ByteDance Games' KI-Fehlerversuche haben dieses Mal einen Weg geebnet

Am 17. Juli veröffentlichte die ByteDance-Game-Tochtergesellschaft Nuverse den zweiten PV (Promotion Video) von „Frag nicht nach der Welt der Sterblichen“, einem ultrarealistischen interaktiven Werk zur Kultivierung der Unsterblichkeit, das vollständig mit KI erstellt wurde.

In diesem käuflich erwerbbaren interaktiven Produkt zum Thema Kultivierung der Unsterblichkeit werden fast alle Szenen, Charaktere und Kampfanimationen von KI-Modellen wie Seedance generiert.

Von der Projektgründung im vergangenen Oktober bis zur Veröffentlichung von zwei PVs in diesem Jahr verging weniger als ein Jahr.

Kürzlich führte „Wall Street News · All-Weather Technology“ ein ausführliches Gespräch mit Xinjie, dem Hauptproduzenten von „Frag nicht nach der Welt der Sterblichen“, und seinem Team, dem Jiangnan Studio.

Hinter dem weniger als einjährigen Entwicklungszyklus verbirgt sich tatsächlich das gemeinsame Wachstum des Teams und der KI-Modelle.

Bei der Projektgründung im vergangenen Jahr befanden sich die von KI-Videomodellen generierten Charaktere noch in der Phase, in der „die Menschen nicht einmal wie Menschen aussahen“. Das Team musste wie bei Flash-Animationen arbeiten, Schlüsselbilder manuell einfügen und sie dann dem Modell zur Verknüpfung übergeben. Nach der offiziellen Veröffentlichung von Seedance 2.0 zu diesem Frühlingsfest überschritten die Videos die Phase des „Uncanny Valley“, das Modell begann, die Darstellungen der Charaktere zu verstehen, und die Produktionseffizienz erlebte einen qualitativen Sprung.

Trotzdem hinterließ ein Wort, das Xinjie im Gespräch wiederholt erwähnte, einen tiefen Eindruck: „Fleiß“.

In der heutigen Zeit, in der sich KI-Tools rasant weiterentwickeln, scheint dies ein unpassendes Wort zu sein.

Aber Xinjie legte eine Reihe von Zahlen vor: Um bessere Ergebnisse zu erzielen, lag die Erfolgsrate des Teams bei der Auswahl von Materialien zeitweise nur bei 2 %.

Um ein 15-sekündiges Segment zu erstellen, konnte das Team bei jedem Versuch möglicherweise nur 5 Sekunden für passend halten, und diese 5 Sekunden erforderten zwischen 20 und 100 Versuche. Komplexe Aufnahmen erforderten sogar mehr als 100 Versuche, um 3 bis 5 Sekunden nutzbaren Inhalt auszuwählen.

„Obwohl sich die Tools weiterentwickeln, hängt es teilweise davon ab, auf den Fortschritt der Tools zu warten, aber teilweise auch von dem Fleiß und der Geduld des Menschen, wie man die Tools einsetzt und besseren Inhalt erzeugt“, sagte Xinjie.

Eins

Ständiges Ausprobieren und Fehler machen

„Frag nicht nach der Welt der Sterblichen“ ist das vierte KI-Spiel, das das Team von Xinjie, das Jiangnan Studio, entwickelt hat. Das Schicksal der ersten drei Spiele gleicht einer komprimierten Geschichte des KI-Probierens und Fehlerbehebens.

Das erste war ein „Chefsimulator“: Die Spieler übernahmen die Rolle des Chefs, kommunizierten mit den Mitarbeitern in natürlicher Sprache, verwalteten deren Zustände und schlossen ein Simulationsgeschäft ab.

Das Team war damals begeistert von der Fähigkeit der KI, unstrukturierte Daten zu erkennen. Herkömmliche Eingaben sind strukturierte Zahlen und Tabellen, während KI die Bedeutung eines Absatzes verstehen kann.

Aber nach der Fertigstellung des Demos strichen sie das Projekt trotzdem.

Der Grund war einfach: Interaktion in natürlicher Sprache ist eine „sehr aufwändige“ Interaktion. In herkömmlichen Spielen erhalten die Spieler durch Drücken mehrerer Tasten eine große Menge visuelles Feedback und emotionale Darstellung; in diesem Simulator hingegen müssen die Spieler ständig tippen, was die Interaktionslast erheblich erhöht, ohne dass das Feedback entsprechend stärker wird.

Das Team leitete ein Prinzip ab: Das beste Produkt zeichnet sich durch leichte Interaktion und starkes Feedback aus.

Das zweite Spiel war ein „Buchdurchquerungsspiel“. Die Spieler entwickeln verschiedene Charaktere und führen sie in verschiedene Geschichtenwelten. Zum Beispiel hat das Team einmal im Spiel Lin Daiyu nach Hogwarts gebracht, und die KI zeigte eine überraschende emergente Fähigkeit: Lin Daiyu konnte keine Zaubersprüche wie „Wingardium Leviosa“ aussprechen, sondern zauberte durch das Dichten von Gedichten.

Dieser Moment ließ das Team denken: „Das ist großartig“, es passte sowohl zur Weltanschauung von Harry Potter als auch perfekt zum historischen Hintergrund des Charakters.

Aber auch dieses Produkt scheiterte, das Problem lag in der Gedächtnisleistung der KI – die Charaktere gerieten oft „in einen Gedankenchaos“. Zum Beispiel, nachdem der Charakter die Weltmeisterschaft absolviert hatte, sollte er gegen die Invasion der dreikörperlichen Flotte kämpfen, und die KI sagte: „Ich werde die Taktik der dreikörperlichen Flotte mit der 4-2-3-1 Formation des WM-Finales analysieren“.

Das Team verbrachte mehr als einen Monat damit, das Problem zu lösen, stellte aber fest, dass dies die Grenzen der Modellfähigkeit darstellt und ein Durchbruch durch ingenieurstechnische Fähigkeiten kaum möglich ist.

Das dritte Spiel hieß „Ich bin ein großer Regisseur“. Die Spieler pflegen Stars, wählen Rollen aus, ändern Drehbücher und kämpfen um Kinoeinnahmen, während die KI Trailer von Filmen generiert, die die Stars drehen, als Feedback.

Das Team findet dieses Spielprinzip bis heute sehr interessant, aber es scheitert an den Betriebskosten – es muss darauf gewartet werden, dass der Preis von Videomodellen um ein bis zwei Größenordnungen sinkt, bevor es vorangetrieben werden kann.

Aber gerade bei der Arbeit an „Ich bin ein großer Regisseur“ entdeckte das Team zufällig etwas: Einen von KI generierten echten Menschen auf dem Bildschirm zu bewegen und ihn auf die Auswahl des Spielers unterschiedlich reagieren zu lassen, bildet bereits einen minimalen Spielzyklus.

Damals suchte das Team einfach nach einem zufälligen Charakterbild im Internet, bestimmte die ersten und letzten Schlüsselbilder und ließ die KI den dazwischenliegenden Teil ausfüllen. In dem Moment, in dem sich der Charakter bewegte, vermittelte er ein Gefühl der Echtheit.

„Das fühlt sich an wie eine Engine der neuen Ära.“ Das Team traf eine Entscheidung: Es legte das laufende Projekt beiseite und entwickelte ein vollständiges Spiel rund um diese „Engine“.

Das war der Ausgangspunkt von „Frag nicht nach der Welt der Sterblichen“.

Zwei

Ein KI-Team, das Spiele entwickelt

„Wir sind ein KI-Team, das Spiele entwickelt, und kein Spielteam, das KI nutzt.“ Die Mitglieder von Xinjies Team betonten diesen Unterschied erneut gegenüber „All-Weather Technology“.

Die Spielebranche im Jahr 2026 ist längst kein neuer Begriff mehr. Viele Unternehmen fügen bereits KI-Module in ihre etablierten Produktionslinien ein – von der Materialerstellung über die Grafikproduktion bis zur Textgenerierung ist KI in allen Bereichen präsent. Aber Spiele, die mit KI als zentralem Antrieb entwickelt werden, sind tatsächlich selten.

„Frag nicht nach der Welt der Sterblichen“ war von Anfang an anders. Fast alle Inhalte, einschließlich Szenen, Charaktere und Kampfanimationen, werden von KI generiert.

KI ist die Voraussetzung für die Existenz dieses Spiels.

Schon vor der offiziellen Projektgründung von „Frag nicht nach der Welt der Sterblichen“ im vergangenen Jahr baute das Team ein internes Tool, das die multimodalen Fähigkeiten von Modellen zur Bild- und Videogenerierung auf einer einzigen Plattform bündelt. Heute wird diese Architektur vollständig CLI-fähig gemacht: Regisseure müssen nicht mehr einzelne Modelle öffnen, Materialien hochladen und Parameter anpassen – sie sagen dem Agenten direkt, welches Bild sie wollen, und das System erledigt den Aufruf und die Verknüpfung.

Gleichzeitig stellte das Team ein eigenes Regie-Team zusammen. Die von KI generierten Videos erfordern menschliche Kontrolle: Wie Kampfanimationen gedreht werden, um mehr Wirkung zu erzielen, und wie Handlungen gestaltet werden, um emotional berührend zu sein – diese Probleme lassen sich nicht mit ein paar Stichworten lösen.

Das Team von „Frag nicht nach der Welt der Sterblichen“ wollte zunächst externe Partner für die Zusammenarbeit gewinnen, stellte aber fest, dass dies schwierig ist. Viele traditionelle Regisseure beherrschen KI nur unzureichend, wissen nicht, wie sie Agenten für die Produktion nutzen können, und die ästhetischen Vorstellungen der Parteien weichen voneinander ab.

Schließlich beschloss der Leiter des Teams, den Mitgliedern Schulungen zur Nutzung von KI-Tools anzubieten und ihre Denkweise zu verändern.

Die Architektur kann aktiv angepasst werden, aber die Fähigkeiten der Modelle liegen nicht in der Hand des Teams.

Als das Projekt im vergangenen Jahr gerade vorbereitet wurde, befanden sich die von KI-Videomodellen generierten Videos noch in der Phase, in der „die Menschen nicht einmal wie Menschen aussahen“, der Produktionsprozess ähnelte eher der Erstellung von Flash-Animationen.

„Um einen Charakter zum Lachen zu bringen, kann man der KI nicht einfach ein Bild zeigen und sagen ‚Lass ihn lachen‘ – das Modell kann das überhaupt nicht verstehen. Deshalb mussten wir zuerst ein Schlüsselbild des Gesichts von vorne zeichnen, dann ein Schlüsselbild des lächelnden Gesichts, und das Videomodell die beiden Bilder verbinden lassen. Damals brauchten wir alle 5 Sekunden ein neues Schlüsselbild, daher benötigte unser Team dringend Personen, die sich mit Komposition auskannten“, erklärte ein Mitglied des Teams gegenüber „All-Weather Technology“.

Der Wendepunkt trat mit Seedance 2.0 ein.

Nach Angaben des Teams entwickelte sich Seedance von einem Werkzeug zur Verknüpfung von Schlüsselbildern zu einem „stellvertretenden Regisseur“.

Man teilt ihm mit, dass zwei Personen in einer Szene miteinander sprechen, gibt ihm Szenenbilder, Dreiseitenansichten der Charaktere und Tonaufnahmen – es versteht räumliche Beziehungen und Perspektiven, führt die Darstellung selbstständig durch und liefert ein vollständiges Segment. Die Produktionseffizienz sprang endlich von der „Bild“-Ebene zur „Segment“-Ebene.

Derzeit kann Seedance 2.0 pro Durchgang 15 Sekunden Video generieren, die bald erscheinende Version 2.5 wird diese Dauer auf 30 Sekunden erhöhen.

„KI-Video befindet sich noch in der Kindheit“, sagte ein Mitglied des Teams, „aber es hat das Uncanny Valley überschritten und kann mit deiner Kreativität und deinem ästhetischen Empfinden gute Werke hervorbringen.“

Nach der Verbesserung der Modellfähigkeiten liegt die Fehlerrate immer noch bei 98 %. Das Team ist der Meinung, dass viele Menschen ein Missverständnis über die KI-Produktion haben: Sie glauben, der Unterschied liege in den Stichworten.

„Man kann kaum behaupten, dass man eine bahnbrechende Sammlung von Stichworten hat, die das Modell dazu bringt, etwas zu schaffen, das über seine Fähigkeiten hinausgeht. Das ist nicht mehr die Zeit, in der wir leben. Viele geteilte KI-Produktionen im Internet können dir tatsächlich helfen, den Schritt von 0 auf 1 zu schaffen“, sagte das Team, „aber wie kommt man von 1 auf 100? Durch Fleiß und Einsatz. Diese beiden Dinge werden im KI-Zeitalter oft übersehen, aber sie sind immer da.“

Drei

„Wette“ mit dem Modell

Die größte Wette bei der Projektgründung war die Einschätzung der Entwicklungsgeschwindigkeit des Modells.

Das Team musste 6 Monate nach Abschluss des Demos und der Rahmenkonstruktion in die Massenproduktion einsteigen. Ob das Modell bis dahin ein nutzbares Niveau erreichen würde, konnte niemand mit Sicherheit sagen.

„Wenn man zu aggressiv wettet, kommt das Projekt nicht voran; wenn man zu konservativ wettet, entwickelt man ein Produkt der vergangenen Ära.“

KI-Inhaltsprodukte haben ein klares Zeitfenster. Modelle werden etwa alle drei Monate geringfügig aktualisiert und alle sechs Monate umfassend weiterentwickelt. In diesem Jahr erstellte Inhalte könnten im nächsten Jahr bereits „nicht mehr ausreichen“.

Das unterscheidet sich grundlegend von der traditionellen Film- und Fernsehindustrie: Filme, die vor 10 Jahren gedreht wurden, unterscheiden sich kaum von Filmen dieses Jahres in Bildqualität, Aufnahmen, Kostümen und Requisiten. Aber der KI-Bereich befindet sich noch auf einer steilen Aufstiegskurve. „Du musst den Produktzyklus gut timen, um den Rhythmus und das Management des gesamten Teams zu gestalten“, sagte ein Mitglied des Teams.

Einer der Teamleiter gab zu, dass er „ziemlich stark gewettet“ hat.

Bei der Projektgründung hielten einige Teammitglieder das Vorgehen für zu aggressiv. Damals schien es mit den Fähigkeiten des KI-Modells sehr schwierig, die Massenproduktion des Spiels zu realisieren. „Aber die Teammitglieder, die bereit waren, an solchen Inhalten zu arbeiten, glaubten alle an diese Richtung.“

Heute hat sich die Wette als „richtig“ erwiesen.

Als es um die Geduld von ByteDance für das Spielgeschäft ging – ein Thema, das von außen oft in Frage gestellt wird – meinten viele Teammitglieder, dass die interne Unterstützung ausreichend sei. „Das Management ist insgesamt bereit, in diese Richtung zu investieren, damit man ein solches Projekt ausprobieren kann.“

„Frag nicht nach der Welt der Sterblichen“ soll im dritten Quartal 2026 auf der Steam-Plattform veröffentlicht werden. In der Early-Access-Version werden etwa 60 % des Inhalts verfügbar sein, danach wird das Spiel kontinuierlich auf die vollständige Version aktualisiert.

Heute erweitert das Team gleichzeitig den Inhalt und verbessert die Fertigstellung früherer Versionen – es befindet sich in einer intensiven Phase der Massenproduktion.

Das Team bleibt offen in Bezug darauf, ob dieses Spiel die Entstehung weiterer ähnlicher Produkte erfolgreich vorantreiben kann.

„Wenn das Produkt gut abschneidet, werden sich alle an einer gesunden Branchenkonkurrenz beteiligen. Der Markt ist groß genug, um viele Teilnehmer aufzunehmen“, sagte das Team. Das bedeutet auch, dass das Team nicht mehr so viele Talente für die Produktionsfähigkeiten und Produktionsmethoden intern ausbild