前两天刷到一条帖子，发帖的人说，GitHub 上有人传了个仓库，扔一张照片进去，五分钟给你一个能走进去逛的 3D 世界：带物理碰撞的网格、背景环境、环境音，全套都有。
他还补了一句，那些花了十年学 Blender 的人，今天一整天都在默默看着这个。
我顺着链接摸过去看了这个仓库，叫 image-blaster，顺手装进 Codex 里跑了一遍。这篇就聊聊我了解到的情况，实际跑起来的效果，还有比较现实的问题。
项目简介
作者是个人开发者 neilsonnn，MIT 协议开源。
这仓库自己是不生成 3D 的。硬要说的话，它更像一本写给 AI 助手看的工作手册，作者把"照片变 3D 世界"这件事拆成了几步，每一步都配了文档和脚本。官方推荐装在 Claude Code 里用，我看了下就是标准的 SKILL.md 结构，所以没走这条路，直接装进了 Codex，一样能跑。
放在以前，想拿一张照片弄出 3D 场景，得自己串好几个服务，生成环境用一个，建物体模型用一个，出音效还得再找一个，每个都要单独对接，挺折腾的。现在这一串步骤被它串成了一条线，你说一句话，它就顺着跑完了。
一张照片能生成什么
默认情况下丢一张照片进去，跑完能拿到三堆文件，我一个个说。
先说环境。 照片里不动的那些部分，墙面、地面、天空，会生成一个能自由漫游的 3D 场景，格式是 .spz 的高斯泼溅，差不多就是一张能走进去的全景照片。
然后是物体。 照片里能搬得动的东西，比如椅子、桌子、箱子，会单独建成 3D 模型，给的是 .glb 和 .obj 两种常见格式。
还有声音。 一段环境循环音，再加上每个物体自己的碰撞音效，都是 mp3。
产物不是只能看的 demo：Unity、Unreal、Godot 能直接拖进去，Blender、3ds Max、Maya 也能开，Three.js 网页里也能嵌。
背后调用的模型
真正干活的是这么几个模型。
环境生成靠 World Labs 的 Marble，就是李飞飞那家公司的产品。物体建模用的是腾讯混元的 3D 模型，音效是 ElevenLabs 出的，这两个都走 FAL 平台调用。过程中还有一道图像编辑，比如把照片里的物体从图里擦掉，默认用 nano-banana，也可以换成 gpt-image-2。
这些模型都不开源，全是收费 API。所以跑这个项目要自备两个 key，一个 World Labs 的，一个 FAL 的，按调用量计费。
实际使用流程
我跑的时候是这样的。
先把仓库 clone 下来，在目录里填好两个 key，然后往 input/ 文件夹里丢一张照片，就是这个小机器人头像，跟它说一句 "blast it and confirm each step with me"，让它每跑一步都先跟我确认。
它第一件事是分析照片，然后列出一张清单，写清楚这张照片里哪些东西要建成 3D 模型。列完之后它会停下来等我确认，哪里不对我就直接改。
确认之后才正式开始跑。这里的顺序是有讲究的，得先把清单里这些物体从原图里擦掉，拿到一张干净的空景照片，再拿这张空景去生成环境。
不擦的话会有问题，生成的 3D 环境里会留着残影，直接穿帮。擦掉物体这一步，项目里叫 clean plate，是从影视后期借过来的概念。
擦干净之后就是逐个建物体模型，最后配声音，中间不用我管。
还有个细节我觉得挺舒服。它存文件的时候，原图编号是 0，之后每生成一张新图编号就加一，原图永远不会被覆盖，每次生成还留一份请求记录。哪一步跑废了，顺着编号找回去就行，不用重新花钱。
物体模型的精细度也能调。默认是五万面，想要低多边形风格的话，说一声切成 LowPoly 就行，还能选三角形面还是四边形面，PBR 材质默认开着。
来看看我头像这个小机器人3D成果物交付效果，完成度非常高，难怪十年学 Blender 的人都沉默了。
适用场景和局限
官方说它适合游戏关卡概念、建筑渲染、影视勘景、机器人环境。我实际用下来，最顺手的还是快速出个效果看看。比如做游戏的策划拿一张气氛图，几分钟后就能在里面走动，比对着平面图开会直观多了。
但也有一些局限：
照片拍不到的地方，全是模型自己脑补的，你只给一张房间正面的照片，那背面长什么样就是它编的。所以它生成的世界只能说"像"你的房间，不能当成真实还原。
碰撞体比较粗糙，物体的尺寸、重量这些物理参数都没有校准过，想直接拿去做机器人仿真训练的话，这套产物还不够。
写在最后
跑完一遍，我的感觉是：它把原本要手动拼几天的流程，压成了一句"blast it"。目前出来的东西还比较糙，精细活肯定替代不了，但拿来快速验证个想法是够用了。
仓库地址在下面，有兴趣的自己翻。两个 key 备好，照片丢进去，说一句 blast it，它就开始跑。
开源地址
https://github.com/neilsonnn/image-blaster
