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，分别喂给不同的大模型做3D可视化。这个想法本身就很妙，因为原著里这些城市全靠文字想象，从来没有过图像或模型，现在等于让AI去「翻译」文学意象。

结果对比挺说明问题的。同样的提示词下，一个模型生成的55座城市几乎长得一模一样，全是那种灰扑扑的通用建筑群，完全看不出原文里「万家灯火」的层次感。另一个模型则把艾琳那种从高处俯瞰、粉红光线像吸满牛奶的海绵一样涨起来的氛围还原出来了，连广场边静坐的老人都做出来了。我的判断是，这轮对比真正拉开差距的不是建模精度，而是对文本意境的理解力。3D建模本身现在不算难，three.js那套东西浏览器里跑得动，难的是从一段散文里提取出「该有什么、该没有什么」的取舍。哪个模型能把文学描述转成合理的空间叙事，哪个就更适合做这类创意工作。不过也要泼点冷水。这类项目生成的页面体积普遍偏大，加载慢是通病，真要做成产品还得在性能和体验上做减法。而且55座城市里能出彩的可能就那几座意象特别鲜明的，剩下的容易沦为同质化的技术演示。对做出海内容或文创的朋友来说，这倒是个可复用的思路：把抽象文本变成可交互的3D场景，做品牌故事、做文化科普都有想象空间。关键还是选对模型，并且别指望一次生成就到位，人工筛选和二次调整省不掉。