1. 项目概述1.1 配色废稿游戏美术的隐形时间黑洞做游戏皮肤设计的同学应该都有过这种经历一个角色建模完成、动作绑定OK、特效点位全部就位最后却卡在配色上。主美说“再试一版冷色调”策划说“饱和度再压一点”市场说“这个颜色和竞品太像了”——于是你打开PS建了十来个图层把色相饱和度循环微调每一个方案都要完整走一遍“改色、导出、预览、开会、推翻”的流程。一天下来真实有效产出可能只有两三个配色版本剩下全进了废稿文件夹。这块工作之所以让人烦躁是因为配色本身是个高度主观的事情。它不像建模、动作那样有明确的对错标准更多时候是在“好看”和“符合需求”之间来回试探。我入行前几年遇到配色修改意见基本靠“重画一遍”效率低人也容易麻。后来慢慢摸索出一套基于AI上色工具的工作流才把这个环节的产出速度和修改效率提了一个档次。这篇就聊聊我目前在用的方案Palette.fm 分层导出 批量验证一套流程下来给单个皮肤快速产出20套配色方案是完全可行的事。1.2 Palette.fm 能做什么解决什么问题Palette.fm 是一个基于AI的图片上色工具核心能力是给灰度图或“配色不如意”的图片重新上色。它和一般意义上“把黑白老照片变成彩色”的修复工具不同Palette.fm 保留了相当高的可控性你可以通过文本描述来控制主色调、氛围、光影方向也可以锁定画面的某些区域不参与重绘剩下的交给模型去生成。这个特性套到游戏皮肤设计里非常契合“配色提案”这个场景。我只需要把做好的皮肤原画抽成灰度层或者保留勾线和底纹用Palette.fm的大模型跑一批不同配色的版本再把配色版本丢回原工程里做局部修正和贴图替换就能在极短时间里拿到多套风格差距明显、且真正能进评审流程的方案。相比传统手调至少省掉了“每套都要手动改色、手动调曝光、手动处理边缘”那些重复劳动。注意Palette.fm 不是专门为游戏美术设计的工具官方定位是给图片上色。所以实际使用时需要自己搭一层工作流把它的输出转成游戏引擎能用的贴图资源。这个“转换”环节很多人不知道怎么做下面的内容会详细展开。这个工具适合谁如果你负责的工作里包含“给角色、皮肤、UI主视觉出多种配色提案”这类内容——不管是游戏、动画、潮玩还是平面设计——这套流程都值得参考。纯做科幻机甲、赛博朋克这类高概念风格时AI上色反而能给你一些意想不到的惊喜方案尤其是颜色搭配上人类容易陷入审美惯性AI的“意外感”有时候比精确控制更值钱。2. 内容整体设计与思路拆解2.1 为什么选“灰度底模 文本控制”而不是“直接改色”在正式操作之前我想先把方案选型这件事讲清楚。很多人第一次用Palette.fm会直接传一张彩色原画进去然后让AI“换个色”。这么做不是不行但效果比较随机——模型会把你原图的色彩分布当作起始状态去扰动出来的结果往往是在原色调基础上做个偏移整体跨度不够大。也就是说你让AI“改成莫兰迪色系”它很可能会给你一套“原图饱和度降一点、灰一点”的版本而不是你脑子里那种真正换了色相的莫兰迪配色。更好的做法是先把原画降饱和度、甚至统一压成灰度图再交给AI去上色。这样做的好处有三点模型更自由灰度底模没有色彩信息AI在做上色时不受原图色相束缚能产出从暖到冷、从高饱和到低饱和的全范围方案色彩归因清晰如果直接给彩色图最终颜色是“原图颜色 AI调整”的混合结果出了问题你很难判断是原图导致还是模型导致。灰度图就没这个问题输出色就是模型的决定调起来更直接可复现性好一套灰度底模可以反复用配合不同文本提示词每次生成的都是可靠对比组。如果对彩色原图操作每次输入的起点都不一样实验变量就没法控制。我现在的做法是用 Photoshop 的“黑白调整层”先把原画压成灰度保留中间调细节和高光阴影关系。注意这一步不要用“去色”命令去色会丢失很多明度层次尤其容易把金属材质压成一坨灰。用“黑白调整层”并把红、黄、青的比例开大一点能保留不同材质之间的原始明度差AI在上色时就能“按材质”区分对待。2.2 20套配色的生成逻辑不是“随机20次”而是“按维度铺开”拿到了灰度底模接下来一个关键问题20套配色方案怎么定义如果只是让AI随机出20套大概率会得到一堆看起来差不多的结果因为模型在你没给约束时会倾向于选择它训练分布里的“平均好看方案”——多数都偏暖调、偏柔和、对比度适中。这对实际交付没什么用。所以我会在第20套方案里按四个维度去刻意铺开色相跨度红、橙、黄、绿、青、蓝、紫、品红主色相至少覆盖8个大类明度关系从高调大面积浅色到低调大面积深色分布几个梯度饱和度风格高饱和卡通、低饱和高级灰、霓虹荧光感分成3-4组氛围关键词不同主题对配色的感知需求不同比如“魔法系”可以要神秘感“科技系”要冷冽感“丛林系”要自然感这些用文本提示词来控制。实际操作时我会列一张Excel表每一行是一条提示词配置。生成完一批以后直接按表格核对覆盖率缺哪一档就补哪一档。这个习惯最早是从视觉调研工作里养成的后来发现套在AI生成上也很好用——有表格做基线生成的过程中不会“跑偏”也方便事后跟策划、主美对需求的时候一条条讲清楚“为什么这版是这个配色”。2.3 为什么选择“关键词驱动”而非“色值指定”Palette.fm 提供了两个上色方向一个是通过文本描述驱动一个是给参考色板让它学习。实际使用下来我绝大部分场景都用文本描述不太用色板指定。原因是色板指定更适合“复刻某一套固定色彩”比如IP联动必须用对方的主色这种时候没有办法。但如果是从零做提案文本描述获得的结果会更“活”——我把它理解成“结构先行的配色”模型理解了“暗黑骑士”“熔岩”“冰霜”这些概念性的词之后它在不同结构上分配的色彩是有关联逻辑的而不是像在Photoshop里替换色块那样各区域颜色相对孤立。比如我写“deep ocean, cyan and dark blue, bioluminescent glow”模型会在阴影区给蓝紫调在发光区给青蓝色在中间调保留一层灰绿过渡。这个“整体性”是色板指定很难做到的也非常适合游戏皮肤需要“从一个核心概念出发生成完整配色故事”的场景。提示如果你确实需要指定某一两个关键色可以在文本描述里加“primary color is X, accent color is Y”Palette.fm对主辅色的控制能力相对可靠但别指望它精确到十六进制色值。它对色相的识别是语义级别的不是取样级别的。3. 核心细节解析与实操要点3.1 准备灰度底模的四个注意点灰度底模的质量直接决定最终上色效果的天花板。这里说四个容易踩的坑。一是描边和轮廓线必须保留清晰。游戏皮肤原画通常有明确的描边或轮廓线这些线条在灰度化之后一定要还能看清。如果压灰度后线条糊掉AI上色时会为了“修复”画面结构而强行补细节最后输出一套结构浑浊的配色根本没法用。查“线条是否清晰”的办法很简单把灰度图缩到手机屏幕大小眯着眼睛看轮廓还分得清就算合格。二是抠掉背景再压灰度。Palette.fm模型不会区分“角色”和“背景”它是整张图上色。如果你把背景也一起交给它背景颜色会干扰角色身上的颜色分配逻辑。尤其当背景饱和度很高时模型很容易把角色的环境反射涂成背景色导致角色和背景糊成一片。所以我把角色单独抠出来、填一块中灰色底再进工具。三是不要过度锐化。有些同学为了让灰度图“更有细节”顺手加一轮USM锐化。这会让AI在处理材质边界时产生白边或黑边上完色后这些边缘就像穿了条没剪线头的衣服后期清理工作反而更大。四是分辨率控制在合理范围。Palette.fm网页端对超大图有压缩处理传4K原画进去不仅慢输出还可能丢失细节。我的经验是长边控制在1024~1536px之间既保住了细节精度也留够了后期做选区调整的空间。真要出4K贴图拿这个输出做配色参考回到原工程里手动映射就行不用指望AI一口气出成品。3.2 提示词撰写的结构套路把提示词写好是整个流程里最值得花时间练习的地方。Palette.fm的文本理解能力还算可以但对描述里的“优先级”不敏感——你写10个颜色词和2个颜色词效果差距很大模型会尽量把所有词都照顾到然后折中出一个平均结果。我常用的提示词结构是四段式主题意象词1-2个决定整体风格走向如“royal knight”“desert wanderer”“cyber samurai”主导色 结构部位2-3个明确哪个部位什么颜色如“dark crimson armor, silver metallic joints”氛围/材质词1-2个补充光感、质感信息如“matte finish, dramatic rim light”整体色调控制1个最后用一个全局词收束如“muted color palette”“high contrast”“pastel tone”。举一个实际的例子。我给一套“沙漠游侠”风格的皮肤写提示词写的是desert wanderer, rusty orange duster coat, dark leather straps, bronze metal accessories, golden sand environment reflection, warm sunlight, matte fabric, muted color palette生成的结果整体在橙棕色系里打转硬质部分偏暗铜色布面部分偏暖沙色高光处带了点金黄色环境光。逻辑是通的。如果我当时直接写“brown jacket, gold accessories, warm lighting”模型很可能把所有棕色混成一个色阶布料和金属之间没有明度差整体就是一团“咖喱色”。3.3 区域保护与局部修正AI做不到100%干净Palette.fm在网页端提供了区域编辑功能可以对生成的图片局部重新上色。但按我实际用的体验这个功能的精确度到“够用”为止——能在指定区域改个大致颜色但边界控制粗糙没法做到像用蒙版画出精确选区那样干净。所以我的处理是AI负责“大方向”精修交给PS。也就是把AI生成的彩色版本导入PS用色相/饱和度调整层逐层压AI哪里涂错了框选出来单独调一遍要是某个部位AI给的颜色完全不符合逻辑就直接用原工程里的材质层手动重新填色。一个不算技巧但必须提醒的点AI上色结果在“缩小看”时往往很惊艳放大看细节区域眼睛、缝线、金属刻痕会有色彩溢出的情况。如果你交付评审时放的是整体效果图问题不大但如果要进引擎实机预览还是建议先做一轮细节修正。3.4 批量生成的效率技巧20套配色如果一张一张网页生成那还算不过来时间。实际我跑批量时会用Palette.fm的API或者直接用网页端的“Duplicate Remix”功能先打底再配合浏览器自动化工具把提示词轮询替换。这里说下API方案的大致逻辑Palette.fm有开发者接口注册后拿到token把灰度图上传后用不同提示词调用生成接口返回的图片就是对应配色版本。用Python脚本批量跑每张图大概几秒到十几秒20套在10分钟内能全部生成完。脚本本身不复杂核心就是循环调接口但我建议每次生成固定随机种子方便复现和微调提示词时对比差异保存生成参数到JSON文件包括提示词、种子、模型版本、时间戳方便追溯“这套图怎么来的”下载后立刻按命名规则归档如skinname_01_warmrust.png避免图多了之后不知道哪张是哪个提示词生成的。提示批量生成之前先拿3条提示词各跑1张做冒烟测试确认模型没有“崩”。如果某条提示词生成了结构错乱的图说明提示词和底模的匹配度有问题先把这条优化好再铺量不然20套里有5套崩的整理成本很高。4. 实操过程与核心环节实现4.1 完整实操流程图解从原画到20套成品下面是我目前执行的完整工作流整个过程大概两到三个小时其中大部分时间在跑批量AI生成和后期修正真正手动的步骤并不算多。第一步准备底模拿到原画后先用PS把角色从背景抠出填充中性灰底再用黑白调整层压成灰度图导出为PNG长边不超过1536px。第二步规划20套配色按“色相跨度、明度关系、饱和度风格、氛围关键词”四个维度列成表格每条提示词包含四段式结构提前准备20条避免临时写词导致风格失控。第三步批量生成把灰度图上传Palette.fm调用API或网页端轮询生成20套每生成一张在表格里勾选“是否达到初步预期”没达到的先不停全量跑完再统一筛选。第四步筛选与归档从20套里挑出6-8套有明显差异且结构完整的其余归档备查不起删因为有些初看“不合群”的配色后期换个环境光或场景反而能派上用场。第五步局部修正进PS微调每套的细节重点检查面部、金属高光、布料纹理等区域处理颜色溢出和边界污染。第六步合成对比图把修正后的版本放在同一块画布里按A-Z编号配上每套的“氛围关键词”和“适用场景说明”提交评审。4.2 提示词示例与生成结果对照这里放3组实际案例方便理解“同样一张灰度图不同提示词产生的结果差异”到底有多大。案例A熔岩主题lava demon, deep black cracked rock body, glowing molten orange veins, bright yellow core light, dark smoky atmosphere, high contrast, dramatic lighting这套的视觉核心是“黑曜石 熔岩裂缝”。模型给出的结果是主体保持暗色所有裂缝部分自发橙色光边缘泛了点黄。这个方案比较适合“火系元素英雄”或者“深渊Boss”类角色。案例B冰霜主题frost knight, pale ice blue armor, silver white trim, frozen mist around shoulder, cold gray underlight, gothic fantasy style, desaturated cool palette这套追求“冷冽但干净”的效果。模型给的方案基本符合预期——冰蓝色铠甲、银白色边缘、灰冷环境光。饱和度压得较低整体观感比熔岩版安静不少适合“冰雪法师”或者“寒地守卫”这类角色。案例C废土主题wasteland scavenger, dirty olive green coat, rust brown metal pieces, worn leather belt, dusty yellow sand fog, gritty texture, muted earthy palette废土主题讲究“陈旧、脏、实用”。模型给的方案里布面是洗旧的橄榄绿金属部分偏锈褐整体带了一层黄沙雾感。这套用在小兵、佣兵这类量产单位身上很合适。三组对比下来能发现一个规律Palette.fm对“材质 颜色 用途部位”的联合理解能力比较强但对“单一颜色词”的表现往往过于直接。提示词越是包含“什么材质、在哪个位置、什么颜色”生成结果的可用性就越高。4.3 导出规格与引擎适配游戏皮肤配色的最终交付要看目标引擎或软件的要求。这里以Unity/Unreal为例说下常规处理。贴图尺寸AI生成图先以1024px或2048px导出实际进引擎前再按需求缩放到标准尺寸512/1024/2048。不要把Palette.fm的原始输出直接当最终贴图它的输出尺寸不是以引擎规范为基准的。色彩空间生成图默认是sRGB如果是做PBR流程里的Albedo贴图需要确保进入引擎后保持sRGB选项而不是线性空间。透明通道问题Palette.fm输出的是不透明的JPG/PNG原画的透明区域不会保留。如果你需要透明底贴图必须回到原工程里把AI生成的“配色结果”映射回原有Alpha通道——也就是把原来灰度底模的Alpha套到新配色的RGB上。这个操作别偷懒否则导入引擎后皮肤边缘会带白底。命名规范建议采用角色名_皮肤名_贴图类型_v版本号的格式如Knight_AshenLord_Albedo_v02.png。批量产出多套方案时命名不乱能帮后续管理减少大量沟通成本。4.4 如何把生成的皮肤真正“穿”到角色上最后一步是让皮肤方案“落地”——穿到3D角色上做实机预览。这里有人会直接把彩色图喂给引擎当贴图但那样效果往往不理想因为AI生成的图像没有考虑到膝盖、腋下这些区域的UV拉伸实机运动时会出现纹理变形。更稳妥的做法是把AI生成的彩色版本当作“配色参考”在材质球里用TintColor或RGBMask等参数做颜色映射。比如原模型有一套基础底色调我只需要把AI配色的主色块提取出来替换材质球的Albedo Color和Emission Color就能快速得到一套实机预览。效果会跟原画有偏差但作为“配色感受验证”已经够用。如果是2D立绘或序列帧皮肤就用另一个思路AI生成的彩色版本直接在影像处理软件里和原图做“颜色传递”——把AI图的色相、饱和度信息映射到原图明度结构上。这样出来的效果既保留了原图的线条、笔触、光影又获得了AI赋予的新配色。提示无论哪种落地方式都建议生成“三视图对比”给评审看——原画灰度、AI上色版本、引擎实机预览。三者放在一起能直观看出配色在传递过程中损失了哪些东西也好决定下一步修正重点。5. 常见问题与排查技巧实录5.1 生成的配色“太脏”怎么调都灰蒙蒙这是遇到最多的问题尤其是提示词里没写清楚光影方向时。Palette.fm默认的生成结果偏柔和、偏“摄影感”对于游戏皮肤需要的“清晰分层”和“强对比”会弱一些。解决办法有两个方向。一是从提示词下手加入“high contrast”“visible rim light”“strong directional lighting”这类词强制模型把明度拉开。另一个是后期补救进PS后用“曲线”把暗部压深一点用“色阶”把白场提亮一点再把中间调的饱和度轻微增加基本就能从“灰蒙蒙”救回来。5.2 局部颜色溢出特别是毛发和金属边缘AI上色最常把“镂空部位”或“高光边上”涂得超出边界。处理这类问题我现在的做法是用PS的“色彩范围”选中溢出区域利用蒙版把多余的色相压掉再手工用画笔在边缘修一下。如果溢出很严重直接手动框选后用“色相/饱和度”把该区域的色相统一别试图用修补工具一点点擦那样效率太低了。5.3 同一套皮肤生成的各部位颜色“各唱各的调”有时候一张图里铠甲是蓝色的披风是绿色的靴子又变成棕色——单看每个部位都合理但整体没有统一感像从三张不同的图里拼出来的。这是提示词里**缺少“全局色调控制词”**导致的。解决办法是在提示词倒数部分加一个收束词比如“unified color scheme”“limited palette”“dominated by cold tones”等。这样模型在做上色决策时会更多考虑整体性不再“各自为政”。如果已经生成完了才发现这个问题也可以在PS里用“通道混合器”或者“颜色查找”给整体叠加一层统一色调的调整图层效果类似但可控性不如提示词阶段解决。5.4 工具与API限制的避坑经验Palette.fm目前按使用量计费免费额度有限。批量跑20套时最好先把每条提示词在网页端验证一遍再上API避免免费额度被无效生成消耗掉。另一个坑是API的并发限制——太快连续调用会报429错误脚本里建议设0.5秒到1秒的间隔20张图跑下来也就多个十几秒没必要追求极致并发。6. 实操过程中积累的几个经验这套流程跑了大半年从最早的“偶尔用用”到现在的“每周必用”我总结了几条不一定写在官方文档里的经验放在这里给同行参考。第一不要把AI生成的配色当成最终答案要当成“提案的起点”。它的价值在于扩大选项池而不是替代你的审美判断。同样一张灰度图AI能给你8种完全不同的方向但哪一种是“对”的依然需要你来定义。第二灰度底模的质量决定了上限。我试过往AI里丢一张本身结构就糊的灰度图生成结果果然离谱。AI上色依赖明度结构来猜测物体材质如果底模本身没有清晰的“铁金属和布料”的明度对比模型就只能靠脑补结果当然不可控。所以每次拿到原画我都会在压灰度前先修一遍明度层级确保硬质部分亮、软质部分暗、高光位置明确。第三提示词不是越复杂越好。我最初总想写全所有细节结果模型经常在“面面俱到”的路上迷失方向输出的配色像一锅乱炖。后来把提示词精简到“主题1-2个关键色2-3个氛围1-2个”的结构后生成质量反而提升了。核心逻辑是让模型有取舍空间它才会给出有性格的结果。第四建立自己的“提示词库”比每次现写更高效。我用一个TXT文档维护已经验证过的提示词按风格分类冷冽系、复古系、自然系、霓虹系、高饱和系等每次做新皮肤时先翻开文档找相近的底子改几个关键词就能快速进入状态。这个库越用越值钱半年下来已经积累了上百条可用模板。无论你是那种“一天要出20张配色提报”的打工美术还是自己做独立游戏需要快速验证视觉风格的独立开发者这套方案都能把原本几个小时的重复劳动压缩到几十分钟。AI不会替你决定什么“好看”但它可以帮你在短时间内看清楚更多可能你的审美判断力反而因此变得更值钱。