企业官网建设流程全解析

从一张照片到 3D 世界：image-blaster 清洁底版完整指南

【免费下载链接】image-blasterAn image-to-world skillset for Claude.项目地址: https://gitcode.com/gh_mirrors/im/image-blaster

image-blaster 是一套给 Claude 用的「图生世界」技能集：丢一张照片进去，几分钟内就能得到一个可探索的 3D 环境、对应的物体模型和音效。这里只拆它最实用的一招——清洁底版（clean plate）：把照片里的椅子、人物、道具擦掉，留一张「空的」背景图，再拿这张干净的底版去重建环境。

为什么不直接拿原图重建？image-blaster 会把照片拆成两半处理：能搬走的动态物体单独提取成 3D 模型（.glb/.obj），墙面、地面这类静态环境则重建为可走动的场景（Gaussian splat）。如果原图里还留着那把椅子，重建出来的环境里就会浮着一圈「椅子的残影」。所以顺序得倒过来：先确认哪些物体要单独建模，再把它们从原图里擦掉，最后用擦干净的底版生成静态环境。这一步就是 image-blaster 里的image-blast-plate技能。

两个 API Key 分别填在哪

先把环境配好，只需三小步：

1. 拿到仓库并进入：

   git clone https://gitcode.com/gh_mirrors/im/image-blaster cd image-blaster

2. 装好 Claude Code 后，复制环境变量模板并填入密钥：

   cp .env.example .env

   文件里要填两把钥匙（约定见 .claude/rules/project.md）：

   • WORLD_LABS_API_KEY—— 交给 World Labs，负责生成 3D 世界；
   • FAL_KEY—— 交给 FAL，3D 建模、音效、图像编辑都走它，清洁底版依赖的就是这把 Key。

3. 终端里输入claude进入对话，把两个 Key 发给它即可开工。

把照片丢进 input/，再让它学会认物体

步骤 1：图片进input/

把想「清洁」的照片放进仓库根目录的input/文件夹。跑分析时，image-blaster 会自动把input/里的文件暂存（stage）到worlds/<世界名>/source/下，从此源图路径就固定下来（对应 image-blast-project 技能）。

步骤 2：分析 + 你点头确认

接着它按 image-blast-uncover 技能 逐张读图：

• 用观察性的描述写场景——环境、光照、氛围；
• 只挑「人搬得走」的独立物体，一把椅子算，墙上的钉子不算；
• 结果落进worlds/<世界名>/image.json，然后停在这里等你确认哪些物体要做成 3D 模型。

image-blaster 会把你确认的物体（如蝴蝶）单独提取建模，再从底版中移除它们。

这步是关键：只有你点头的物体会写进worlds/<世界名>/output/<物体名>/object.json，而清洁底版正是照着这份「已确认清单」来拼移除提示词的。

一句话生成清洁底版

确认完物体，直接对 Claude 说（照着发就行）：

给my-room这个世界生成一张 clean plate，把我确认的物体从源图里移除。

它会在后台拉起 image-blast-plate 智能体，由 image-blast-plate 技能 驱动。有几处设计值得知道：

• 一次编辑删完所有：全部确认物体合并进一条移除提示词，单次图像编辑搞定，不拆成多次；
• 提示词只做减法：只说删什么，不说留什么，免得模型「顺手」动背景；
• 底版是一张新的源图：写进worlds/<世界名>/source/，编号用下一个可用的（命名见下一节）；
• 跑完会汇报：输入图、输出底版图、请求元数据、实际使用的提示词。

真正干活的入口是 generate-edit.mjs，带--role plate参数标识这是一次底版生成，--provider参数可切换图像编辑模型。

底版落在哪个目录，怎么核对

一次底版生成后，source/目录长这样（完整约定见 .claude/rules/project.md）：

worlds/my-room/source/ 0-room.png ← 原始照片 0-room.json ← 这张图的分析结果 .0-room-request.json ← 原始请求元数据（隐藏文件） 1-room-plate.png ← 清洁底版，注意编号是 1 不是 0 .1-room-plate-request.json ← 底版请求元数据

规则很简单：N-slug.ext里的N是生成序号，0永远是原始图，数字越大越是后派的生图；每张图旁还躺着一个隐藏的.N-slug-request.json请求记录，支持断点续传和本地修复。靠这套编号，原图永远不会被覆盖——每次编辑都产出一张新编号的图，来龙去脉查得到。

几个常见卡点：

• 底版文件不见了：请求记录里有模型返回的 URL、本地却缺文件，用 ensure-local-assets.mjs 从对应请求 JSON 把本地文件补回来，不用重新花钱生成。
• 底版把背景改坏了：重新发起请求，指令里写死「只做移除，不要修补或新增内容」，或者换模型再试。
• 想顺手删掉没确认过的东西（路人、电线杆）：调用底版时追加一句「额外的移除说明」就行。

默认 nano-banana，不满意就换 gpt-image-2

底版默认用nano-banana做图像编辑；想换的话，在提示里点名gpt-image-2即可。两个入口脚本 nano-banana-edit.mjs 和 gpt-image-2-edit.mjs 都由 FAL 统一调度，不用额外配置。

底版越干净，重建出的世界越可信——上图是 image-blaster 重建出的 3D 环境。

底版之后按 image-blast-project 的建议顺序走：先跑image-blast-world生成 3D 世界，再逐个跑image-blast-3d出物体模型，最后用image-blast-sfx配上环境音和撞击音效。整条链路串起来就是：原图 → 物体分析确认 → 清洁底版 → 环境 3D 化 → 物体建模 → 音效，产物能在 app/ 查看器 里实时浏览。

更多玩法（视频级世界、SFX、通配模式）看 README.md 和 .claude/skills/ 下的各技能文档。

【免费下载链接】image-blasterAn image-to-world skillset for Claude.项目地址: https://gitcode.com/gh_mirrors/im/image-blaster