6.9K Star！这个开源项目把图像变3D世界的门槛砸得稀碎！

传统 3D 资产管线的复杂度，对于个人开发者来说几乎是劝退级的：场景建模、UV 展开、烘焙贴图、材质烘焙、灯光校准、音效匹配——这一套流程走下来，一个像样的场景 blockout 至少要个把星期。

即使你有钱雇外包，单一个中等复杂度的场景报价也在 3000-8000 块之间。

有人尝试用 AI 生成图像，效果确实惊艳。但图像到 3D 这一步，依然是堵在创意路上的一堵墙。

Midjourney 能给你画出一张完美的中世纪酒馆，但它画出来的东西”站不起来”——你没法在 Unity 里走进去，没法旋转视角，没法在那把椅子旁边放个可拾取的道具。

直到我在 GitHub 上刷到 image-blaster，它声称可以在 5 分钟内，把一张照片变成一个可漫游的 3D 环境。

全流程是在 Claude 的终端里完成的，开发者全程只说了一句话：”blast it and confirm each step with me”。

而且最狠的是，它开源以来，Star 直接冲到了 6.9K+。

项目简介

image-blaster 是由 World Labs 设计团队的成员 Neilson Koerner-Safrata 开发的开源项目。

一个运行在 Claude Code 上的”图像到世界”技能集。

image-blaster 不是一个独立的桌面软件或 Web 应用，它是一套 Claude Code skills。

也就是说，你得在终端里跑 Claude，然后通过自然语言指令来驱动整个流程。这种设计的好处是极其灵活——你可以在任何支持 Claude 的环境里用它，甚至可以把它嵌进自己的开发流水线。

给它一张图，它还你一整套可以直接进游戏引擎的 3D 资产包。

具体来说，默认会生成三类输出：

1

静态环境：用 World Labs 的 Marble 模型生成的 3D 高斯泼溅场景（Gaussian Splatting，格式 .spz），你可以在里面自由漫游

2

动态物体模型：用腾讯 Hunyuan 3D 提取出场景中所有”人类能搬动的物体”，生成带 PBR 材质的可编辑 3D 模型（格式 .glb / .obj）

3

环境音效和物理音效：用 ElevenLabs SFX 模型生成的环境循环音效 + 每个物体的交互音效（格式 .mp3）

它有一套完整的工作流编排，每一步都会停下来让你确认，不会一股脑瞎生成。

02

PART

核心亮点

亮点一：真正的”多模型编排”

市面上很多 AI 3D 工具喜欢标榜自己的”全能模型”能搞定一切。

但 image-blaster 的思路完全相反——每个环节都交给最专业的模型：

这种”术业有专攻”的编排思路，比一个”勉强能做但什么都做不好”的大一统模型靠谱得多。你最终得到的，是每个输出环节都不拖后腿的资产包。

亮点二：结构化输出

很多 AI 工具最大的问题是”生成了但没法用”。image-blaster 从一开始就瞄准了”生产就绪”：

环境是 .spz 格式的高斯泼溅，可以直接在 Unity/Unreal/Three.js 里加载和漫游

物体是标准的 .glb / .obj 格式，带 PBR 材质，可以在 Blender 里继续雕刻，也可以直接拖进游戏引擎当可交互道具

音效是 .mp3 格式，环境循环音 + 物体交互音，命名规范，可以直接挂在游戏逻辑上

它还留了一个 React Viewer 让你在浏览器里预览最终效果，虽然默认是隐藏的（需要改 .claudeignore 解锁）。

亮点三：8 个 Skill 串起的流水线

image-blaster 的核心是 8 个 Claude Code skills，按严格顺序串联：

1

image-blast-project：创建项目目录，初始化状态

2

image-blast-uncover：AI 视觉分析图像，列出可拆分物体，等你确认

3

image-blast-plate：把确认要拆分的物体从原图里擦除，得到干净背景

4

image-blast-world：调用 World Labs API 生成 3D 环境

5

image-blast-3d：对每个拆分物体调用 Hunyuan 3D 生成模型

6

image-blast-sfx：生成环境音和物体音效

7

image-blast-image-edit：通用图像编辑（擦除、裁剪等）

8

image-blast-wildcard：万能扩展口，想用 FAL 上任何模型都可以

这套设计的精妙之处在于人类始终在回路里。

每生成完一个环节，Claude 会停下来问你：”要不要继续？” 你可以调整参数、换模型、甚至只跑其中某一步。这比那种”点一下就等半天然后给你一坨不可编辑的东西”体验好太多了。

03

PART

功能特性拆解

3.1 智能物体识别：什么是”动态物体”？

image-blaster 在分析图像的时候，会把物体分成两类：

动态物体 人类能搬动的东西——桌子上的杯子、街角的自动贩卖机、墙边的梯子。这些会被拆出来单独生成 3D 模型。

静态环境 人类搬不动的东西——地面上的涂鸦、墙上的壁纸、地板上的地毯。这些会留在背景里，由 Marble 统一重建。

这个判断标准很朴素，但很有效。

它确保了拆出来的物体都是”可交互”的——你可以把那个杯子从桌上拿走，可以把自动贩卖机移到场景的另一边。

而静态部分则由 Marble 整体重建，保证空间关系的一致性。

3.2 Hunyuan 3D 参数可调：从游戏道具到电影资产

对 3D 模型生成环节，image-blaster 暴露了几个关键参数（默认值已经够好用了，但高级玩家可以调）：

–face-count（面数）：40,000 到 1,500,000 之间可调。默认 50,000，适合实时游戏。如果你要做电影级资产，可以拉到几十万面

–enable-pbr（PBR 材质）：默认开启，生成带金属度/粗糙度贴图的物理渲染材质

–generate-type（生成类型）：Normal（带贴图）、LowPoly（低多边形简化）、Geometry（纯几何白模）

–polygon-type（多边形类型）：三角面还是四边面，LowPoly 模式下可选

3.3 三种音效输出

image-blast-sfx skill 会生成三种类型的音效：

1

环境循环音（Ambient Loops）：整个场景的背景音，比如咖啡馆的喧闹、森林的鸟叫风声。会自动拼接成无缝循环

2

物体交互音（Physics SFX）：每个动态物体专属的交互音效，比如拿起杯子的”咔哒”声、贩卖机出货的”叮咚”声

3

自定义音效（Custom Prompt-based）：你可以给 Claude 说”给这把椅子加个摇晃的吱呀声”，它会用 ElevenLabs 生成

3.4 图片编辑的双保险

默认用 FAL 的 Nano Banana Pro 做图片擦除和清理。

但如果你对 Nano Banana 的效果不满意，可以告诉 Claude “Use gpt-image-2 for edits”，它会切换到 OpenAI 的 GPT-Image-2。

两个模型各有擅长——Nano Banana 对风格化图像处理更好，GPT-Image-2 对写实照片更精准。

04

PART

技术架构

image-blaster 的整个技术栈画出来大概是这样的：

用户输入 → Claude Code (终端)
↓
image-blast-project (初始化)
↓
image-blast-uncover (AI 视觉分析) → 用户确认物体列表
↓
image-blast-plate (背景擦除) → FAL: nano-banana / gpt-image-2
↓
image-blast-world (环境重建) → World Labs: marble-1.1
↓
image-blast-3d (物体建模) → FAL: hunyuan-3d
↓
image-blast-sfx (音效生成) → ElevenLabs: elevenlabs-sfx
↓
输出资产包 (worlds/<任务名>/)
├── environments/spz/ (高斯泼溅环境)
├── objects/glb/ (3D 物体模型)
└── sfx/ (音效文件)


Hooks 机制：自动化的细节

image-blaster 还利用了 Claude Code 的 Hooks 系统做了两个贴心的自动化：

SessionStart Hook：每次启动 Claude 时自动跑 setup-check.sh，检查依赖和 API Key 是否配置好

UserPromptSubmit Hook：监控 input/ 目录，一旦发现新图片就自动进入待处理状态

输出目录结构

每次 blast 完成后，资产会按下面的结构整理好：

worlds/
└── <你的任务名>/
├── source/          # 原始图片和分析 JSON
├── plate/           # 擦除物体后的干净背景图
├── environments/
│   └── spz/         # World Labs 输出的高斯泼溅
├── objects/
│   ├── glb/         # 3D 模型（标准格式）
│   └── obj/         # 3D 模型（兼容格式）
└── sfx/             # 音效文件
├── ambient/     # 环境循环音
└── physics/     # 物体交互音


整洁、可预测、好管理。

05

PART

快速上手

这部分是实操指南，尽量不遗漏任何细节。

环境要求

安装步骤（四步搞定）

第一步：克隆仓库

git clone https://github.com/neilsonnn/image-blaster
cd image-blaster


第二步：安装 Claude Code（如果你还没装）

curl -fsSL https://claude.ai/install.sh | bash


第三步：准备 API Key

你需要三个服务的 API Key：

第四步：启动 Claude，喂它一张图

把你要处理的图片放进 input/ 目录，然后在项目根目录执行：

claude


进入 Claude 后说：

blast it and confirm each step with me


然后按提示把 API Key 告诉 Claude，剩下的交给它。

///

LAST

写在最后

image-blaster 就是一个 World Labs 设计师在业余时间写的 TypeScript 代码，往 GitHub 一扔就炸了。

这说明一件事：AI 3D 创作的土壤已经够了，缺的就是把各个模型串起来的那根线。

过去两年里，AI 图像生成已经卷到了天花板，谁也不服谁。但图像之后的那一步，一直没人好好解决。

image-blaster 把那些“专业模型的工人”协调起来，按部就班地干活。

这种思路，可能才是下一阶段 AI 创作工具的主流范式——不是一个超级模型包打天下，而是多个专业模型 + 一个靠谱的编排层。

GitHub 地址：https://github.com/neilsonnn/image-blaster