我用 Kimi K3 复刻了纪念碑谷
- 作者宣称
- 作者称 Kimi K3 自动生成模型、音乐、关卡;使用 Three.js,提示词要求复刻核心玩法与美术。
- 页面可验证
- 原帖正文、置顶提示词与作者 Demo 均可访问;Demo 页面标明 Tone.js,公开脚本含背景 pad 与脚步、棘轮、吸附、失败、胜利等合成方法。
- 研究判断
- 直接相关的作者声明与公开声音实现;生成过程、实际听感和声音相似度未验证,不是已证实的直接音频模型复刻。
面向游戏互动、空灵极简配乐、冥想背景声与短剧营销。先核实《纪念碑谷》相关声明,再决定哪些工具值得进入制作流程。
已找到两条直接相关的小红书线索。马小北称用 Kimi K3 自动生成《纪念碑谷》网页仿作,包括音乐;其公开 Demo 确实含 Tone.js 程序合成的背景长音和多类交互音效。酥鱼鱼鱼的 Claude 仿作帖也明确描述了 Web Audio 合成声音系统。它们足以回答“是否有人宣称或展示过”:有,但核实到的路线是 AI 辅助编写声音代码。
未找到能够核实使用 Suno、Udio 等直接音频生成模型仿制《纪念碑谷》原声的作品;无法核实上述仿作声音的相似度、制作全过程和最终听感。公开案例调研阶段没有试听目标作品或运行其性能测试,不能把源码存在写成声音质量已通过。另新增了四个行动的本地程序合成样片,这不构成外部音频模型能力的实测。
实际制作可以从“生成候选资产 → 人工筛选、剪辑与混音 → 接入确定的游戏事件”开始。背景音乐和氛围声值得测试;音高、触发时机和细微动作反馈宜用程序合成或传统音频制作补齐。互动声音系统仍需要事件映射、变体、循环、并发控制和混音。
证据标签:作者宣称=原作者文字;页面可验证=本轮读取到的页面或公开代码;研究判断=据证据作出的分类。所有工具适配度都是文档基础上的判断,未进行横向音质实测。
前两条是重点证据。其余保留为弱关联、传统重制或视觉误判对照,避免把“AI 游戏”统一当成“AI 声音”。小红书链接包含平台访问校验参数,失效时可用作者和完整标题站内重搜。
原作团队访谈显示,声音不仅是空灵音乐:它还用有调反馈、动作相关音层和引擎内控制,让玩家操作参与音乐。Todd Baker 的访谈描述了概念阶段替换视频声音、采样乐器及 Wwise 整合;MV3 访谈涉及旋转和船只运动相关声层。适合借鉴的是“稀疏背景+清楚的动作反馈+空间变化”,而非原旋律或音色拷贝。
| 平台 | 实际方法与结果 | 覆盖限制 |
|---|---|---|
| 小红书 | 检查 Agent Reach / OpenCLI 后端。内置浏览器先出现“电脑设备登录超限”;OpenCLI 搜索适配器又报筛选面板 ambiguous_option。改用官方 browser fallback,连接本机已有登录 Chrome,成功读取真实站内搜索页与原帖。 | 不是用户未配置,也不是其他窗口没有登录。5组搜索各读取首批约20条卡片,完整读6条候选;未深度翻页,排序与个性化会影响结果。 |
| B站 | 浏览器适配不可用后,使用可访问的公开搜索与详情 API;5组查询成功返回。重点核对 Medly 重制和 Unity 教程。 | 部分返回为广义或不精确匹配。没有逐视频试听,不能把 API 有结果当成所有词精确命中。 |
| 抖音 | 实际尝试 OpenCLI 站内搜索,预导航报 Detached while handling command;继续公开索引搜索。 | 失败发生在导航阶段,登录态无法据此判定。未覆盖有效站内结果或视频音轨,明确保留检索缺口。 |
| 中外公开网页 / 社区 | 公开搜索、Exa 与可读原页面;覆盖 YouTube、LinkedIn、Devpost、Reddit 可索引页面、工具官方文档与制作访谈。 | 无付费 / 私密社区、完整 Discord 或 Reddit 登录态深搜;未找到不等于不存在。 |
初次在沙箱运行后端检查时,网络限制与路径差异造成部分工具被报为不可用;在获准的本机环境复核后,确认 OpenCLI、Exa 配置已存在。扩展诊断显示的“未连接”是当时快照;随后实际 Chrome 搜索成功才是本轮站内覆盖的依据。
小红书成功读取的查询:纪念碑谷 AI 音效;纪念碑谷 Suno;纪念碑谷 AI 配乐;纪念碑谷 音效 复刻;纪念碑谷 AI 背景音乐。
其他检索覆盖:纪念碑谷 AI 复刻 / 仿作 / 重制、AI 游戏音效;Monument Valley AI sound / music / redesign / recreate / remake;搭配 Suno、Udio、ElevenLabs、game audio、Reddit、YouTube。B站还追加 Medly 音效定位原视频。
逐条排除美国红岩地貌与 Adobe Illustrator 教程。遇到“AI”时检查其是否指绘图软件;遇到 AI 内容标记时检查其是否仅指图像、视频或配音。Suno 配美国地貌视觉的视频也不算游戏声音案例。
“优先试”表示任务形态与官方能力相符,不表示本轮验证过成品音质。国内候选以 Mureka 与豆包音乐接口为代表;没有为凑数量给未核实商业规则的产品排位。
| 工具 | 背景音乐 | 短音效 | 环境循环 | 交互反馈 | 控制与迭代 | 本轮公开作品证据 |
|---|---|---|---|---|---|---|
| Suno | 优先试:氛围、旋律和短剧配乐草案 | 非专门工具 | 可试,接缝需剪辑 | 宜离线素材;精确触发需引擎 | Extend、Studio选区 / 分轨 / WAV 导出;精确音高与动作同步仍需修订 | 未找到可核实的 MV 音频模型仿作 |
| Mureka(国内来源产品) | 优先试:纯器乐和 soundtrack | 非专门工具 | 可试,未见可靠无缝保证 | 用预生成音乐片段 | API有延长、分轨等能力;区段编辑文档面向时间范围与歌词,纯音乐局部重配未确认;网站 / API 付费分开 | 本轮未获得目标风格实测样本 |
| 豆包音乐 / 火山引擎 | 可试:短BGM批量素材 | 非专门工具 | 需自行处理循环 | 不是低延迟动作音效系统 | 异步API,文档列纯BGM至60秒;参数与编辑能力需实际接入确认 | 本轮仅官方文档,未测生成 |
| Stable Audio 2.5 / 3.0 API | 优先试:器乐氛围与环境纹理 | 可试,极短精细声音需筛选 | 可做底材,仍验接缝 | 离线资产+事件控制 | 时长、seed、音频输入 / inpaint;更便于固定实验参数,不保证每次完全一致 | 无本轮 MV 定向公开成品 / 实测 |
| ElevenLabs Sound Effects | 只适合短音乐元素,不作长配乐主工具 | 优先试 | 优先试:有 loop 参数 | 适合预生成点击 / 机关 / 环境声;运行时映射另做 | 当前API为0.5–30秒、提示词影响度、循环;概览页最短时长描述不同,以所用接口为准;音阶一致性不能只靠文字保证 | Agent SFX 有 Godot 整合展示,非 MV |
| Eleven Music | 结构化配乐值得试 | 非专门工具 | 有局部拼接工作流,仍验接缝 | 分段 / 状态音乐素材 | composition plan、分段时长、局部重生、纯器乐参数;官方不同页面对总时长描述不一致,按所用API确认 | 未找到本轮目标作品;授权限制较多 |
| Udio | 仅适合站内听取创意参考 | 非专门工具 | 当前难交付 | 当前不建议正式资产制作 | 官方说明音频、视频及分轨下载关闭 | 无本轮目标证据 |
| AI 写 Web Audio / Tone.js | 适合简单长音垫;复杂编曲另做 | 优先试:有调提示音 | 持续合成易控制 | 优先试:事件、音高、速度参数可明确 | 可编辑振荡器 / 包络 / 滤波 / 事件代码;须检查浏览器解锁、并发及资源释放 | 两条XHS声明,其中Kimi Demo声音代码已核对 |
商业资产保存:工具与模型版本、提示词、生成及下载日期、原始文件、编辑工程、套餐 / 账单与当日条款。还需确认输入素材有权使用;平台许可不代表输出独占或一定获得版权保护。
建议费用上限:300元,先不购买全年套餐。选两种音乐路线作对照:Stable Audio API+Mureka或Suno二选一;短音效用付费ElevenLabs SFX,另做一组程序合成反馈。不需要同时订阅全部产品。此为试验预算,不是已确认结算价;例如12次Stable Audio API生成约$2.40–3.12,另计最低充值、税费、汇率与其他订阅。
艺术方向定义为“寂静建筑、柔和材质、缓慢空间变化、稀疏音符、低刺激”。生产提示词不写原作或作者名字,不输入原声片段,不要求复制原旋律。自建一个三音动机和音阶规则,让游戏、冥想与营销素材共享辨识度。
| 样片资产 | 目标 | 主要验收 |
|---|---|---|
| 探索BGM 60–90秒 | 无歌词;稀疏柔和拨奏+低密度pad;保留操作声音空间 | 无多余人声、突兀鼓点;可剪辑成循环;不盖过反馈 |
| 冥想BGM 2–3分钟 | 低变化、无强节拍;用于舒缓体验的声音设计 | 连续听10分钟无明显突变或疲劳;不声称治疗 / 助眠效果已验证 |
| 营销BGM 15秒 / 30秒剪辑 | 开头声音钩子、中段对白空间、结尾悬念或解脱 | 切点明确、对白清楚;同动机可有两种情绪版本 |
| 2条环境循环 20–30秒 | 轻风 / 空间纹理,避免抢夺注意 | 10次循环无可察觉接缝或点击;单声道手机仍可听 |
| 6类反馈 × 3变体 | 轻触、旋转起始、旋转持续、吸附、成功、柔和否定;通常0.15–1秒,成功1.5–3秒 | 同家族统一、不同状态可辨;持续旋转另做1–3秒可控循环 |
各音乐工具用相同意图、接近时长,各做3–4个候选,最多两轮提示词修订。音效也按家族生成,禁止只挑某工具最佳一条与另一工具随机一条比较。预先记录候选数量、时间、失败类型与导出条件。
探索音乐:
Instrumental ambient score for a quiet architectural puzzle. Sparse soft felt plucks, warm restrained drones, delicate distant resonances, slow movement, lots of silence between phrases. Original three-note motif, calm curiosity, no vocals, no choir, no drums, no dramatic climax. Keep room for small game feedback sounds. 75 seconds.
冥想音乐:把拨奏进一步减少,改为温暖持续纹理、渐进微小变化、无突发瞬态、无明确高潮;要求结尾易于衔接开头。具体工具的时长参数优先于提示词中的数字。
吸附反馈:
A single gentle puzzle alignment click: a small soft wooden contact followed by two warm rounded tonal pings, delicate and reassuring, very short dry attack, subtle short room tail, no voice, no harsh metal, no dramatic impact. About 0.6 seconds.
音效提示词中的“两音”和“时长”不是保证。要固定D大调五声音阶(D/E/F♯/A/B)时,用程序合成 / MIDI重做有调层;AI生成的材质层可保持无明确音高,二者混合。
制作一个“点击 → 旋转 → 吸附 → 解锁”30秒小场景,声音预先加载。旋转速度映射连续声层的音量 / 滤波,开始和停止做短淡变;吸附触发固定音阶,成功动机来自原创三音主题。设同类最大并发、变体不连续重复和响度上限。避免每次点击都等待在线AI生成。
音乐剪掉多余开头、突变和尾部;循环用匹配段落 / 交叉淡化处理,再验证重复播放。对白出现时降低BGM与混响。交付保留原始最高质量文件,按项目要求另导PCM;48kHz / 24bit可作为项目统一格式,但把MP3转WAV不会恢复损失。短反馈可单声道,氛围可立体声,必须查单声道兼容。
工具选择结果不必“一家通吃”:可能最终保留一种配乐工具、一种SFX工具,以及程序合成的统一反馈库。评价“合格资产的成本”,不以单次生成价格或宣传音质代替决定。
极简空间感适合悬疑、奇幻、情绪和解、治愈氛围;对白密集或强冲突片段需更多节奏与中频让位。背景音乐服务剧情,不要为了空灵而削弱人物冲突。
| 内容形式 | 具体做法 | 适合验证什么 |
|---|---|---|
| 15秒声音钩子 | 0–2秒:关键动作+独特轻响;2–10秒:对白留白;10–15秒:三音动机未解决,画面抛出悬念。 | 2 / 3秒留存、完播、进入正片率 |
| 同一场景,两种声音走向 | 同样镜头和文案,温暖版与不安版;发布为独立素材A/B,或先做内部对照片。 | 哪个情绪解释更准确、付费 / 自然流量效果 |
| 机关式剧情揭晓 | 用旋转 / 吸附反馈配合线索拼合;揭晓时主题完整落地。只在真实剧情有对应转折时使用。 | 转折处留存、评论是否理解线索 |
| 20–30秒沉浸世界片 | 场景声为主,BGM极少;连续三个微小动作,每次有一致的声音反馈,最后接剧名或关键台词。 | 收藏、回看、声音辨识度;为奇幻 / 世界观预热 |
| 制作过程短视频 | 展示brief、几个AI候选和人工剪辑后的结果,说明哪些是生成、哪些是合成 / 手工修整。 | 内容创作者关注与品牌可信度;不要把工具示范等同剧情转化 |
选一个有代表性的片段,用现有合法音乐版本作基线,AI版本只改声音,其余镜头、字幕、封面、受众与CTA一致;响度匹配,排除“更响所以更吸引”。先做5–10人盲评,随后各收集约200–500次合格曝光找方向,这只是初筛,不足以自动得出统计显著。正式投放按基线转化率估算样本量,并平衡时段与受众。
分别看3秒留存、完播、正片入口点击 / 有效观看,以及看完后的情绪理解与动机辨识。记录背景音乐盖对白、刺耳、循环疲劳等负反馈。字幕保证静音观看也能理解;声音版没有提高目标指标就保留基线。不要预先承诺AI声音能提升营销转化。
先拿出上述3组BGM、2条环境声和18个反馈变体,并接入一个30秒原型。把“仿作案例已经找到”与“哪家工具能交付合格声音”分开:前者已有可追溯证据,后者需要这轮样片试验才能作出结论。抖音有效站内检索与目标作品试听保留为后续补核事项。