混元世界模型怎么用？3D 场景生成入门

混元世界模型（HY-World）要做的事可以一句话说清：给一段文字或一张图，生成一个能走进去的 3D 场景。它把场景搭建的前段从建模软件里挪到了生成环节。对做游戏原型、虚拟空间概念的人来说，改变的是起步方式；对要交付高精度资产的团队来说，它只是管线前面多了一道工序。

它到底生成了什么

输出通常是可以导入引擎的三维场景表示，具体格式与导出方式以官方仓库说明为准。可漫游意味着相机能在场景里移动，不等于每一处几何都闭合、每一块材质都正确。

这个区别值得先说清。你在预览里看到的是一段连续画面，导入引擎后要面对的是拓扑、UV、法线、材质槽。画面好看和资产可用，是两件需要分别检查的事。把预览当成验收，返工都发生在导入之后。

输入怎么选：文字、图片各管什么

文字输入适合从概念出发。说清空间类型、尺度、视线关系、光线时段，比堆形容词有效。图片输入适合复现风格或布局，一张概念图能定住色调和构图，但图里的透视会被当成真实结构，容易生成比例失真的场景。

两种可以叠加：用图片定风格，用文字补结构和用途。补的那部分要写具体名词和数量，比如「三层、层高约三米、中间有天井」，比「空间感强一点」有用得多。

把描述固定成六项，效果会稳得多。六项是：用途（游戏关卡、展厅、室内概念）、空间类型与尺度、主体物件清单、视线与动线、光线与时段、明确不要出现的东西。最后一项常被忽略，写上去能减少很多返工，比如「不要人物、不要文字招牌、不要现代家电」。

让通用大模型把这段描述整理成结构化文本，是个省事的做法，提示词库改编的三个动作里讲的分层改写同样适用。至于这类整理值不值得多花一轮推理，可以对照深度思考什么时候开来判断。

生成之后先查四件事

一查尺度。门高、层高、家具比例是否接近常识，尺度错了，后面所有调整都白做。二查拓扑，看有没有破面、悬空面、重合面。三查材质与 UV，贴图是否拉伸、有没有接缝。四查遮挡区域，镜头没拍到的部分常被凭空补出来，走进去才发现结构不合理。

这四项按顺序查，不要跳。尺度和拓扑不过关，材质调得再好也用不了；前三项都过了，再花时间修遮挡区才划算。

和传统建模怎么分工

生成负责「有」，建模负责「准」。概念阶段用生成铺量，一天出十几个方向，选中两个再进专业工具重做主体结构。主体建筑、角色、可交互道具必须走标准资产流程，因为要动画、碰撞和不同距离的模型层级。

分界线可以按一个标准划：这个物件会不会被用户靠近、触摸、反复看。会，就必须可控；只是远景背景或过场，生成的够用。按这条标准分，一个场景里需要手工重做的通常只占少数。

它现在做不到什么

精度与可编辑性有限。生成的网格拓扑往往很乱，不能直接绑定骨骼，也不方便做布尔运算；UV 常常缺失或重叠，贴图要重新展。想把生成结果当最终资产，改造成本可能高于从头做。

物理属性不会跟着生成。碰撞体、质量、材质参数要在引擎里逐个补，这一步没有捷径。

一致性和可控性也弱。同一段描述生成两次结果不同，多个场景之间风格难统一。需要系列关卡连贯的项目，这一条是硬伤。场景里的文字与标识还容易生成成无法辨认的字符，需要全部替换。

还有一条不属于技术：生成结果可能接近某座真实建筑或某张受版权保护的图片。对外发布前要核查相似度，商用场景尤其要留记录。

三类用途的投入产出

表里第四列决定这件事值不值得做。二次加工量大的用途，先算一遍改造工时，再决定要不要生成。

团队怎么用它才不白花时间

建一张对照表：固定六项输入模板，记录哪类描述对应哪类结果，把可用结果连同参数一起归档。下次做同类场景，从表里找起点，比重新试 prompt 快得多。团队资料分散时，可以借共享知识库做资料问答的思路，把风格参考图和验收标准放在一处。

验收标准也要提前写。什么算「可用草稿」，什么必须重做，写成三条以内，评审时按条对照，能避免反复争论「感觉不对」。

场景生成速查

• 输入六项：用途、尺度、物件、动线、光线、不要什么
• 先查尺度与拓扑，再查材质与遮挡
• 会被靠近的物件必须手工重做
• 生成结果按「草稿」归档，不按「资产」归档

开始前常问的三个问题

能不能只用一张照片生成整个场景？能生成，但照片没拍到的部分由模型补，补出来的结构和真实空间往往对不上。要还原真实空间，得补拍或补测，光靠一张图不够。

生成的场景能直接放进引擎跑吗？能导入，但导入不等于能跑。碰撞、导航网格、模型层级都要另做，这部分工作量常被低估。

提示词写多长合适？一百到两百字足够，重点是名词和数量准确。写成五百字散文，模型反而抓不住重点，还容易自相矛盾。