---
title: "视觉与音频"
description: "Yumina 卡里的立绘、开场白里的图、由智能追踪放置的场景图、音乐和音效、角色音色，以及 AI 生图。"
---

# 视觉与音频

在画布上，音频和场景图各有一块。还没有的话，点卡底下「还可以加」那一排里的 **＋ 音频** 或 **＋ 场景图**。玩家看到的画面在顶部的 **玩家界面** 里改。上传的文件在 **面板 → 素材** 里。

## 角色立绘

给角色一张脸：在画布上右键这个角色的设定，选 **立绘…**（简单模式里是点角色名旁边的相机方块）。从 **素材** 里选一张，或者当场上传。聊天里，这张图和角色名会出现在这个角色每一句台词的上方。多个角色都有立绘时，AI 会被要求在每条回复开头写一个玩家看不见的 `[speaker: 名字]` 标记，所以第一个字还没出来，对的脸就已经在屏幕上了。标记为旁白的回复不显示脸。模型漏写标记时，聊天会退而看行首的「名字：」，或第一句里出现的名字。

## 开场白里放图

开场白里可以放图。点开场白文本框右上角的 **插入图片或视频**，然后上传一张或从 **素材** 里选。把文件拖到文本框上，或者直接粘贴一张图也行。图会以 `[image:@asset:…|alt=…]` 的形式插在光标处，聊天里就显示在那个位置。`|` 后面可以加：`alt=`（这是什么图）、`caption=`（图下面的一行字）、`size=sm|md|lg|full`、`placement=left|center|right`。普通 markdown 也行，比如 `![](@asset:{id})`，两种写法都可以用 `https://` 链接代替素材。

## 玩家界面

默认的聊天界面对大多数卡已经够了。想要开局页、状态面板、背包或地图，在顶部的 **玩家界面** 里从模板开始搭，不用写代码。见[玩家界面](/zh/creator/player-view)。

想要一个完全属于你自己的界面，比如一个末世的绿色 CRT 荧屏终端，跟创作助手描述样子就行：「末世恐怖 UI，CRT 显示器美学，暗绿色荧光文字，扫描线效果」。它写的是界面代码，在 **面板 → 界面代码** 里能看到。界面只负责显示。它读游戏状态，但不会自己去改。

完整的界面代码指南 → [Custom UI 指南](/zh/creator/advanced/custom-ui-deep)

## 音频

| 类型 | 用途 | 示例 |
|------|------|------|
| **BGM** | 背景音乐，持续循环 | 酒馆主题曲、战斗音乐、探索配乐 |
| **SFX** | 一次性音效 | 刀剑碰撞、门吱嘎声、提示音 |
| **Ambient** | 环境循环音，叠在 BGM 上面 | 雨声、森林声、人群嘈杂声 |


**BGM 播放列表** 自动轮播曲目，**条件 BGM** 根据游戏状态切换（比如变量 `location` 为「arena」时播放战斗音乐）。

在 **面板 → 音频** 里点一条音轨，能看到它的 **音轨 ID**，旁边就是 **复制 ID**。在自己的界面代码里用的就是这个 ID，比如 `api.playAudio("track-id")`。音轨改名不会改它，所以你的代码照常能用。

在画布上点一条音轨，用一句话写 **什么时候放**，比如「打起来了」，剧情对上的时候 AI 就切到它。空着的话，这条音轨只跟着播放列表和条件规则走。关掉 **允许 AI 控制**，AI 就完全不能播放、停掉或调它，而你的界面、行为和播放列表照样能。

音频模式和条件 BGM 详解 → [进阶：音频设计](/zh/creator/advanced/audio-deep)

## 声音和朗读

玩家可以在自己的设置里打开 **语音朗读**，让故事念出来。你可以给每个角色一个音色：在画布上右键这个角色的设定，选 **音色…**，挑一个，点 **试听** 听听看。没有音色的角色用 **旁白音色**。旁白也没有的话，就用玩家在自己设置里选的。

列表里没有合适的，就点 **自定义音色** 下面的 **AI 设计音色**。用一句话描述这个声音，比如「二十多岁的女人，声音低、有点沙哑、说话慢」，点 **生成** 会出 3 个候选。挨个播放，在你喜欢的那个上点 **使用**：它就成了这个角色的音色，也会加进你的自定义音色，别的卡也能用。按钮上写着生成一次要多少蘑菇币；失败的会退回。

旁白音色和 **玩家语音输入** 在 **卡的设置** 的 **声音** 一栏（点画布右边的 **封面与简介**，或 **面板 → 卡的设置**）。玩家语音输入决定玩家按住麦克风说话、松开以后发生什么：发送前 **先确认**，还是 **直接发送**。靠快速反应的卡，比如狼人杀或审讯，适合直接发送。

新玩家的朗读默认是关的，而且声音会扣玩家的蘑菇币，所以卡不能自己把它打开。如果你的卡会开口说话（通话、陪伴类），给它一个 **打开她的声音** 按钮：Yumina 会用自己的对话框问玩家，玩家同意就打开朗读。让 Studio 助手做一个语音陪伴，它会把声音检查、麦克风测试、换模型和小窗（手机上是画中画）都做好。原理见 [API 参考](/zh/creator/advanced/08-api-reference#recipe-a-voice-companion-card)。

![卡的设置里的声音一栏](./images/canvas/card-settings.webp)

## 场景图

会自己出现的图。每张场景图有一个短 id（`img1`）、一张来自素材库或 https 地址的图，以及一两句话说明 **什么时候展示**，比如「猫咪 Minyu 被吓了一跳，整只弹起来」。这句话既是开关也是条件，照字面执行。填了，每条满足条件的回复都会带上这张图（写「每次回复后」就每回合都发）。空着，这张图只会出现在你贴了它代码的地方。

**谁来放图** 在场景图页顶上选：

- **回复写完再配图**（默认，推荐）：每回合 AI 写完回复后，智能追踪逐张检查每张图的「什么时候展示」条件，把满足的都放在这条回复的最后。玩家用什么模型都一样稳。
- **写故事的 AI 自己插**：写故事的 AI 在正文里写 `[image: img1]`，图可以出现在两段之间。但得看模型听不听话，有的模型几乎从不放。

在 **卡的设置** 里把 **智能追踪** 关掉的话，就只有写故事的 AI 能插。

- 在画布的 **场景图** 块里加（没有这一块的话，点卡底下的 **＋ 场景图**）。从电脑上传，或从素材库选。一次拖进好几个文件就得到好几张图，每张以文件名命名。
- 在开场白里写 `[image: img1]`，故事一开始就带图。设定里也可以写：AI 用到那条时，会把图带进回复。
- 在 **适用开场** 里可以把一张图限定给某几个开场白。
- 玩家在游戏顶栏有一个图鉴。故事已经出现过的图完整显示。其余的显示你写的 **解锁提示**，玩家就知道前面还有值得走到的时刻。
- 「什么时候展示」照你写的执行。写「两人在咖啡店对坐时」，只有那样的回复才带图。写「每次回复后」，每条回复都带。之前发过的图，条件再次满足时会再发。

## 素材

在 **面板 → 素材** 里上传图片、音频、视频、字体和文本文件，或者把整个文件夹拖到素材区域，它的目录结构会一起进来。文件托管在 Yumina 的 CDN 上，哪里都能用：玩家界面、设定、开场白，以及音轨。大文件上传时别关标签页，**重试未完成项** 会把失败的接着传完。

## AI 生图

你也可以直接在平台上生图。入口有三个：「创建」页的 **AI 生图** 卡片、「我的库 → 资源」右上角的 **AI 生成** 按钮，以及编辑器里的 **AI 生成** 一节。

写一句画面描述，选模型、画面比例和张数，然后点「生成」。默认模型每张大约 35 蘑菇币，图到了以后按实际用量扣。没出图就不扣。出图一般 30 秒左右，完成后会有一条带缩略图的通知。

生成的图会进你的素材库（可以指定文件夹），和上传的一样用 `@asset:{id}` 引用。也可以拿一张已有的图当参考，描述要怎么改。

同时最多 2 张在生成，每小时最多提交 30 次。发到广场的图会被检查，出现未成年人或真人面孔的一律拒绝。

## 插图 LoRA

故事插图可以用 LoRA 来画，让角色每张图都是同一张脸，或者让整张卡换一种画风。

- **角色**：打开角色的设定（右键 → 设定，或双击），在 **插图 LoRA** 里选一个。这个角色出现在画面里时才会用到它。
- **画风**：**卡的设置 → 故事插图 → 画风 LoRA**，这张卡的每一张插图都会用。
- **玩家自己**：在 **人设** 里给自己的人设选一个，你出现在画面里时（比如和角色并肩走）会用到。

在选择框里粘贴 Civitai 链接，或者上传一个 `.safetensors` 文件，准备好以后就能选。插图只支持 **Anima** 的 LoRA；其他模型的 LoRA 会直接提示不支持。Civitai 上的作者需要允许在生成服务上使用（Rent）。

**强度** 默认角色 0.9、画风 0.8。**触发词** 默认是这个 LoRA 的第一个训练词，可以自己改。

几件要知道的事：
- 角色 LoRA 会把原作的衣服一起带进来。卡里写的衣服更重要时，把强度降到 0.6–0.8。
- 一张图里有两个带 LoRA 的人时，两个 LoRA 会互相混在一起。
- 改了画风 LoRA 或角色的 LoRA，已上线的卡要重新审核。
