新書推薦：
《
大家艺述 园林的意境
》
售價：NT$
551.0
《
你的叛逆少年
》
售價：NT$
454.0
《
草木有灵
》
售價：NT$
1367.0
《
哈布斯堡女皇：玛丽亚?特蕾莎和18世纪欧洲的权力博弈（王权与革命交织的时代，哈布斯堡家族四位权势女性的治国、磨难与沉浮）
》
售價：NT$
653.0
《
首发经济：重塑商业生态与消费未来
》
售價：NT$
301.0
《
中国国家地理 美丽的地球·生命交响（全6册）
》
售價：NT$
2897.0
《
前世今生：穿越时空的灵魂伴侣
》
售價：NT$
301.0
《
出瀛海：晚清诗人的海外观察与体验（九州之外，更有瀛海，全球视野下的中外交流史力作！ ）
》
售價：NT$
296.0
|
| 編輯推薦： |
全彩印刷，大模型助力策划人员、美术人员、程序开发人员、营销人员、主程人员、关卡设计人员、创意人员等进行游戏开发的学习指南
1. AI赋能游戏开发，开启创意新纪元：本书深入探讨如何利用大模型技术提升游戏开发的各个环节，从策划、美术到程序、测试，带你解锁AI驱动的游戏开发新模式。
2. 从故事创作到代码生成，大模型全面助力游戏创新：通过大模型技术，自动生成游戏故事、任务、关卡设计，甚至代码修复与优化，大幅提升开发效率与游戏质量。
3. AI驱动的美术创作：角色、场景、特效一键生成：揭秘如何利用大模型自动生成游戏角色、环境、道具，并通过风格迁移、特效设计等技术，打造视觉震撼的游戏世界。
4. 智能测试与优化：让游戏体验更流畅：通过大模型实现自动化测试、性能优化与玩家行为预测，帮助开发者快速定位问题，提升游戏平衡性与用户体验。
5. AI客服与社区支持：打造沉浸式玩家互动：利用大模型技术实现自动响应玩家咨询、生成FAQ、监控社区动态，提升玩家满意度与社区活跃度。
6. 数据驱动的游戏运营：精准预测玩家行为：通过大模型进行数据分析与玩家行为预测，助力游戏营销、
|
| 內容簡介： |
本书是一本探讨将大语言模型（简称大模型）技术应用于游戏开发的实用指南。本书共10章，主要内容如下：第1章介绍游戏开发的各个阶段，包括策划、美术、程序、音频设计、测试和发布，并介绍大模型的特点及大模型技术在游戏中的应用；第2章深入探讨大模型技术在游戏策划中的应用，如故事创作、任务和关卡设计、玩法创新与平衡性测试等，展示如何利用大模型技术提升游戏内容的丰富性和玩家的个性化体验；第3章介绍大模型技术在代码自动生成和修复、游戏AI设计、实时问题诊断与性能优化等方面的应用，为读者介绍提高开发效率和游戏质量的策略；第4章介绍艺术资产自动生成、动画与特效设计、风格一致性检查等内容，展示大模型技术在美术制作中的应用；第5～7章介绍大模型技术在游戏测试、游戏客服与社区支持、营销内容生成与优化、数据分析等领域的应用，为游戏开发者提供全面的技术支持和解决方案；第8章介绍大模型在游戏应用中面临的挑战和存在的局限性；第9章展望大模型的未来；第10章是大模型在游戏开发中的应用综评。
本书是一本介绍如何有效利用大模型技术来提升游戏开发效率和产品质量的实用教程，适合游戏开发者、游戏设计师，以及对游戏产业和AI技术感兴趣的读者阅读。
|
| 關於作者： |
|
王磊（网名onelei），Unity游戏开发笔记公众号博主，有着多年游戏开发经验，曾就职于盛大游戏， 叠纸游戏， 开发过月流水过亿的游戏，目前就职于上海某上市公司技术中台，《游戏AI程序设计实战》图书作者。热爱分线技术。
|
| 目錄：
|
目 录
第 1章 AI与游戏开发概述 001
1.1 游戏开发概述 001
1.2 大模型技术简介 003
1.2.1 大模型的特点 003
1.2.2 游戏中的大模型技术应用 004
1.3 大模型应用的意义和目的 006
第 2章 大模型在游戏策划中的应用 008
2.1 游戏故事创作 008
2.2 任务和关卡等方面的设计 029
2.2.1 游戏任务设计 030
2.2.2 游戏关卡设计 031
2.2.3 故事情节生成 032
2.2.4 任务提示和反馈生成 034
2.2.5 关卡地图生成 035
2.2.6 玩家行为预测和个性化体验 038
2.3 玩法创新与平衡性测试 039
2.3.1 游戏玩法创新 039
2.3.2 数据驱动的玩法设计 044
2.3.3 游戏平衡性测试 046
第3章 大模型在游戏程序开发中的应用 049
3.1 代码自动生成和修复 049
3.1.1 代码自动生成 049
3.1.2 代码修复 058
3.2 游戏AI设计 061
3.2.1 自然语言交互系统改进 061
3.2.2 游戏内容生成 062
3.2.3 行为预测与优化 064
3.2.4 游戏AI的学习与适应能力 066
3.2.5 情感识别与表达 066
3.3 实时问题诊断与性能优化 066
3.3.1 日志分析 066
3.3.2 实时监控 068
3.3.3 性能优化 071
第4章 大模型在美术制作中的应用 072
4.1 艺术资产自动生成 072
4.1.1 角色生成 072
4.1.2 环境生成 076
4.1.3 道具生成 083
4.2 动画与特效设计 090
4.2.1 图像生成与画面增强 091
4.2.2 风格迁移与艺术风格转移 092
4.2.3 outpainting扩展图像 094
4.2.4 特效设计与动态模拟 099
4.2.5 AI辅助创作工具 101
4.3 风格一致性检查 104
4.3.1 风格一致性检查的重要性 104
4.3.2 风格识别与分析 104
4.3.3 自动标注和分类 105
4.3.4 风格转换和匹配 108
4.3.5 定制化的风格指南 109
第5章 大模型在游戏测试中的应用 112
5.1 自动化测试 112
5.1.1 游戏测试面临的挑战 112
5.1.2 自动化测试的优势 112
5.1.3 测试用例生成 113
5.1.4 自动化生成测试脚本 116
5.1.5 异常情况模拟 119
5.1.6 自动化测试报告 124
5.1.7 游戏测试工具集成 124
5.2 游戏体验优化建议 124
5.2.1 游戏平衡性优化 124
5.2.2 游戏性能优化 127
5.2.3 用户体验优化 131
5.2.4 内容更新优化 132
5.2.5 社交体验优化 133
5.3 bug报告与分类 133
5.3.1 bug报告生成 134
5.3.2 bug分类与优先级划分 135
5.3.3 bug关联分析 135
5.3.4 自动化测试与反馈循环 136
第6章 大模型在游戏客服与社区支持中的应用 137
6.1 自动响应玩家咨询 137
6.1.1 游戏客服面临的挑战 137
6.1.2 大模型在游戏客服与社区支持中的优势 137
6.1.3 技术实现 138
6.1.4 情绪识别与处理 141
6.1.5 内容过滤与审查 142
6.1.6 大模型在游戏客服与社区支持中的其他作用 142
6.2 生成和更新FAQ 143
6.2.1 FAQ介绍 143
6.2.2 自动生成FAQ 143
6.2.3 个性化内容生成 144
6.2.4 大模型在FAQ生成和更新中面临的挑战 145
6.3 社区动态监控与趋势分析 146
第7章 大模型对游戏运营等方面的支持 148
7.1 营销内容的生成与优化 148
7.1.1 大模型在营销内容生成方面的应用 148
7.1.2 大模型在营销内容优化方面的应用 155
7.1.3 大模型对其他人员的支持 156
7.2 数据分析与玩家行为预测 156
7.2.1 数据收集与整理 156
7.2.2 特征工程 157
7.2.3 机器学习模型训练与应用 157
7.2.4 个性化推荐与建议 158
7.3 法务和版权相关文档助手 158
7.3.1 合同起草与解释 158
7.3.2 法律文件分析与研究 161
7.3.3 版权管理与侵权检测 163
第8章 大模型在游戏应用中的挑战 164
8.1 数据偏差和模型偏差问题 164
8.2 创意与自动化的平衡 165
8.3 技术与法律伦理的界限 168
第9章 未来展望 170
9.1 行业趋势与大模型的演进 170
9.1.1 行业趋势 170
9.1.2 大模型的演进 171
9.2 游戏的个性化与定制化发展 172
9.3 大模型与其他技术融合的潜力 174
第 10章 大模型在游戏开发中的应用综评 177
10.1 大模型的综合评估 177
10.1.1 应用领域 177
10.1.2 性能评估 178
10.1.3 可解释性 179
10.1.4 安全性评估 180
10.1.5 大模型的优缺点 180
10.2 大模型对游戏产业的长远影响 181
10.3 大模型的下一步发展方向 182
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
