Nascimento, Leandro Marques doSaraiva, Antonio Marcos2026-07-022026-02-10SARAIVA, 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.https://arandu.ufrpe.br/handle/123456789/8838O 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.102 f.pt-BRopenAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Inteligência artificialDesenvolvimento de jogosJogos digitaisCooperação intelectualUnity (Recurso eletrônico)ModelagemImagem tridimensionalbachelorThesisAttribution-NonCommercial-NoDerivatives 4.0 International