现在的 AI 3D 很擅长生成第一版输入一句话或一张图片很快得到一个模型。但游戏生产更关心下一步。车身太窄能否只改宽度车顶太高能否只改高度材质错了能否只换材质不重做几何半年后能否用同样的输入重新得到同样的模型如果每次修改都要重新生成完整模型、重新描述全部要求、再次消耗大量 Token模型就很难真正进入生产流程。Meshova 采用另一条路线模型就是脚本。模型由 TypeScript 脚本和参数生成。AI 不只交付一次性的网格还交付生成方法。结果不满意只改相关参数或局部规则不必从头再来。这样做有几个直接好处AI 易于阅读代码、参数和结构都是大模型熟悉的表达。AI 易于校验脚本能做类型检查、测试、截图对比和视觉评分。文件小、易传播分享脚本、参数、版本和随机种子即可复现模型。非节点化不用让 AI 模拟鼠标连接复杂节点图。可反复修改局部修改即可不必多次花费 Token 重做全部内容。模板可复用从现有案例出发比每次从空白开始更稳定。一、什么是程序化建模传统建模常通过移动顶点、拉面、雕刻等方式直接修改网格。程序化建模则先写清生成规则再由程序计算出网格。以汽车为例脚本会描述车长、车宽、车高、轴距、轮胎尺寸、车窗位置等参数。修改车宽后系统重新计算车身、玻璃、轮组和灯具的位置得到一辆新车。它不是把模型“锁死”在一个结果里而是保留一套可以继续调整的生成方法。这很适合需要批量变体的内容车辆、建筑、道路、地形、植被、岩石、家具都能从一套模板生成多个稳定版本。同一个球形街区模板可以继续调整星球半径、建筑数量、树木数量和随机种子而不是重新手工摆放全部内容。二、什么是程序化贴图程序化贴图不是直接保存一张固定图片而是用噪声、颜色渐变、图案、遮罩和材质规则计算表面。例如生锈金属可以这样理解底层是金属颜色。凹陷和边缘使用不同的锈蚀规则。粗糙度控制表面亮不亮。高度和法线制造细小起伏。随机种子决定锈斑分布。修改锈蚀程度、颜色或纹理尺度后贴图会重新生成。它仍然可编辑也能和模型尺寸一起变化。Meshova 的程序化 PBR 材质包含基础色、金属度、粗糙度、法线、AO、高度和自发光等通道。目标不是复刻参考图的每个像素而是保证材质类别和整体质感正确。三、为什么“模型就是脚本”适合 AIAI 擅长读写文字和代码。车身太窄就修改“车宽”车顶太高就修改“车高”。不用重新描述整辆车也不用重新生成全部内容。脚本还是普通文本文件小方便分享也能进入 Git。谁改了什么、哪次修改更好都能比较和回退。Meshova 不把节点图作为主要格式。节点图适合人拖拽但 AI 要反复寻找节点、接口和连线。脚本更直接也更容易检查是否写错。四、程序化模型如何工作可以把 PCG 模板理解成一份“可调整的模型配方”。汽车模板已经知道车身、车窗、车轮和车灯如何组合AI 只需选择接近目标的模板再修改尺寸、比例、颜色和材质。模板负责常见结构参数负责变化。AI 不必每次从空白开始结果也更稳定。以流线城市轿车为例同一份脚本只修改车宽、车高就能得到不同造型这里只修改了参数。车身、玻璃和轮组按规则自动联动。AI 不必重新编写整辆车修改范围小重复 Token 消耗也更低。同样的方法也适用于完整场景。花园房子只调整房屋尺度、树木和花朵密度就能从稀疏庭院变成茂密花园都市建筑只调整层数、裙楼、收分和塔冠就能覆盖低层方楼、标准塔楼和摩天尖塔五、为什么结果可以反复复现Meshova 会保存脚本、参数和随机种子。三者相同生成结果也相同。随机种子可以理解为“变化编号”。换一个编号树叶、石块、锈斑会变化编号不变结果不会偷偷改变。这样才能放心分享、继续修改和比较前后版本。六、网页端直接生成和渲染Meshova 使用 TypeScript同一套模型逻辑可以在命令行运行也可以在浏览器运行。项目部署到 GitHub Pages 后其他人打开链接即可查看模型、切换视角、调整参数。分享的不只是截图或网格也可以是一个仍能继续修改的模型页面。浏览器还是 AI 的观察窗口。系统可以自动打开模型、设置参数、从多个视角截图再检查轮廓、比例和材质。代码通过不代表模型一定好看最终仍要看渲染结果。当前主查看器使用 Three.js WebGLRenderer。WebGPU 用于逐步扩展计算能力不把尚未完成的迁移写成现成功能。七、从图片生成可编辑模型图片可以作为建模输入但 Meshova 不希望把图片直接变成一块难以修改的死网格。它采用更容易维护的流程AI 先识别图片中的物体和部件例如车身、车窗、车轮和车灯。从 PCG 案例库选择接近的模板。根据图片估计长宽高、部件位置和材质类别。生成或修改脚本在网页端渲染。把截图和参考图比较只保留真正变好的版本。单张图片看不到背面也无法准确提供深度所以系统不会假装完全恢复真实模型。它的目标是生成结构合理、造型接近、还能继续修改的程序化资产。造型优先于纹理复刻。轮廓和多视角比例先正确再判断金属、塑料、木材、布料等材质类别避免把金属做成皮革。八、参数必须让人和 AI 都看得懂程序化系统不能只增加参数数量还要保证参数有意义。Meshova 使用“车身外壳”“前挡风玻璃”“前轮胎”这类语义名称不把root.0、component_1等导入器名称当作主要标签。当视觉检查发现“车身过窄”时AI 可以直接修改车宽发现“前轮过小”时可以修改前轮半径。问题能落回明确参数自动迭代才真正可用。九、PCG 模板同时覆盖模型和材质Meshova 不要求 AI 每次从空白开始。案例既是展示内容也是可读取、可修改、可组合的模板。按模型定义、材质模板和参数变体计算项目内容总量已超过 1000 项网页模型库去重后接近 1000 个可浏览条目。模型模板覆盖车辆、建筑、道路、地形、植被、岩石、角色体块和硬表面物件。材质模板覆盖金属、木材、布料、陶瓷、玻璃、岩石、砖墙等常见类别。几何和材质共用参数、随机和空间规则。例如同一组侵蚀规则既可以改变岩石轮廓也可以影响表面的颜色、粗糙度和高度让造型与材质保持一致。结语AI 时代生成方法也是资产未来的 AI 3D 工具不应只比较谁能更快生成一张好看的截图。对游戏和实时内容生产来说更重要的是结果能否修改、复现、测试、分享和持续维护。Meshova 的答案是脚本。人提出审美目标和生产约束AI 编写与修改程序化脚本Meshova 负责几何、材质、渲染和校验。最终模型只是某次计算结果脚本和参数才是可以长期使用的资产。项目地址https://github.com/wellingfeng/Meshova在线模型库https://wellingfeng.github.io/M
现在的 AI 3D 很擅长生成第一版输入一句话或一张图片很快得到一个模型。但游戏生产更关心下一步。车身太窄能否只改宽度车顶太高能否只改高度材质错了能否只换材质不重做几何半年后能否用同样的输入重新得到同样的模型如果每次修改都要重新生成完整模型、重新描述全部要求、再次消耗大量 Token模型就很难真正进入生产流程。Meshova 采用另一条路线模型就是脚本。模型由 TypeScript 脚本和参数生成。AI 不只交付一次性的网格还交付生成方法。结果不满意只改相关参数或局部规则不必从头再来。这样做有几个直接好处AI 易于阅读代码、参数和结构都是大模型熟悉的表达。AI 易于校验脚本能做类型检查、测试、截图对比和视觉评分。文件小、易传播分享脚本、参数、版本和随机种子即可复现模型。非节点化不用让 AI 模拟鼠标连接复杂节点图。可反复修改局部修改即可不必多次花费 Token 重做全部内容。模板可复用从现有案例出发比每次从空白开始更稳定。一、什么是程序化建模传统建模常通过移动顶点、拉面、雕刻等方式直接修改网格。程序化建模则先写清生成规则再由程序计算出网格。以汽车为例脚本会描述车长、车宽、车高、轴距、轮胎尺寸、车窗位置等参数。修改车宽后系统重新计算车身、玻璃、轮组和灯具的位置得到一辆新车。它不是把模型“锁死”在一个结果里而是保留一套可以继续调整的生成方法。这很适合需要批量变体的内容车辆、建筑、道路、地形、植被、岩石、家具都能从一套模板生成多个稳定版本。同一个球形街区模板可以继续调整星球半径、建筑数量、树木数量和随机种子而不是重新手工摆放全部内容。二、什么是程序化贴图程序化贴图不是直接保存一张固定图片而是用噪声、颜色渐变、图案、遮罩和材质规则计算表面。例如生锈金属可以这样理解底层是金属颜色。凹陷和边缘使用不同的锈蚀规则。粗糙度控制表面亮不亮。高度和法线制造细小起伏。随机种子决定锈斑分布。修改锈蚀程度、颜色或纹理尺度后贴图会重新生成。它仍然可编辑也能和模型尺寸一起变化。Meshova 的程序化 PBR 材质包含基础色、金属度、粗糙度、法线、AO、高度和自发光等通道。目标不是复刻参考图的每个像素而是保证材质类别和整体质感正确。三、为什么“模型就是脚本”适合 AIAI 擅长读写文字和代码。车身太窄就修改“车宽”车顶太高就修改“车高”。不用重新描述整辆车也不用重新生成全部内容。脚本还是普通文本文件小方便分享也能进入 Git。谁改了什么、哪次修改更好都能比较和回退。Meshova 不把节点图作为主要格式。节点图适合人拖拽但 AI 要反复寻找节点、接口和连线。脚本更直接也更容易检查是否写错。四、程序化模型如何工作可以把 PCG 模板理解成一份“可调整的模型配方”。汽车模板已经知道车身、车窗、车轮和车灯如何组合AI 只需选择接近目标的模板再修改尺寸、比例、颜色和材质。模板负责常见结构参数负责变化。AI 不必每次从空白开始结果也更稳定。以流线城市轿车为例同一份脚本只修改车宽、车高就能得到不同造型这里只修改了参数。车身、玻璃和轮组按规则自动联动。AI 不必重新编写整辆车修改范围小重复 Token 消耗也更低。同样的方法也适用于完整场景。花园房子只调整房屋尺度、树木和花朵密度就能从稀疏庭院变成茂密花园都市建筑只调整层数、裙楼、收分和塔冠就能覆盖低层方楼、标准塔楼和摩天尖塔五、为什么结果可以反复复现Meshova 会保存脚本、参数和随机种子。三者相同生成结果也相同。随机种子可以理解为“变化编号”。换一个编号树叶、石块、锈斑会变化编号不变结果不会偷偷改变。这样才能放心分享、继续修改和比较前后版本。六、网页端直接生成和渲染Meshova 使用 TypeScript同一套模型逻辑可以在命令行运行也可以在浏览器运行。项目部署到 GitHub Pages 后其他人打开链接即可查看模型、切换视角、调整参数。分享的不只是截图或网格也可以是一个仍能继续修改的模型页面。浏览器还是 AI 的观察窗口。系统可以自动打开模型、设置参数、从多个视角截图再检查轮廓、比例和材质。代码通过不代表模型一定好看最终仍要看渲染结果。当前主查看器使用 Three.js WebGLRenderer。WebGPU 用于逐步扩展计算能力不把尚未完成的迁移写成现成功能。七、从图片生成可编辑模型图片可以作为建模输入但 Meshova 不希望把图片直接变成一块难以修改的死网格。它采用更容易维护的流程AI 先识别图片中的物体和部件例如车身、车窗、车轮和车灯。从 PCG 案例库选择接近的模板。根据图片估计长宽高、部件位置和材质类别。生成或修改脚本在网页端渲染。把截图和参考图比较只保留真正变好的版本。单张图片看不到背面也无法准确提供深度所以系统不会假装完全恢复真实模型。它的目标是生成结构合理、造型接近、还能继续修改的程序化资产。造型优先于纹理复刻。轮廓和多视角比例先正确再判断金属、塑料、木材、布料等材质类别避免把金属做成皮革。八、参数必须让人和 AI 都看得懂程序化系统不能只增加参数数量还要保证参数有意义。Meshova 使用“车身外壳”“前挡风玻璃”“前轮胎”这类语义名称不把root.0、component_1等导入器名称当作主要标签。当视觉检查发现“车身过窄”时AI 可以直接修改车宽发现“前轮过小”时可以修改前轮半径。问题能落回明确参数自动迭代才真正可用。九、PCG 模板同时覆盖模型和材质Meshova 不要求 AI 每次从空白开始。案例既是展示内容也是可读取、可修改、可组合的模板。按模型定义、材质模板和参数变体计算项目内容总量已超过 1000 项网页模型库去重后接近 1000 个可浏览条目。模型模板覆盖车辆、建筑、道路、地形、植被、岩石、角色体块和硬表面物件。材质模板覆盖金属、木材、布料、陶瓷、玻璃、岩石、砖墙等常见类别。几何和材质共用参数、随机和空间规则。例如同一组侵蚀规则既可以改变岩石轮廓也可以影响表面的颜色、粗糙度和高度让造型与材质保持一致。结语AI 时代生成方法也是资产未来的 AI 3D 工具不应只比较谁能更快生成一张好看的截图。对游戏和实时内容生产来说更重要的是结果能否修改、复现、测试、分享和持续维护。Meshova 的答案是脚本。人提出审美目标和生产约束AI 编写与修改程序化脚本Meshova 负责几何、材质、渲染和校验。最终模型只是某次计算结果脚本和参数才是可以长期使用的资产。项目地址https://github.com/wellingfeng/Meshova在线模型库https://wellingfeng.github.io/M
