Uma abordagem prática de produção de jogos utilizando ferramentas de IA generativa em cima da plataforma Unity

Imagem de Miniatura

Data

2026-02-10

Lattes da Autoria

Orientação Docente

Lattes da Orientação Docente

Título da Revista

ISSN da Revista

Título de Volume

Editor

Resumo

O setor de jogos digitais evoluiu de forma exponencial desde 1959, transformando-se na maior indústria de entretenimento global. As Inteligências Artificiais (lAs) generativas representam um marco capaz de reduzir drasticamente o tempo e o custo de produção. Ao tornarem a criação de ativos visuais, sonoros e narrativos mais acessível, elas democratizam o desenvolvimento e validam sua eficácia, inclusive em eventos de criação rápida como as Game Jams. O nosso estudo demonstrou a viabilidade e eficácia da Inteligência Artificial (IA) generativa como ferramenta fundamental no ciclo de desenvolvimento de jogos digitais, mesmo em prazos extremamente curtos (Game Jams de 15 a 30 dias). O estudo analisou três projetos distintos — "Saci Pererê: o chamado da Iara" (Ação/Aventura 2.5D, folclore), "Ecos de Aethelgard" (Metroidvania 3D, fantasia medieval) e "Intermediate Dimension" (Ação 2D, corrida contra o tempo, terror). Em todos os casos, a IA, especificamente o Gemini e ferramentas associadas (Tripo3d.Al, Meshy.Al, Poly.cam, Veo3.Gemini, Sora.ChatGPT), foi extensivamente utilizada para cumprir os objetivos centrais. A produção de narrativa e a identificação de personagens foram prontamente atendidas pela IA, fornecendo sinopses coesas e perfis detalhados a partir de prompts específicos. A geração de itens gráficos (assets) foi o ponto de maior colaboração: a IA produziu imagens de conceito (T-Pose/A-pose) que, subsequentemente, foram transformadas em modelos 3D usando outras ferramentas de IA. Embora a criação de modelos 3D e itens interativos tenha sido bem-sucedida, o estudo destacou desafios técnicos. A geração direta de spritesheets 2D por IA para personagens complexos provou ser inviável devido à falta de consistência entre frames no curto prazo, levando ao uso de um pipeline híbrido: Imagem IA -> Modelo 3D -> Mixamo (Animação) -> FbxToPNG-sprite-sheet-creator (Spritesheets). Esse método, embora exigindo intervenção manual (como a edição do Saci Pererê para manter uma perna só ou otimização de modelos 3D no MeshLab para "Ecos de Aethelgard"), permitiu a criação rápida de animações e a conversão para formatos 2D e 2.5D. A produção de efeitos audiovisuais foi parcialmente atendida. A IA foi eficaz na geração de trilhas sonoras (producer.ai), mas a maioria dos efeitos sonoros de personagens e ambiência foi obtida de repositórios da web devido à restrição de tempo. A escrita de scripts demonstrou ser uma área de forte colaboração, com a IA fornecendo o esqueleto do código C# e auxiliando na depuração, permitindo a implementação de mecãnicas complexas, como salvar e carregar os atributos do jogador, repositório e recompensas entre cenas. Em síntese, a IA funcionou como uma aceleradora de produção de conteúdo (narrativa, visual e esqueleto de código), transformando o desenvolvimento de jogos em um processo mais rápido e eficiente, apesar das limitações na geração de imagens específicas (Saci e Curupira) e na necessidade de otimização de modelos.

Resumo em outro idioma

The digital game industry has evolved exponentially since 1959, transforming into the largest global entertainment sector. Generative Artificial Intelligence (Al) represents a milestone capable of drastically reducing production time and costs. By making the creation of visual, audio, and narrative assets more accessible, it democratizes development and validates its effectiveness, even in rapid prototyping events such as Game Jams. Our study demonstrated the viability and effectiveness of generative Al as a fundamental tool in the digital game development cycle, even within extremely tight timeframes (15 to 30-day Game Jams). The study analyzed three distinct projects: "Saci Perere: 0 Chamado da lam" (2.5D Action/Adventure, folklore), "Ecos de Aethelgard" (3D Metroidvania, medieval fantasy), and "Intermediate Dimension" (2D Action, race against time, horror). In all instances, Al—specifically Gemini and associated tools (Tripo3d.Al, Meshy.Al, Poly.cam, Veo3.Gemini, Sora.ChatGPT)— was extensively used to achieve core objectives. Narrative production and character conceptualization were efficiently handled by Al, which provided cohesive synopses and detailed profiles based on specific prompts. The generation of graphic assets was the area of greatest collaboration: Al produced concept images (T-Pose/A-Pose), which were subsequently transformed into 3D models using other Al tools. While the creation of 3D models and interactive items was successful, the study highlighted technical challenges. Direct Al generation of 2D spritesheets for complex characters proved infeasible due to a lack of inter-frame consistency within the short timeframe, necessitating a hybrid pipeline: Al Image 3D Model Mixamo (Animation) FbxToPNG-sprite-sheet-creator (Spritesheets). Although this method required manual intervention (such as editing the Saci Pere,* to maintain a single leg or optimizing 3D models in MeshLab for "Ecos de Aethelgard"), it enabled the rapid creation of animations and their conversion into 2D and 2.5D formats. The production of audiovisual effects was partially addressed. Al was effective in generating soundtracks (using producer.ai), but most character and ambient sound effects were sourced from web repositories due to time constraints. Scripting proved to be an area of strong collaboration, with Al providing the skeleton of C# code and assisting in debugging. This enabled the implementation of complex mechanics, such as saving and loading player attributes, inventory, and rewards across scenes. In summary, Al functioned as a content production accelerator (covering narrative, visuals, and code skeletons), transforming game development into a faster and more efficient process, despite limitations in generating specific images (such as Saci and Curupira) and the necessity for model optimization.

Descrição

Referência

SARAIVA, Antonio Marcos. Uma abordagem prática de produção de jogos utilizando ferramentas de IA generativa em cima da plataforma Unity. 2026. 102 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2026.

Identificador dARK

Avaliação

Revisão

Suplementado Por

Referenciado Por

Licença Creative Commons

Exceto quando indicado de outra forma, a licença deste item é descrita como openAccess