视觉小说 · 剧场模式

手里存着一本小说,想让它变成能玩的游戏,现在有哪几条路?

把小说变成游戏目前分四类路子:离线转成 Ren'Py 工程、改写成分支剧本、喂给桌面游戏引擎,或者在书架上就地演出来。我们做的新梦(Foreverse,Android / iPhone 阅读器)里的「剧场模式」走最后一路:不拆包、不另建工程,书当场演成视觉小说,点选的走向直接写回原书分支。

iPhone / iPad 版已在中国大陆以外的部分地区上架;中国大陆 App Store 暂不可用。 下载遇到问题?

先想清楚:你要打包发给别人玩,还是自己边读边演?

去开源社区搜「小说转 galgame」,我们检索到的方案几乎清一色都是离线转换器:把 txt 喂进脚本跑一通,吐出一个全新的游戏文件夹。从那一刻起,游戏跟原书就彻底分家了——你在游戏里打出什么隐藏线,都回不到原来的电子书里。

我们开发新梦(Foreverse)时拧了个反方向:压根不导出新工程,直接让阅读器把书架上这本书的当前分支当场演成视觉小说,退回阅读页就停在刚才演到的那一页,进出共享同一个阅读进度。这两种思路谁也没法替谁:想打成安装包分享给朋友或上架平台,必须选转换流;只想躺床上看书看到一半切进对话框过把瘾、顺手点个分支改命,就地演出省事太多。下面五套方案全是我们 2026-11-15 当天翻完各家 GitHub 仓库或官网整理出来的,原文没交代的细节一律不瞎补。

五套把小说变成游戏的方案,各有什么门槛?

novel2galgame(离线导出 Ren'Py 工程)

适合 想要一份正经可导出的 Ren'Py 游戏源码,且愿意在自己电脑上把整套本地管线跑起来。

代价 得自己搭本地环境,主要针对中文恋爱向 txt;台词归因和切景准确率还需人工兜底。

Apache-2.0 开源协议。按 README 说明,传进 GBK 或 UTF-8 的 txt 自动切章,串跑 7 个 Agent 管线后进工作台预览微调,最终导出标准 Ren'Py 项目。作者自己在文档里亮出了实测指标:角色归因准确率 86.7%,场景边界检测 30.5% F1——换句话说名牌挂错人和切错景都难免,所以专门留了工作台人工修校这一环。

Story-to-Game(AI 改写分支剧本)

适合 想把原著浓缩重编成带变量、多结局的互动文字游戏,手头能用 ChatGPT 或 Claude 这类 AI 工具。

代价 产出物是剧本 JSON,得拿它配套的单文件浏览器启动器打开玩;存档记在浏览器缓存里,一清浏览数据就没了。

MIT 开源协议。玩法是把仓库里的 SKILL.md(或整包 zip)连同小说正文一起喂给能读文件的 AI 助手,敲定改编方向后吐出 JSON,本地跑一遍 validate.py 过完 13 项结构体检(节点可达、引用闭环、结局齐备等),最后拖进 Chrome 或 Edge 启动器开玩。README 建议处理长篇时优先上 Codex 或 Claude Code。

Summer Engine(喂进桌面游戏引擎)

适合 不满足于点对话框,想把故事扩成能跑地图、接 NPC 支线的完整桌面游戏。

代价 属于桌面端游戏引擎而非手机阅读器;官网明确提示它是把故事重新诠释成游戏,不做原稿逐字搬运。

官方页面写明兼容 Godot 4,能导出标准工程文件;你先挑定游戏类型和镜头视角,再靠自然语言对话一轮轮改细节。

百炼 novel-game Skill(阿里云,命令行一键出网页版)

适合 习惯敲命令行,想一口气生成带角色立绘、配音和 BGM 的独立 React 网页游戏。

代价 要先装 bailian-cli 并绑好阿里云百炼账号,跑一趟会同时调起文本、生图、视频、语音四路接口扣费。

依据阿里云开发者社区 2026-07-03 的实战介绍帖:npm 装好后一句话给定题材、画风与流程长度,就能吐出一个带打字机字幕、分支选项、存读档且适配手机屏幕的离线 React 网页包。这条管线我们没亲自跑过,帖子里也没列总账单,这里不报估算价。

新梦剧场模式(书架原位直接开演)我们做的

适合 小说本来就存在手机里,读到高潮戏想一键切进 galgame 视角,选完分支直接让 AI 顺着往后写。

代价 iPhone 版在中国大陆 App Store 暂不可用;不转换也不吐独立游戏包,没法发给别人装;分支靠 AI 现场续写而非提前画死结局树;免费版书架限放 3 本。

看书半路随时切进视觉小说舞台:打字机逐字台词、说话人名牌、AI 场景背景图、剧情选择肢一应俱全。退回阅读器就精准停在刚演完的那一页;你在舞台上拍板的每个走向都会写成这本书的真实分支,原书底本只读不动。

在新梦里把一本普通 txt 开成视觉小说,点哪 5 步?

按 Android 版当前界面名称整理。拆台词排舞台这一步纯靠手机本地规则跑,断网零成本也能开演。

  1. 先把小说导进书架
    主页点 + →「导入小说」,挑 txt、epub 或 md。台词密集的题材最出彩(都市、言情、群像、轻小说);大段写景抒情的书照样能进,只是旁白框占比会高一截。
  2. 在阅读页菜单点开「剧场模式」
    章节名先打成黑底过场幕卡,接着第一句正文按打字机节奏跳出来。哪怕你从来没给这本书建过人物卡,照样能全按旁白顺畅演下去。
  3. 轻点台词框往下推,按喜好调三档字速
    字速给足三档。角色名牌只有在句式结构十拿九稳时才往上挂,凡是模棱两可的对白一律归进旁白,宁肯少挂名牌也绝不张冠李戴。
  4. 想配舞台背景就点「生成此景」
    系统提取当前段落意境调你绑好的生图模型(动工前先弹费用确认单)。我们在真机上掐过表,点完确认大约 35 秒刷出一张水彩风背景;以后重逛这一幕直接读本地缓存不再花钱。懒得生图就一直用免费的默认渐变底。
  5. 演到分岔口或书尾,两步拍板新走向
    蹦出选择肢卡片时,点第一下只展开路线梗概(不扣钱),看准了再点第二下才正式确认。确认后大模型现场往下续写,写出来的新戏直接存成这本书的一条正式分支——切回阅读器能接着看,下次进剧场也能顺着演。

不想先装安卓包,能在浏览器里摸摸剧场手感吗?

能试。点开官网的剧场模式介绍页,上面摆好了 6 本官方原创小说(3 本中文、3 本英文)的第一章,直接在网页里排成舞台演出,一路点到章末三个真实分支口停住(往后的现场续写得进手机 App)。要是想拿自己存的 txt 试水,直接把文件拖进实验室网页剧场:纯本地零 AI 素演,只排你文件里现成的句子。我们塞过一本 5MB、258 章的网文进去,拖松手 264 毫秒就吐出了分析报告。

顺便解释下为什么我们对挂角色名牌这么抠门。前面看到 novel2galgame 诚实列出的模型归因率是 86.7%,折算下来平均每八句台词就会把 A 说的话扣到 B 脑袋上——看书时认错说话人比没标名字伤害大得多。所以我们干脆不用大模型猜人名,只跑严苛的本地规则,拿不准就退回旁白;拿一本三百多万字的真实网文人工抽查了 15 大段,凡是挂出名牌的强归因句子零翻车,换来的代价就是旁白会比你期待的多。

这五种打算,别选新梦剧场

  • 想导出一个独立安装包或网页链接发给群友玩:新梦不拆工程也不支持打包导出,去用 novel2galgame、百炼 novel-game 或 Summer Engine。
  • 想做带严谨属性加点、好感度和固定多结局树的游戏:去试 Story-to-Game;新梦的选择肢靠 AI 当场往下写,没有预设结局表。
  • 指望一口气把全书所有出场人物立绘和过场 CG 批量跑出来:新梦只在你点「生成此景」时一幕幕单出背景图。
  • 想拿热门网文改成游戏上架卖钱:改编他人作品商用必须拿原作者授权,新梦剧场只供你在自家书架里关门自娱。
  • 习惯坐电脑前折腾或者主力机是国区 iPhone:新梦没做网页完整版与桌面端;iPhone 版在中国大陆 App Store 暂不可用(中国大陆以外部分地区可下载)。

常见问题

真的能把普通 txt 小说一键变成 galgame 吗?

看你要哪种结果。如果想要正经导出的独立游戏,novel2galgame 这类开源管线能把 txt 跑成 Ren'Py 工程(中间需要在工作台微调)。如果只是自己玩,新梦的剧场模式不用转换,直接把书架上的小说演成视觉小说,点选分支当场续写并存回书里。

把小说变成游戏必须会写代码吗?

在新梦里完全不用,导完书进阅读菜单点「剧场模式」就开演。换成别的路线门槛各异:Story-to-Game 得会指挥能读文件的 AI 工具并跑校验脚本,百炼 novel-game 要敲命令行,Summer Engine 则是桌面游戏引擎。

在剧场里乱选分支,会把我的原书正文改花吗?

绝对不会。所有选出来的新剧情都挂在独立分支上,导入的原文永久只读;退回阅读器既能顺着新分支往下看,也能随时一键切回原作者主线。

开剧场模式演一本书要花钱吗?

把现有章节拆成台词框和黑场幕卡纯在手机本地跑规则,断网零花费。只有你主动点「生成此景」画背景图,或者连点两下确认了某个剧情选择肢让 AI 续写时,才会调你配好的模型(动工前必弹确认单)。App 免费安装,免费版书架限放 3 本书。

哪类小说开进剧场效果最带感?

对白密集的都市、言情、群像和轻小说最出效果,满屏都是来回过招的台词框;偏散文或大段心理描写的书也能演,只是旁白句会占大头。已经分出好几条支线的书,每条分支都能单独拉进剧场演。

小说里那么多「他冷笑一声」,系统怎么分清是谁说的?

新梦不让大模型瞎猜,只用本地规则抓十拿九稳的说话人,稍微拿不准就稳妥放进旁白。我们在三百多万字网文上人工抽核过强归因片段,没出现认错人的乌龙,代价是旁白条数会偏多。

本页依据