作者以 World Labs Atlas Chisel 打造莫卧兒—都鐸宮殿,實測其 3D、遊戲與影片用途
I Built a Ghibli-Style Mughal-Tudor Palace With World Labs Atlas (Chisel). Here's What It Can Do for 3D, Games and Video
作者以 World Labs Atlas 的 Chisel 製作莫卧兒—都鐸宮殿,展示同一 3D 佈局如何生成風格一致的多視角圖像、鏡頭影片及 3D Gaussian splat。
文章以同一座可編輯 3D 宮殿對照文字生成影片工具,展示共用場景佈局對多鏡頭一致性的作用,並交代 splat 轉網格供遊戲使用仍需清理。
上星期,World Labs 向所有人開放了其世界模型 Atlas。我想看看它實際上能做到甚麼,於是給它一項艱鉅的任務:創作一座訓練數據中從未出現過的建築混搭,以手繪動畫風格呈現,並加入可轉製成影片的鏡頭移動。
這篇文章會介紹我的創作、這款工具的內部運作方式、它在 3D 場景、遊戲和影片製作上的用途,以及它在 2026 年與其他選擇的比較。
簡而言之:Atlas 的 Chisel 應用程式會根據提示詞,由 AI Agent 建立場景的粗略 3D 方塊模型,然後將該幾何結構「繪製」成風格一致的圖像、鏡頭路徑影片,以及可供探索的 3D Gaussian splat。由於每項輸出都源自同一個 3D 佈局,因此從不同角度或不同影格觀看,宮殿都會保持一致。這正是它與文字生成影片工具最大的分別。
甚麼是 Atlas?
Atlas 是 World Labs 推出的新世界模型(World Labs 是由 Fei-Fei Li 共同創立的空間智能初創公司,也是 Marble 背後的公司)。它於 9 月公佈,並於 2026 年 11 月 12 日向公眾開放,提供兩款網頁應用程式和一個 API:
| 工具 | 功能 |
|---|---|
| Viewfinder | 從圖像開始。它可以根據一張照片建立合理的場景,也可以利用最多 64 張照片重建真實空間。之後,你可以移動攝影機、設定路徑並算圖。 |
| Chisel | 從幾何結構開始。你(或 Agent)可以用平面、方塊和基本形狀搭建場景模型,再以文字或參考圖像設定風格;編輯時,每個鏡頭視角都會同步更新。 |
| Splats to Mesh | 將 Gaussian splat 轉換成多邊形網格(GLB),供遊戲、Blender 和遊戲引擎使用。 |
| Relight | 更改 splat 場景的照明。 |
| API | 端點包括 atlasGenerate、atlasChisel、atlasMasked、images2PosedRGBD 和 splats2Mesh。 |
輸出包括關鍵影格(靜態圖像)、影片片段和 3D Gaussian splat,並可匯出為 .spz 或 .ply。
這次實驗我使用了 Chisel。
實驗:吉卜力山谷中的莫卧兒—都鐸宮殿
以下是我使用的提示詞:
一幅吉卜力風格的遼闊戶外動畫景觀:遠處是白雪覆蓋的山脈,下方是起伏的翠綠草地和山丘,點綴着野花;柔和的繪畫風雲朵映照在温暖的金色陽光中。山頂上矗立着一座古老的莫卧兒風格宮殿,融合都鐸式建築特色:紅色砂岩牆身配上半木構架的都鐸式山牆、花崗巖地基和露台、白色大理石圓頂、chhatri、拱形 jharokha 陽台和尖塔,並有蜿蜒的石徑和花園通往宮殿。手繪水彩風格,充滿奇幻感而寧靜。
我刻意選了一個難題:兩種在現實世界中從未交會的建築語彙(莫卧兒圓頂、pishtaq 拱門和 chhatri;以及都鐸半木構架山牆和外挑上層樓層)、繪畫風格,以及一片層次豐富的廣闊戶外景觀。
第 1 步:Agent 規劃並搭建場景模型
Chisel 內置了 Agent(你可以選擇模型;我在模型選擇器中選用「Gemini 4 Argon」)。它不會直接生成像素,而是先讀取提示詞和參考圖像,再撰寫逐步建構計劃:
- 山谷地形、遠處的雪山、山頂宮殿的主體配置
- 場景攝影機和算圖提示詞
- 莫卧兒大理石主體:圓頂、pishtaq 拱門、尖塔、chhatri
- 都鐸半木構架翼樓
- 梯田式 Charbagh 花園、倒影池、蜿蜒小徑
- 樹木、修剪成形的樹木、野花、雲朵
- 最終相機與場景佈局核對
然後,它會為每個步驟建立實際的 3D 幾何物件:牆壁、圓頂、用於開口的布林運算、路徑和樹木大道所用的曲線,以及以散佈方式放置的 95 簇野花。
幕後運作方面,每個相機視角都是從簡單的幾何形狀開始。以下是 Chisel 根據初步模型產生的兩張遮罩,當時尚未套用任何風格:

中央圓頂的低角度遮罩。Atlas 在最終渲染中會把這個形狀「繪製」成大理石。
完成的初步模型包含:
- 一片 420 m 的山谷地形,以及遠處一列 280 m 的山脈
- 82 × 30 m 的階梯式花崗巖和紅砂岩稜堡,設有角樓及拱形底層拱頂
- 20 m 的大理石大廳,設有尖拱式 pishtaq 門廊和一座帶蓮花形頂飾的 18 m 洋葱形圓頂
- 28 m 的宣禮塔,設有陽台迴廊和圓頂燈樓
- 一座建於 9.7 m 拱廊上的圓頂 chhatri 亭閣
- 四座陡峭的都鐸式山牆翼樓,採用木構架,設有平開窗和磚砌煙囱
- 梯田式 Charbagh 花園、一個倒影池、一道由 8 級石階組成的樓梯、一條 140 m 蜿蜒石徑,以及一條意大利柏樹大道
- 屋頂線後方一片 130 × 65 m 的積雲雲層
第 2 步:Agent 大量檢查自己的成果
這是整個過程中最有意思的部分。每完成一步,Agent 都會從相機擷取畫面、檢視畫面、執行佈局檢查,並修正問題。以下是我的工作階段記錄中的一些實例:
- 第一個相機視角完全沒有拍到山頂。預設地形寬度接近一公里,因此 Agent 收窄了山谷。
- 宮殿左右鏡像,與我的參考畫作相反。Agent 把大理石主體、宣禮塔和 chhatri 翻轉,以配合參考畫作。
- 漂浮部件:羣組原點移動後,佈局檢查發現一個宣禮塔的洋葱形塔頂懸浮在塔身上方 67 m,另外還有藏在牆內的木構橫帶。Agent 重新安置圓頂,並刪除了隱藏的方盒。
- 一棵柏樹長在倒影池內。Agent 試了幾次才解決:先把樹木大道的引導曲線改道,繞過水池庭院;但意外地連同舊曲線刪除了樹木,於是重新種植,再把樹木移至露台牆以外。
- 都鐸式翼樓伸出稜堡邊緣,懸在空中。Agent 試過加建支柱,然後移動翼樓,最後延伸稜堡的西北角,讓牆壁能實際支撐建築物。
- 重複相機:鏡頭檢查發現有 7 個相機與其他相機的畫面重疊 78% 至 95%。Agent 刪除了這些相機,並使用自動相機放置功能取得 8 個不同視角。
這種自我修正循環,令 Chisel 感覺更像一位初級 3D 美術師,而不是拉霸機。它並非完美(有兩次執行時模型逾時,我不得不按下「繼續」),但每項修正都以實際 3D 幾何為基礎,因此修正效果能保留下來。
第 3 步:從 3D 佈局渲染靜態影像
初步模型完成後,Chisel 會使用渲染提示詞,透過 Atlas 為每個相機視角進行渲染。Agent 編寫了三種燈光設定變化:
- 温暖的金色晨光
- 泛着琥珀色光芒的日落
- 明亮的正午
幾何貼合度設為「fine」,讓拱門、圓頂和木構山牆保持清晰俐落的輪廓。第 3 次迭代(「明亮正午」)為我輸出 8 張 1280×720 渲染圖,每個鏡頭各一張:

山谷全景。灰色堡壘變成紅砂岩建築,下方有大理石 pishtaq、都鐸式翼樓和梯田花園。

莫卧兒式大理石圓頂毗鄰都鐸式山牆:兩種建築風格在同一露台上交會。

Charbagh 倒影池。Agent 一直移動的那棵柏樹,終於不在水裏了。
令我印象深刻的是:灰色方塊變成了紅砂岩、白大理石和木構框架,山丘變成了野花草甸,而水彩風格在全部八個鏡頭中保持一致。宣禮塔在每張圖中的位置都相同,因為它們來自同一個 3D 佈局。
步驟 4:將鏡頭路徑製作成影片
然後我用日常英語向 Agent 提出要求:
我想要一條展示宮殿正面的鏡頭路徑,以便輸出影片
它讀取現有的鏡頭路徑,發現目前使用的路徑會穿過西側山坡和樹木,於是將路徑改為正面進場,沿蜿蜒小徑和 Charbagh 花園平穩前行,同時讓堡壘、都鐸式山牆和中央圓頂保持在畫面中央。它沿路徑擷取影格以檢查離地高度,發現最後一個關鍵影格會切掉 chhatri,於是將鏡頭拉遠並擴闊取景。
結果是:一段240 幀、24 fps(10 秒)的飛越影片,你可以輸出為MP4 或 GIF,並選用 8/12/24/30 fps。

由 Atlas 渲染的 10 秒正面進場飛越影片,為配合這篇帖文已壓縮成 GIF。
你還會看到附有緩動曲線的關鍵影格時間軸,可以像使用一般動畫工具一樣,手動調整鏡頭速度。
步驟 5:真正的 3D 世界(Gaussian splat)
最後,輸出面板提供Splat製作功能(我這次使用需 5,000 點數)。它會將生成的視圖轉換成3D Gaussian splat:由數百萬個細小、帶顏色且半透明的斑點組成的場景,可在瀏覽器或引擎中即時渲染。你可以將它下載為 .spz(較精簡)或 .ply(相容性較廣)。
我親自提供的內容總計:一個提示詞、一張參考圖片、一句要求生成影片鏡頭路徑的指令,以及幾次按下「繼續」。
這些功能的用途
1. 3D 場景和預視
- 概念設計和預視:快速搭建場景模型、嘗試三種燈光效果,並在一次工作階段內從任何角度取得風格一致的影格,而不用花上數星期。
- 建築和空間設計:Viewfinder 可以根據照片重建真實空間,而 Chisel 可以探索體量規劃和各種「假如」設計。
- Blender:World Labs 推出 Blender 整合功能,而
splats2Mesh可匯出 GLB,並提供區域、最大面數,以及貼圖、頂點顏色或不帶貼圖等控制選項。
2. 遊戲
- 一步完成灰盒到美術加工:這符合關卡設計師一貫的工作方式。先在 Chisel 建立關卡灰盒,再讓 Atlas 補上美術內容,將 splat 轉換成網格,然後匯入遊戲引擎。
- 背景和天空盒:對於遠景,例如我的山谷景觀,splat 效果不錯,因為這類場景更重視美感,而非碰撞效果。
- 網頁遊戲:World Labs 的開源 Spark 渲染器可在 three.js 中繪製 splat。以下是最簡單的範例:
import * as THREE from "three";
import { SplatMesh } from "@sparkjsdev/spark";
const scene = new THREE.Scene();
const camera = new THREE.PerspectiveCamera(60, innerWidth / innerHeight, 0.1, 1000);
const renderer = new THREE.WebGLRenderer();
renderer.setSize(innerWidth, innerHeight);
document.body.appendChild(renderer.domElement);
// the .spz you downloaded from Atlas
const palace = new SplatMesh({ url: "./palace.spz" });
scene.add(palace);
renderer.setAnimationLoop(() => renderer.render(scene, camera));
- 原型製作和提案:在開始建構任何內容之前,先向發行商或團隊展示一個可供漫遊的氛圍場景。
注意:單靠 splat 並不能構成可直接用於遊戲的幾何模型。要用於遊戲玩法,你需要匯出碰撞體/網格,並預期需要進行一些清理。
3. 影片和電影
- 一致的 B-roll 和場景建立鏡頭:鏡頭路徑完全由你掌控(關鍵影格、緩動、鏡頭),而不是「希望模型按我的要求移動鏡頭」。
- 同一個世界,多個鏡頭:你可以渲染廣角鏡頭、特寫和穿越鏡頭,而且彼此保持一致。使用文字生成影片很難做到這一點。
- 不同光照效果:同一個佈局,透過渲染提示詞和 Relight 工具製作三種氛圍(日出、日落、正午)。
- 社交媒體內容:內置 MP4/GIF 匯出功能。
4. 開發者和 Agent
應用程式使用的相同端點亦可透過 HTTP 使用:
curl --request GET \
--url 'https://api.atlas-beta.worldlabs.ai/api/v2/assets/<asset_id>' \
--header "WLT-Api-Key: $WLT_API_KEY"
實用端點包括 atlasChisel(佈局 → 圖像)、atlasMasked(只編輯一個區域)、images2PosedRGBD(根據相片取得相機姿態和深度),以及 splats2Mesh(GLB 匯出)。這讓你可以建立「LLM 編寫佈局 → Atlas 渲染 → 將 splat 轉換成網格 → 匯入遊戲引擎」等工作流程。
與其他選擇相比如何?
| Atlas(Chisel / Viewfinder) | 文字/圖像生成影片(Veo、Sora、Runway、Seedance) | 即時世界模型(Genie 3、Oasis、Odyssey) | 圖像轉 3D 物件工具(Meshy 等) | 手動 3D 製作(Blender / Unreal) | |
|---|---|---|---|---|---|
| 輸出 | 靜態影像、影片、3D splat、網格 | 影片片段 | 互動串流 | 單一 3D 物件 | 任何內容 |
| 不同鏡頭之間的一致性 | 高:全部來自同一個 3D 佈局 | 低至中:每段影片都會重新構想場景 | 中:有時會逐漸偏離或遺忘 | 不適用 | 完美 |
| 相機控制 | 精確的關鍵影格路徑 | 透過提示詞控制或選項有限 | 即時(鍵盤/滑鼠) | 不適用 | 精確 |
| 佈局控制 | 灰盒幾何模型 + Agent | 文字提示詞 | 提示詞/圖像 | 逐件物件控制 | 全面 |
| 可匯出的 3D 資產 | 可以(SPZ/PLY/GLB) | 不可以 | 大多不可以 | 可以(僅限物件) | 可以 |
| 取得首個結果所需時間 | 數分鐘至數小時 | 數分鐘 | 數秒 | 數分鐘 | 數天至數星期 |
| 所需技能 | 低 | 低 | 低 | 低 | 高 |
為何 Atlas 更適合這類工作
- 它以 3D 為先,而非以像素為先。影片模型生成的影格只是看起來像 3D。Atlas 根據實際的空間佈局生成內容,因此我的宮殿宣禮塔、入口和水池在每個鏡頭中的位置都相同。如果你需要為同一個地方製作多個鏡頭,這一點非常重要。
- 你可以控制結構,而不只是風格。灰盒幾何模型比一段文字描述更能約束生成結果。「把 chhatri 放在西側露台上,寬 14 m」是你可以放置的內容,而不只是要求生成的內容。
- 成果可在瀏覽器以外使用。 splat(SPZ/PLY)和網格(GLB)可匯入 three.js、Blender、Unreal 和 Unity 的製作流程。大部分影片工具和即時世界模型,最終都只會輸出影片檔案或串流。
- Agent 會自動處理繁瑣的品質檢查。懸浮部件、互相穿插的網格、重複攝影機和受阻視線,都能自動偵測並修正。
- 一個模型,多種輸入。相片(Viewfinder)、方塊(Chisel)或 API 均可輸入同一個模型,因此你可以混合真實重建和虛構內容。
其他方案仍然較出色之處
公平來説:
- 即時互動:Genie 3 類型的模型讓你可以在世界中以互動影格率四處走動並採取行動。Atlas 著重於創作場景和算圖(World Labs 確實有展示即時研究預覽,最高約 15 fps)。
- 動態和角色:影片模型在人物、動物、水,以及任何會移動的事物上都出色得多。Atlas 場景大多是靜態環境。
- 可用於正式製作的幾何模型:splat 轉換成網格後,仍需整理才能用於遊戲。以 Blender/Unreal 手工製作的素材,仍是業界標準。
- 成熟度:Atlas 是新產品。目前尚未有論文或模型卡,基準測試數據由供應商自行公佈,API 仍標示為 beta,而精修 splat 需要實際花費時間和點數。在我使用期間,有兩次 Agent 執行卡在模型處理上,需要手動按下 Continue。
- 對提示詞的敏感度:Chisel 的結果很大程度取決於提示詞和參考圖片的質素。
試用時的小貼士
- 提供參考圖片。Agent 將每次擷取的結果與我的畫作比較,因此才能發現宮殿被鏡像翻轉。
- 清楚説明物料和建築風格。使用「pishtaq」、「chhatri」和「jettied upper storey」等字眼,比「華麗宮殿」生成的幾何結構明顯更好。
- 等 Agent 完成檢查。鏡頭檢查和佈局檢查能發現一些問題,否則你可能要到最後算圖時才會留意到。
- 用簡單英文要求攝影機移動路徑。「影片用的宮殿正面視角」這樣的描述已經足夠。
- 先算出幾種不同的燈光氛圍,再花點數生成 splat。
- 預留點數。在我使用期間,精修一個 splat 花了 5,000 點數。
總結
讓我信服 Atlas 的,不是單一張漂亮圖片。AI 圖像工具多年來都能做到這一點。真正讓我驚喜的是,透過一個可以檢視和編輯的佈局,製作出八張漂亮圖片、一段 10 秒的飛越影片,以及一個彼此一致的 3D 世界。
用於遊戲原型製作、前期視覺化、環境概念圖和風格一致的影片 B-roll,這確實改變了製作流程。至於最終遊戲素材和任何包含動態角色的內容,你仍需要配合傳統工具和影片模型使用。
如果你試用後有作品,我很想看看。歡迎在留言區分享你的場景!🏰
使用 World Labs Atlas (Chisel) 製作,2026 年 11 月。所有算圖和影片均為我在上文所述使用期間自行輸出的成果。
來源:DEV Community · dev.to





