Mac本地跑AI生成100+游戏3D资产：Hunyuan3D + SDXL实战

我是 StudioMidori。目前正在用 Unreal Engine 5 开发一款合作游戏（暂定名 "Engawa Summer"），目标是重现 90 年代暑假游戏的感觉。

在这个系列 "Rebuilding Summer" 中，我计划记录开发过程中的技术细节——以详尽但有时相当坦诚的方式分享成功与失败。

第一期的主题是独立开发者永恒的难题："如何获取 3D 资产？" 先说结论：我仅用 Mac 和本地 AI 生成了超过 100 个资产，零额外成本。下面分享配置方案以及我踩过的坑。

配置：图像生成到"图像→3D"转换的两阶段流水线

我使用的工具全部是本地运行的免费工具。

虽然 Hunyuan3D 看起来对 CUDA（NVIDIA）支持很重，但它实际上能在 Apple Silicon 的 MPS 上运行！说实话，这是我最担心的部分。之前我有过其他 3D 模型因为 MPS 上未实现的算子而崩溃的经历……但这次，它成功运行了。做得好！

以下是我的实测结果：

生成时间：每个物体约 6–8 分钟（octree_resolution 256–320）。

GPU 利用率：生成期间设备利用率 100%（用 ioreg 检查。证明它没有摸鱼）。

输出网格：以单个自动贩卖机为例，约 709,000 顶点 / 350k 三角面（稍后会解释为什么这是个问题）。

质量 80% 取决于"输入图像创建"

亲身体验后，我深感 3D 输出质量几乎完全由输入图像决定。经过大量试错，我总结出了以下配方。

方形物体：从正视图拍摄 / 圆柱或球形物体：从 45 度角拍摄（以帮助模型正确估算形状）。

在提示词中加入 "levitating in an empty white void, nothing underneath"。→ 如果不加入，物体下方的地面和阴影会连同地面一起被物化，导致像长出翅膀的自动贩卖机这样的东西凭空出现。

严格使用负面提示词排除 podium、plinth、table、shadow（如果交给 AI 自行处理，产品照片会自动把物品放在展示台上）。

不要生成任何文字（no text + 负面提示词排除 chinese characters, garbled text）。

"文字"部分是最大的难题。当我想在招牌上放日文字符时，图像 AI 自信地伪造出了看起来像"汉字"的东西。所以我早早放弃了，决定把所有招牌生成纯白表面，然后在引擎里自己贴上正确的字体。……后来我才意识到这个决定"从版权角度来看是完全正确的"，但那是另一回事了。

▼ 输入图像（左）vs 生成 3D 的三视图轮廓（右）

我史诗级的失败（这部分最有参考价值）

如果技术文章只展示完美的成功故事，那就不诚实了，所以我要分享一些可复现的失败案例。

失败①：薄或小的物体会被"压成饼"

以象征平成时代的折叠手机为例。结果它变成了一个薄薄的脆饼，深度信息已经消失。无论我怎么调整提示词，都无法获得任何厚度。

原因：单视角图像转 3D 模型在处理薄或小的物体时容易崩溃，因为它必须猜测看不到的那一面。解决方案：我决定接受这个现实——对于手机、寻呼机或磁带这些本身就很薄的东西，根本不应该依赖 AI。我发现最好还是在引擎里用简单的立方体图元来创建它们。这是一种"在合适的地方使用合适工具"的问题。

失败②：雕像"自动繁殖"

当我只请求一座地藏菩萨雕像时，结果出现了两座并排的雕像，而且它们以某种方式融合成了一个双体怪物。解决方案：我在提示词中明确加入 one single ... , only one figure，并在负面提示词中加入 multiple, two。这对守护犬和稻荷狐也有效；就这么简单的短语让它们恢复成了单一单位。如果交给 AI 处理，它往往会过于"贴心"地添加额外的东西，所以明确说明"一个就够了"是关键。

失败③：线缆/天线"散落空中"

当我生成一个游戏手柄时，线缆断裂散落，像意面一样漂浮在空中。解决方案：从提示词中排除细长的附件（如线缆、天线或绳子）。只生成主体，线缆稍后添加。

成品率约 85%。但前方还有大坑。

当我把精力集中在固体物体（房屋、家电、雕像、汽车、建筑）上时，成品率一般在 85% 左右。对于"有轮子"的物品，如三轮车或拖拉机，轮子似乎是很强的结构提示，意外地得到了相当干净的形状。

甚至有机物（动物）的形状构建也比预期更好。

然而，在检查了 66 个生成的物品后，一个事实变得清晰了。

生成的 GLB 缺少 UV 坐标、法线和材质。它们都只是扁平的灰色团块。

这意味着我无法做"应用单一纹理"这种常识性操作。这是下一座要翻越的高山。

此时，我想当然地认为可以在引擎侧统一上色。直截了当说结论：这个假设后来被推翻了。到底哪里出了问题、怎么出的，我会在下一篇文章中详细讲述。

总结与下期预告

我们可以用 Mac + 本地 AI 免费批量生产游戏 3D 资产（简单物体估计成品率 85%）。

质量 80% 取决于输入图像。提示词方面，我会让它漂浮在空旷空间，并要求"一个一个"地生成物体，避免文字生成。

输出是没有任何 UV 或材质的灰色网格。下一个挑战是搞清楚如何给这些灰色团块上色。

下一次，我计划分享把这一百个批量资产导入 Unreal Engine 并让它们真正可用的全部内容——包括任何磕绊的 Python 脚本。标题将是"给灰色团块注入'色彩'（不是生命）的那一集"。

……虽然我很想说这些，但需要提前提醒你。在下一篇文章中，我将彻底重建我的上色策略。

我每天在 X (@StudioMidori) 更新进度。如果你不介意的话，如果你能关注并见证夏天被一个像素一个像素地重建，我会非常感激。