用AI把看不见的城市变成3D

最近看到一个很有意思的实验，有人把卡尔维诺《看不见的城市》里那55座纯文字描述的城市，直接丢给大模型做3D可视化。说实话，这个思路本身不算新，但结果对比挺让我意外的。

同一个城市「艾琳」，两个模型给出的东西完全不在一个层次。一个版本就是普通的城市夜景，灯光、窗户、塔楼都有，但你完全感受不到原文里那种「像吸满牛奶的海绵一样涨起来」的朦胧感。另一个版本则把粉红色的光晕、雾气、高处的视角都还原出来了，甚至能看出作者对文本的理解深度。我特意去翻了翻其他城市的生成结果，差距更明显。前一个模型生成的55座城市几乎长得一模一样，全是那种标准化的3D城市模板，换哪个城市名都成立。后一个模型至少在尝试抓住每座城市的独特气质，比如伊希多拉，它真的在广场边放了静坐的老人，这个细节让我有点触动。这背后其实是模型对文学文本的「空间想象力」差异。3D建模不只是堆几何体，你得先理解文字里的氛围、光线、人物关系，再把这些抽象描述翻译成可交互的场景。目前来看，不同模型在这方面的能力差距比写代码、做表格要大得多。当然，这类项目也有现实问题，three.js生成的场景体积太大，页面加载慢得让人想关掉。但我觉得方向是对的，以后做文旅展示、游戏场景原型，甚至给孩子讲绘本，可能都会用到这种「文字直接变3D」的能力。只是别指望现在的模型能稳定输出，选对模型比选对提示词还关键。