影片筆記：最新GPT-6 Astra 实测｜一张三视图，直接生成可编辑 Blender 豹2坦克！

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

影片實測近期發布的 AI 模型 Astro（疑似與 ChatGPT 團隊有關）與 Gemini 3.8，測試其能否僅憑「三視圖紙張」生成可直接在 Blender 中編輯的參數化 3D 模型。結果顯示，Astro 能生成結構複雜、部件獨立且可編輯的德國豹 2 坦克模型，具備工業級潛力；而 Gemini 3.8 雖速度快但質量粗糙，無法滿足複雜建模需求。

核心重點

1. Astro 模型的強大能力：

• 僅需提供二維三視圖紙張，即可生成基於 Blender 的、高度可編輯的參數化 3D 模型。
• 模型包含數千個獨立對象（對象、網絡對象、控制器、燈光等），每個部件（如螺絲、分段尺寸、塗裝）均可單獨調整。
• AI 具備內部邏輯閉環：識別型號 -> 自動查找網絡資料補全缺失尺寸 -> 參數化生成部件 -> 自動組裝與比例校準 -> 生成渲染圖。
• 作者認為此技術對 CAD 行業、手辦及遊戲開發具有顛覆性影響，效果接近手工建模。

1. Gemini 3.8 的表現：

• 生成速度極快，但質量較差（「拉垮」）。
• 生成的模型較為粗糙，細節不足，無法達到複雜結構要求，僅能生成基礎物體。
• 在複雜 3D 建模領域尚不成熟。

1. 技術原理區別：

• 傳統圖生 3D：將照片轉化為一體化的網格（Mesh），部件不可單獨編輯，難以進行精確工業設計修改。
• 新式參數化生成（Astro）：類似 CAD 數據生成的參數化方式，每個部件獨立，符合工業設計邏輯，可編輯分段、尺寸及組裝關係。

1. 測試對象與條件：

• 目標：德國豹 2 主戰坦克（Leopard 2）。
• 選擇理由：比火車複雜，包含側面七個負重輪、獨立履帶、側邊裙板等細節。
• 輸入資料：僅提供三視圖紙張，無具體尺寸標註，無 CAD 數據。

詳細大綱

一、 測試背景與目標

• 靈感來源：作者看到網友利用新模型將簡單火車紙圖轉為可編輯 3D 模型。
• 測試工具對比：
• Astro：近期剛發布的模型，設定為「極高」精度。作者暗示其與 ChatGPT 團隊有關（提及「ChatGPT 昨天出來的宇航員模型」）。
• Gemini 3.8：Google 近期發布的模型，用於對比測試。
• Gemini 3.7：作者過去半年使用的模型。
• 測試對象：德國豹 2 主戰坦克（作者口誤稱為「鮑爾」或「報二」）。

二、 Astro 模型生成過程解析

• 提示詞輸入：
• 指定生成格式：可編輯的 Blender 3D 模型。
• 指定內容：德國豹 2 主戰坦克。
• 補充資料：提供參考圖片（若紙圖數據不清）。
• AI 內部邏輯閉環：

1. 視覺分析：識別紙圖，反推具體型號（區分不同型號的豹 2）。
2. 數據補全：自動查找網絡資料（如德國官網參數）補全缺失的尺寸數據。
3. 結構生成：基於參數化設計原理，生成各個獨立部件（非一體化網格）。
4. 自動組裝與校準：自行組裝部件，進行比例校準（作者口誤為「絲桿校準」）。
5. 後期處理：生成渲染圖、檢查三視圖比例、打包原始參考圖。

• 生成結果特點：
• 完全可編輯：模型由數千個獨立對象組成。
• 細節豐富：包含塗裝、每個螺絲、分段尺寸均可調整。
• 工業級潛力：作者認為其效果接近手工建模。

三、 Gemini 3.8 模型測試結果

• 測試設定：與 Astro 同時進行，文件命名為「Gemini 測試」。
• 表現特點：
• 速度極快：生成速度快於 Astro。
• 質量較差：生成的模型較為「拉垮」，細節不足。
• 結論：目前 Gemini 3.8 在複雜 3D 建模領域尚不成熟。

四、 技術原理區別說明

• 傳統圖生 3D（照片轉模型）：
• 通過神經網絡將照片轉化為一體化的網格（Mesh）。
• 缺點：模型渾然一體，部件不可單獨編輯。
• 新式參數化生成（Astro 等）：
• 類似 CAD 數據生成的參數化方式。
• 優點：每個部件獨立，可編輯分段、尺寸、組裝關係。

五、 結語與推廣

• 行業影響：此技術可能顛覆傳統 CAD 行業及需要精確拆件的手辦/遊戲開發流程。
• 課程推廣：作者推廣個人博客課程（whosebird.com），涵蓋 AI 新手入門及企業應用。
• 資源分享：提供豹 2 坦克紙圖下載，邀請觀眾聯繫作者（QQ/微信）體驗 Astro 模型能力。

工具 / 模型 / 名詞整理

• AI 模型：
• Astro：影片重點測試的模型，被描述為「今天剛出來」、「極高」精度設定。作者暗示其與 ChatGPT 團隊有關。
• Gemini 3.8：Google 發布的新模型，用於對比測試。
• Gemini 3.7：作者過去半年使用的模型。
• Codex：提及網友使用 Codex 生成火車模型。
• TedJPD：作者將 Gemini 3.7 類比為該型號的中等模型（疑點：名稱需查證）。
• TNGPT：逐字稿中出現的詞彙，疑點：可能為 ChatGPT 或其他模型的聽寫錯誤。
• 豆包：提及的 AI 工具。
• 軟體/平台：
• Blender：用於生成和編輯 3D 模型的開源軟體。
• ChatGPT：提及與 Astro 的關係及近期發布的宇航員模型。
• GEMI 3.8 / Gemini：Google 的模型名稱，逐字稿中出現混用。
• Workbody：提及的軟體（疑點：名稱需查證，可能為 Workbench 或其他）。
• 其他專有名詞：
• 豹 2 / 報二 / 鮑爾主戰坦克：測試目標物體，逐字稿中名稱混亂。
• 三式圖 / 三視圖：參考圖紙類型。
• OBJ：3D 模型文件格式。
• CAD：電腦輔助設計。
• 手辦模型 / 工業級渲染：應用場景描述。
• whosebird.com / whosebook.com：作者推廣的博客地址，逐字稿中前後不一致。

操作流程整理

1. 準備輸入資料：

• 獲取目標物體（豹 2 坦克）的三視圖紙張。
• 確認無具體尺寸標註及 CAD 數據。

1. 選擇 AI 模型並輸入提示詞：

• 選擇 Astro 模型，設定精度為「極高」。
• 輸入提示詞：指定生成格式為「可編輯的 Blender 3D 模型」，指定內容為「德國豹 2 主戰坦克」。
• （可選）提供參考圖片以輔助數據不清的情況。

1. AI 自動處理階段：

• 識別與補全：AI 識別紙圖型號，並自動查找網絡資料補全缺失尺寸。
• 參數化生成：生成各個獨立部件（非一體化網格）。
• 組裝與校準：AI 自行組裝部件，進行比例校準（作者口誤為「絲桿校準」）。

1. 結果輸出與驗證：

• 生成渲染圖。
• 檢查三視圖比例。
• 打包原始參考圖。
• 在 Blender 中驗證模型的獨立對象數量及可編輯性（如調整螺絲、分段尺寸、塗裝）。

值得注意的限制或風險

1. 模型名稱與技術細節的不確定性：

• 影片中提到多個模型名稱存在拼寫混亂或聽寫錯誤（如 Astro、Gemini 變體、TedJPD、TNGPT），實際對應的技術架構需進一步查證。
• 「Astro」與「ChatGPT 團隊」的關係僅為作者暗示，未明確說明官方歸屬。

1. 生成質量依賴於輸入資料：

• 雖然 Astro 能自動補全尺寸，但若三視圖紙張本身數據不清或缺失關鍵細節，可能影響最終模型的準確性。

1. 技術成熟度：

• Gemini 3.8 在複雜建模上表現不佳，顯示當前 AI 在 3D 建模領域的能力存在顯著差異，並非所有模型都能達到工業級標準。

1. 作者身份與專業性的潛在矛盾：

• 作者稱自己「很久沒有做過 3D 模型工作」，但隨後對 Blender 對象數量、網絡對象、控制器等細節描述極其專業，可能存在口誤或身份描述上的矛盾。

逐字稿辨識疑點

• 模型名稱拼寫錯誤：
• 「TedJPD」：作者形容 Gemini 3.7 等價於此型號，疑點：實際應為何種模型名稱需查證。
• 「TNGPT」：逐字稿中出現「最近 TNGPT 可以生成模型」，疑點：可能為 ChatGPT 或其他模型的聽寫錯誤。
• 「Gemney / Gemily / GEMI」：逐字稿中對 Gemini 的拼寫有多種變體，需統一確認。
• 「Codex」：作者提到網友用 Codex 生成火車，但後續又說不是 Codex，邏輯稍顯混亂，需確認是否指代特定生成方式。
• 物體名稱混亂：
• 「鮑爾主戰坦克」：作者多次口誤，實指德國「豹 2」（Leopard 2）主戰坦克。
• 「報二 / 報家伙 / 報式坦克」：對 Leopard 2 的各種諧音或聽寫錯誤。
• 「爆 2A5 / 爆 2」：對坦克型號的聽寫錯誤。
• 技術術語疑點：
• 「做金丝校准」：疑點：可能為「做絲桿校準」或「做基準校準」的聽寫錯誤。
• 「生涂」：多次出現，疑點：可能為「生成」或「渲染」的聽寫錯誤。
• 「CED 型」：作者提到「CED 型的那種尺寸參考」，疑點：可能為「CAD」的聽寫錯誤。
• 「Workbody」：疑點：可能為「Workbench」或其他軟體名稱。
• 邏輯與事實矛盾：
• 作者稱 Astro 是「昨天出來」，Gemini 3.8 是「昨天出來」，時間點描述需查證。
• 作者稱自己「很久沒有做過 3D 模型工作」，但隨後對 Blender 對象數量、網絡對象、控制器等細節描述極其專業，存在身份描述上的潛在矛盾或口誤。
• 「whosebird.com」與「whosebook.com」：逐字稿中博客地址前後不一致，需查證正確網址。

可延伸追問

1. Astro 模型的具體技術架構：Astro 是否真的由 OpenAI（ChatGPT 團隊）開發？其參數化生成的具體技術原理是什麼？
2. 與現有 CAD 軟體的整合：生成的 Blender 模型如何與傳統 CAD 軟體（如 SolidWorks, AutoCAD）進行數據交換或整合？
3. Gemini 3.8 的改進方向：Google 未來是否會針對複雜 3D 建模能力對 Gemini 系列進行專門優化？
4. 工業應用案例：目前是否有實際的工業設計或手辦開發案例成功應用了 Astro 類似的技術？
5. 數據隱私與版權：AI 自動查找網絡資料補全尺寸時，涉及哪些數據來源？生成的模型版權歸屬如何界定？