AI 3D 生成模型：究竟係咩喺生成 3D 房間
「AI 3D 生成」呢個講法，俾人用嚟指代至少四種本質上完全唔同嘅技術， 而佢哋產出嘅嘢並唔係同一種。如果你而家評估緊任何一款聲稱可以生成 3D 內容嘅工具， 真正決定輸出結果喺下游能唔能夠實際被使用嘅，係佢背後嘅技術，而唔係市場推廣文案。
文字轉 3D 同圖像轉 3D 嘅網格生成模型
呢類模型接收一段文字提示或者一張參考圖片，一次生成過程直接輸出一個 3D 網格—— 頂點、面片，通常仲有一張貼圖。由佢被優化嗰個角度睇，結果可以幾令人驚艷。 局限性會喺你需要修改任何嘢嗰一刻出現：呢個網格係一整嚿不透明嘅幾何體， 底層冇「腳」「座面」「坐墊」呢類描述可供操作。要編輯，淨係可以人手重做表面， 或者重新生成一次，然後寄望新結果更接近你想要嘅樣。佢亦冇可靠嘅辦法 等你問「呢件嘢有幾闊」而得到一個可信嘅數字——幾何結構就係模型啱啱好生成出嚟嘅樣， 並非嚟自真實世界嘅尺寸，而如果呢件物件需要實際擺入某處，或者要按規格生產， 呢一點就非常關鍵。
輻射場重建
呢個係高斯濺射同類方法背後嘅技術：由多張相片捕捉一個真實場景， 充分重建空間入面每一點嘅光照行為，從而可以渲染出原始相片入面冇嘅新視角。 輸出由任何鄰近角度睇都真正做到像真——因為佢重建嘅係真實存在過嘅嘢， 而唔係憑空發明幾何結構。但由任何傳統意義嚟講，佢都唔係可編輯嘅幾何結構； 冇網格，冇物料清單，冇任何可以查詢「呢個有幾闊」嘅嘢，因為一個濺射場 係一種俾捕捉落嚟嘅外觀，而唔係一個結構化對象。
基於擴散模型嘅紋理合成
呢個係四種技術入面範圍較窄但確實有用嘅一種：俾定已有嘅幾何結構， 擴散模型為佢生成一個合理嘅紋理或物料貼圖——木紋、布料紋理、表面磨損—— 而唔會觸碰底層網格。呢個係一個貼圖步驟，而唔係生成步驟；佢假定幾何結構已經存在， 全部精力放喺表面睇落點樣。
VLM 驅動嘅參數化構建
四種入面最新嘅一種，亦係喺「AI 3D 生成」嘅梳理入面最常被忽略嘅一種： 視覺語言模型並唔直接輸出幾何結構。相反，佢寫出一份結構化嘅構建配方——尺寸、 比例、物料選擇、形態——再由確定性引擎執行，構建出實際嘅網格。模型嘅工作 係描述，而唔係構造。
呢個正正就係 Flur 嘅 /catalog/create 背後嘅方式：一個 VLM 寫出一份
AssetRecipe（資產配方），
再由一套確定性嘅 Three.js 流程構建出嚟——呢個流程入面冇第三方網格生成廠商參與。
輸出由頭到尾都保持做一個結構化對象，而唔係一個渲染出嚟嘅估估吓。
實際帶嚟嘅結果係，構建出呢件資產嘅同一份配方，事後都可以用嚟描述佢。 問一件家具屬於邊個類別、佔地面積有幾大、應該向邊面牆，都有實實在在嘅欄位可以讀取答案—— 因為呢啲資訊本來就係構建指令嘅一部分，而唔係事後由一個成品網格反推出嚟嘅。
真正重要嘅取捨
以上每一種技術，都喺同一個維度上做取捨：可編輯性。生成嘅網格同重建嘅 輻射場都可以俾你一個睇得嘅嘢，但都俾唔到你一個可以查詢嘅嘢——你冇辦法問一個 濺射場「呢間房有幾闊」，都冇辦法問一個生成嘅網格「換一種物料」而得到一個乾淨嘅答案， 因為佢哋都冇好似配方咁，由構建之初就保留呢類資訊。
基於配方嘅資產，單件產出速度比一次性網格生成慢，因為佢要先俾人寫出嚟， 再俾人構建，而唔係一次生成過程就完成。佢換返嚟嘅係：每件資產喺事後都保持 可檢查、可編輯——你可以修改一個尺寸、替換一種物料、查詢一件物品嘅類別， 因為呢啲資訊由一開始就冇俾人掉咗。
應該揀邊一種
冇邊種技術係普遍更好嘅——佢哋解決嘅係唔同嘅問題。如果你需要一個已存在嘅 房間或物件嘅像真視圖，重建技術係正確嘅工具，任何網格生成模型都做唔到呢一點。 如果你需要新嘅、比例準確、可編輯嘅家具，並且要求佢可以正確放入真實房間、 之後仲可以繼續調整，基於配方嘅方式正正就係為呢份工作而生嘅。而如果你已經擁有 正確嘅幾何結構，淨係需要一個更好睇嘅表面，基於擴散模型嘅紋理合成就可以單獨解決 呢個更窄嘅問題——佢唔係前三者嘅競爭者，更似係一個假定前面某個環節已經完成嘅 收尾步驟。
立即開始
想了解基於配方嘅構建方式喺一次完整房間搭建入面處於咩位置，可以參考 3D 模型搭建流程完整解析。如果你而家 權衡緊輻射場重建同可編輯幾何結構，用於室內漫遊場景，可以參考 高斯濺射 vs 網格 vs 全景。 想更深入了解 Flur 基於配方嘅目錄工具具體係點運作嘅，可以參考 用 AI 搭建 3D 家具目錄。 想了解同樣一種由 VLM 驅動嘅方式點樣應用喺編輯已有場景、而唔係生成新資產，可以參考 用對話編輯一間 3D 房間。