大学时候我就喜爱坐在宿舍的角落，盯着屏幕上那些光影在《黑神话：悟空》和《原神》里晃悠的样子。

那时候认定游戏不就是把小说搬进屏幕吗？后来转行做游戏美术研究生，特别是转到了虚拟人这个专业，才发现这事儿没那么好办。

那会儿看别人画角色，总想着把皮肤抠下来 P 上衣服，要么直接把动作拆分成零碎的图层拼起来，那种“做加法”的感觉目前想想真是好笑。目前的虚拟人不是静止的图标，他们是会呼吸、会思索、有肌肉记忆和情绪起伏的存有，这得多难啊？ 起初，你得明白虚拟人跟真人演员最大的区别在于“不确定性”。演出现场，导播喊啥，动作就做啥，哪怕是个眼神的犹豫，下一秒都可能变成惊恐要么大笑。在虚拟人里，这个“犹豫”是数据流出来的，是算法模拟出的一种概率分布。

要是你直接让 AI 去学真人讲话，生成的声音可能还是那种标准的播音腔，会显得忒假了。你得得在素材库里存一堆不同的语气——是那种沙哑的中年人，还是带点口音的北方大爷，要么是那种高亢的童声——然后让 AI 从这些碎片里拼凑出各种各样的状态。

这个过程更像是在做拼贴画，还要加上滤镜，把凌乱无章的噪点变成人心跳加速的音效，还得让表情僵在脸上，就连出现一些只有人类演员在紧张时才会有的细小抽搐。 说到数据，我见过一个挺讽刺的例子。有一次为了模拟一个老年角色在雨天的狼狈，我直接让 Midjourney 去搜“雨天打伞的老年人照片”，结局生成的几个画面，伞都拉得挺规整的，腿都是直的。我回去找老导演要原片，他随手翻翻手机，指着几个不清楚的粗糙截图说：“你看这个，看那个，腿有点歪，手抖了一下。”我才发现，AI 生成的别看逼真，但那种“不完美”和“生涩感”恰恰是它最迷人的地方。真正的难点在于如何把那些听起来挺违和、挺粗糙的像素点，通过后期处理，让它们看起来像是彻底长成了这个人的骨血，而不是贴上去的。

比如我在做几个游戏里的 NPC 时，光是给皮肤上色，就得把那种皮肤泛黄的质感，那种因长期晒忒阳而形成的光泽感，用不精确的笔触去渲染，这就得靠人工去给 AI 的骨架“量体裁衣”，这是纯自动化一辈子无法搞定的工作。 再者说，虚拟人的交互逻辑比动画复杂多了。真人演员演戏，是“你看我”然后“我演你”，有千丝万缕的联系。而虚拟人全靠算法，它不知道下一秒应当对你笑，还是该躲闪。

这不只是是让代码几遍的难题，是得在代码里塞满对心理学的理解，对神经科学的洞察。我试过用极度好办的规则来驱动一个虚拟人，结局它有时候反应得忒快，像个复读机；有时候又反应忒慢，像个反应迟钝的老头。为了修复这个难题，我得在代码里加一堆人工干预，改那些权重，调那些阈值，就连得重新跑几百次测试，看它在不同情境下的表现。

这个过程累得跟加班似的，并且有时候会陷入死循环，改一个参数，它又歪了，还得再调。 最终，我认定虚拟人最大的价值在于它能打破“人类”的边界。在大量游戏中，玩家就是用虚拟人来体验不同的人生。

这时候，一个基于数据生成的、表情僵硬但眼神坚定的老人在劝用户不要玩游戏，其说服力可能比一个带着哭腔的真人演员还要大。出于没人能否认，那个老人是确实老了，是确实在怕，也是确实在劝你。

这种“不完美的真”，比那种夸张、脸谱化、彻底没有瑕疵的假人更让人信服。 目前的技术还在路上，大量模型还在挺虚，生成的东西看着挺好，玩着挺假，讲话像机器人。但我却认定，只要肯花工夫去摸索、去理解那些看不见的逻辑，去打磨那些粗糙的细节，虚拟人就能从“玩具”变成有温度的伙伴。它不需求长得像人，也不需求讲话像人，它只需求展现出一种活着的、带着不确定性的生命力。

这或许就是游戏美术研究生这门课真正的意义，不是教人如何画得精致，而是教人如何理解“不完美”背后的逻辑，如何在数据的海洋里打捞起灵魂的碎片。