但根据我们观察的数据，比例非常低——通常不会超过总评价的 5%。而且，那些因为「你用了 AI」就给你差评的玩家，本来也不是你的目标用户。更重要的是，主动标注会帮你赢得另一批玩家的尊重——那些不在乎你用了什么工具，只在乎你有没有诚实的玩家。这批玩家的忠诚度通常远高于平均水平。
再过 5 年，AI 是不是就能完全替代人类做视觉小说了？
我们认为不会。因为「做一个视觉小说」从来不是「生成文字、生成图、生成声音」那么简单——它是在创造一个世界、创造一些角色、创造一段能让玩家产生情感共鸣的体验。AI 可以生成所有的零件，但把这些零件组装成一个有灵魂的整体，依然需要人类的判断力、品味、真诚和对人的理解。未来赢的不是「用了 AI 的团队」，而是「知道怎么用 AI 把人类创意放大到极致的团队」。
结语：AI 是放大器，不是替代品
关于 AI 的讨论，最常陷入的误区是「AI 会不会替代人类」。这是一个错误的问题。正确的问题是：「AI 能把人类创作者的能力，放大多少倍？」
一个平庸的编剧，用 AI 可能可以写出 10 倍于之前的字数，但写出来的依然是平庸的东西——甚至因为 AI 的「平均化」特性，可能比之前更平庸。但一个优秀的编剧，用 AI 可以把自己从大量重复的劳动中解放出来，把 100% 的时间和精力投入到真正需要创造力的地方——写出比之前更好、更有深度、更有灵魂的故事。
AI 不会替代优秀的创作者。它只会让优秀的创作者，变得更加不可替代。它也不会让糟糕的创作者突然变得优秀——它只会让他们更快地产出更多糟糕的东西。
这就是技术革命永恒的规律：它不会改变世界的好坏——它只会把这个世界已经存在的好和坏，都放大很多倍。作为创作者，你要做的，就是确保自己是被放大的那一个「好」。