在2024年度中国游戏产业年会上，巨人网络重磅发布了“千影 QianYing”有声游戏生成大模型，标志着游戏与人工智能深度融合的新纪元。这一创新不仅有助于提升游戏开发效率，还将为玩家带来更加沉浸式的体验。
“千影 QianYing”包含两个核心大模型：游戏视频生成大模型YingGame和视频配音大模型YingSound，突破性地实现了有声可交互游戏视频的生成。
面向开放世界游戏，无需游戏引擎
YingGame是一个面向开放世界游戏的视频生成大模型，由巨人网络AI Lab与清华大学SATLab联合研发，首次实现角色多样动作的交互控制，可自定义游戏角色，同时具备更好的游戏物理仿真特性。
结合自研视频配音大模型YingSound，能够根据画面生成与之匹配的复杂音效，实现有声游戏视频生成。
通过一系列的技术层面创新，融合跨模态特征、细粒度角色表征、运动增强与多阶段训练策略，以及构建了高效、高质量的游戏视频训练数据生产管线，使得生成的游戏内容具备可交互能力，能够理解用户的输入交互（如鼠标、键盘按键等），控制角色的多种动作，自定义角色外观与精细的主体控制，实现复杂运动与动作连续性等特性。
让AI游戏进入有声时代
YingSound是由巨人网络AI Lab、西北工业大学ASLP Lab和浙江大学联合研发的视频配音大模型（Video-to-Audio Model，V2A），拥有超强的时间对齐、视频语义理解能力，端到端为各类视频生成多种类型的高精细度音效，涵盖真实场景视频、动漫视频与游戏视频等，具备多样化应用场景泛化能力。
YingSound支持从视频或视频文本结合的方式生成高保真音效，设计了多个创新的技术架构并结合强化学习，有效提升少样本场景下的生成质量，实现精确的跨模态对齐效果。
在生成效果、时间对齐及视频语义理解等主客观测评上，YingSound均达到业界领先水平。
今年初，巨人网络董事长史玉柱提出，公司在探索打造一个AI游戏孵化平台，旨在降低游戏开发的门槛，让没有编程、开发背景的游戏爱好者也能实现自己的创意，让普通人也能开发游戏。
这一愿景预示着游戏行业的一个重大转变，即从专业开发者到广大玩家的参与，这将极大地丰富游戏内容和形式，创作永远没有瓶颈，为游戏市场带来新的活力和创意。
史玉柱还曾在去年 4 月表示，在游戏研发阶段，在美术上、程序上，AI 作为一个辅助工具，可以提高效率，节约点人力，让一个人能干几个人的活。但史玉柱觉得“游戏 + AI”的真正精华不在这儿，真正精华是在游戏策划。
史玉柱称，作为游戏策划，以往如果想找到好的数值，就要不断地去摸索；但是 AI 上了，它能很迅速给你找到最佳数值，绝对比人工感觉还准，又快又准。
“千影 QianYing”有声游戏生成大模型的发布，不仅为游戏开发者提供了强大的工具，也为游戏玩家带来了前所未有的沉浸式体验。
随着AI技术的不断进步，未来的游戏创作将变得更加平易近人。通过简单的文字描述，普通人也能创造出属于自己的游戏，游戏创作的门槛将大大降低。巨人网络在探索AI游戏孵化平台的同时，也在不断推动这一领域的发展。