Proposal 初稿：角色动作素材包生成工作流

[xyh202131]

Windup Proposal: 角色动作素材包生成工作流

一、战略决策与核心假设

1.1 一句话战略决策

本期面向个人及小团队 2D 游戏开发者，8 周内聚焦"角色描述或参考图 → 第一步可进入游戏项目的动作素材包"这一最小闭环。首期以序列帧作为统一交付形态，优先验证跨动作角色一致性、动作可读性和工程可用性；不复刻 Ludo.ai 全量能力，不做多方向、完整动作库、骨骼自动绑定，也不扩展 UI、道具、场景、3D、音频和 GDD。

1.2 MVP 核心假设

每条须可验证：命题 + 验证方式 + 通过标准（+ 失败退路）。

#	核心假设（命题）	验证方式	通过标准	失败退路
1	目标用户更需要能直接进入项目的角色动作资产，而不是更多单张角色图。	让 5–8 名目标用户比较角色单图与可预览、可导出的三动作工作流，并完成一次原型任务。	至少 4 人独立完成流程，并明确认可动作补齐或工程导出的价值。	若需求主要停留在单图，则收缩为角色基准管理与动作素材整理工具。
2	角色基准帧 + 结构化角色卡 + 参考图约束能把跨动作一致性提升到可接受水平。	用普通提示词和本方案各生成三动作样例，按脸部、服装、配色、体型和比例进行盲评。	本方案至少 80% 的动作帧被多数评审判定为同一角色，且优于普通提示词基线。	若仍漂移，则限制角色类型与主风格，并增加每个动作首帧确认后再补帧。
3	首版只做单方向的 idle / walk / attack，也能支持原型和小游戏的核心玩法验证。	用横版动作、平台跳跃和轻量战斗 3 个原型场景展示三动作包并访谈使用意愿。	至少 4 名用户能指出明确使用场景，并接受先保证三动作稳定。	若范围不足，则优先补 jump；若仍过宽，则先聚焦 walk + attack。
4	统一画布、脚底线、锚点、帧序和元数据能显著降低动作资产的接入成本。	让用户把同一动作包导入 Cocos Creator，并记录时间和手工校正步骤。	15 分钟内完成首次播放，且无需重新切帧、批量改名或逐帧调整 pivot。	若通用导出仍难使用，则固定 Cocos Creator 版本和项目模板提供强预设。
5	中文、开源可复现和生成路线可替换能形成区别于闭源竞品的采用理由。	向 5 名目标用户展示闭源成品与开源窄工作流，访谈试用、本地运行和替换模型意愿。	至少 3 人愿意试用或反馈，并认可可控性、可替换性或国内链路适配。	若开源不是主要驱动力，则把差异化收敛到角色一致性与 Cocos / 小游戏交付。

---

二、Proposal 字段

八字段（01 规范）+ 核心问题·价值主张（MS1 交付措辞）。标〔MS1〕的两栏是 MS1 口径，可单列、也可并进动机/关键决策——团队自定。

2.1 动机 / 用户故事〔01〕

哪些真实场景/痛点触发了它，共同需求是什么（一句话；来自多个真实用户故事的共同点）。

近一年公开讨论、教程和平台问题反复显示：通用生图工具可以生成一张好看的角色图，但同一角色一旦扩展到待机、移动和攻击，容易出现外观漂移、比例变化、动作不连续和帧间抖动；即使画面可用，开发者仍要处理透明背景、画布、脚底线、锚点、切帧、命名和引擎导入。Ludo.ai、PixelLab 等竞品也把角色动作和 sprite sheet 作为重点。这些场景的共同需求是：从一个确定的角色出发，低返工地获得一套能预览、能检查、能直接进入项目的基础动作资产。

痛点梳理：

1. 通用图片生成工具的局限：可以生成好看的角色图，但无法转化为游戏资产直接用于游戏。
2. 竞品的局限：
   • 能生成角色资产，但质量差。动画上容易出现外观漂移、比例变化、动作不连续和帧间抖动；同一角色的不同动作、动画的一致性很差。
   • 使用者后期工作和成本很高：即使画面可用，开发者仍要处理透明背景、画布、脚底线、锚点、切帧、命名和引擎导入。
   • 对国内生态适配差：大多只适配 Unity 和 Godot 引擎；国内大多数 2D 游戏主要发行平台是微信、抖音等小游戏平台，主流引擎及规则（如 4M 包体限制）未被针对适配。
   • 工作流局限：无法对角色资产进行管理，无法对角色资产（衣物、动作等）进行二次复用。
   • 无一条龙式传导闭环方案。
   • 目标像素风格的分辨率和生成图片不匹配。

2.2 目标用户〔01〕

主用户是个人开发者和 2–5 人 2D 游戏小团队中的程序、策划及非专业美术成员，常见于横版动作、平台跳跃、Game Jam、独立游戏原型和微信小游戏开发；首期优先服务已有角色设定或参考图、需要快速补齐基础动作，并使用 Cocos Creator / 微信小游戏或 Web 预览链路的用户。

2.3 核心问题〔MS1〕

本期要解决的核心问题（一句话）。

解决 AI 生成的单张角色图难以稳定扩展为角色一致、动作可读、帧规格统一且可直接导入游戏项目的基础动作资产的问题。

2.4 现有做法及其不足〔01〕

用户当前怎么解决：

• 通用生图模型：如 GPT Image 2、Gemini 直接生成单张角色图或完整精灵表。
• 垂直工具：PixelLab、Ludo、Scenario、Retro Diffusion 生成角色方向图、动作序列和 Sprite Sheet，部分支持引擎导出。
• 组合工作流：锚点角色 + 逐帧生成，或参考图 + I2V 提帧 + 人工筛选打包。

核心不足：

问题类别	具体表现
角色一致性与帧间漂移	同一角色的面部、服装、装备、比例在不同帧间变化，跨动作时漂移放大，连播时"像换了一个角色"
动作与肢体理解不稳定	左右肢体混淆、方向旋转后装备重造、攻击/转身等复杂动作质量波动大，walk/run 相对可用但 attack 仍不稳定
工程交付成本高	生成后的去背、选帧、归一化、脚底对齐、QA 检查、引擎导入和元数据生成仍需大量人工，GIF 不可直接交付，不同引擎导出规则不同
不支持一次成型	完整精灵表易缺帧、重复姿势；I2V 提帧后需从大量视频帧中人工挑选，筛选和修复成本高
可复现性与质量不可控	同参数下模型可能产生质量漂移，AI 生成结果的稳定性和可复现性不足，难以保证批次一致性
未覆盖国内小游戏开发需求	产品使用门槛高，只负责生产不负责管理
缺乏资产管理	可以搭建人物资产管理平台

2.5 价值主张

相对现有做法，给用户的独特价值（一句话）。

让 2D 游戏开发者从一个角色描述或参考图出发，获得同一角色的动作，逐帧检查后直接导出预览、序列帧、sprite sheet、元数据和导入说明；同时以中文、开源可复现、生成路线可替换和国内轻量引擎适配，降低从"角色单图"到"可运行角色动作"的成本。

2.6 本期范围与明确不做〔01〕

做：

• 输入角色描述或上传参考图
• 先确认角色基准帧和角色卡
• 生成单角色动作；复杂连招
• 自动去背景并统一画布、帧序、脚底线和锚点
• 提供动画预览和逐帧检查
• 导出 GIF 预览、逐帧透明 PNG、sprite sheet、JSON metadata 和 Cocos Creator 导入说明
• 记录参考图、提示词、生成路线、工具、次数、耗时、成本和授权说明

明确不做：

• 不做骨绑定和权重
• 不做 UI、道具、场景、瓦片和宣传图
• 不做 3D 角色、音频

2.7 关键决策与依据〔01〕

决策点	备选方案	选择	理由（用户价值 / 成本 / 风险 / 边界）
产品方向	静态 UI / 道具；泛 2D 素材平台；人物动作闭环	人物 + 动作闭环	开发者真正需要角色参与玩法，而不是停留在单图；动画风险更高，因此将其作为核心问题，同时用单角色、单方向和三动作严格收窄。
首期动作范围	完整动作库；四 / 八方向；单方向基础动作	多动作和定制动作	—
交付形态	单张角色图；骨骼工程；序列帧动作包	序列帧动作包	sprite sheet 和逐帧 PNG 在 Web / Cocos / 小游戏中通用，能直接验证播放与导入
生成技术策略	固定逐帧模型；图生视频转帧；3D 转帧；多路线可替换	统一输出契约，多路线 A/B 后选主线	产品先固定角色、动作和导出结果，不被单一模型绑死；按一致性、连续性、速度、成本和后处理量选择首条真实路线。
一致性方式	只写提示词；训练 LoRA；角色基准帧 + 角色卡 + 参考图	角色基准帧 + 角色卡 + 参考图	近一年材料反复使用 anchor frame、style lock 和 art bible；该方案较轻，适合先验证跨动作一致性。
目标环境	全引擎；Unity / Godot；Cocos / 微信小游戏	Cocos Creator / 小程序游戏（微信、抖音等）	目标用户和国内生态更明确；浏览器可做通用预览，首个真实验收在 Cocos Creator 中完成。
开放策略	闭源服务；只公开 Demo；开放核心工作流	开放核心工作流并允许替换生成路线	开源是相对闭源竞品的最低差异化，也便于教学、复现和后续接入不同模型；首期不做完整平台治理。

2.8 基本概念与信息结构〔01〕

（待补充）

2.10 验收标准〔01〕

达成标准：

1. 系统稳定性可控，整体工作流可顺利跑通，无重大错误出现。
2. 可接受生成角色轻微瑕疵，如细节度不够还原。对于精灵图集、八向图等相关角色资产，需保证角色一致性。角色动作具有连贯性。
3. 搭建一套完善的评估 Agent 的体系框架，工作流执行成功率尽可能高，系统整体成功率需要保持在 70% 以上。
4. 导出角色资产可正确适配对应游戏引擎如 Unity、Godot、Cocos 等需用格式。
5. 成本可控，对应角色生产所耗费金额尽可能小；生成速度尽可能快。
6. 相关文档完整、代码可追溯。

---

三、填写前待拍板

凡影响多个字段的方向性决策，先在此登记、组内/导师拍板后再往下填。

#	待决策点	备选方案	影响哪些字段	谁拍板
1	首条真实生成路线	参考图逐帧；图生视频转帧；3D 截帧	质量、连续性、速度、成本、后处理量和排期	团队按测试数据提案，导师确认

---

附：定稿前自检参考

五条原则（写每节时对照）：

• 一次一个增量
• 简单直接（先例子再抽象）
• 减法设计
• 边界清晰
• 从真实场景抽象

六条验收线（01 规范·六）：

• [√] 设计方向经过行业与竞品调研，有据可循
• [√] 明确要什么、不要什么，本期边界清晰
• [√] 关键设计点具备备选方案与选择理由，而非功能罗列
• [√] 基本概念与信息结构清晰，可直接交付架构设计
• [√] 有界面的产品，文字定稿后具备对应原型
• [√] 状态与规格标签齐全，可追溯

[minorcell]

@xyh202131 产品的 Proposal 还在 review 阶段，这个 issue 我先关闭了。

[minorcell]

@xyh202131 #2 你可以和 liuzhengyan 一起看看