Nvidia 推出 3D 引導生圖工作流：用 Blender 擺構圖，讓 FLUX.1 出圖

玩過 AI 生圖的人，大概都經歷過這種崩潰：你想讓畫面裡的車停在街角左側、鏡頭稍微仰拍，結果在提示詞裡翻來覆去改了二十遍，模型不是把車放到了天上，就是直接換了個俯視大平視。

Nvidia 正式上線了一套名為「3D 引導式生成式 AI」（3D-guided generative AI）的 AI Blueprint 工作流。它的解法很直接：別在提示詞裡跟模型死磕構圖了，先在 3D 軟體裡把場景擺好，再讓 AI 照著畫。

這套工作流最早在今年早些時候的 CES 上露過面，現在正式開放下載。不過它的門檻相當硬核，你的電腦必須配有 RTX 4080 或更高規格的 GPU 才能跑得動。

先用火柴盒搭出透視和機位

以往要想精準控制生圖的姿態或構圖，通常得去折騰複雜的 ControlNet 外掛，配置門檻能勸退一大批人。Nvidia 這一次則是把開源 3D 工具 Blender 和 Black Forest Labs 的 FLUX.1-dev 串在了一起。

創作者可以直接在 Blender 裡用非常粗糙的幾何體，隨手搭一個場景。比如放幾個長方體代表高樓，放幾個小色塊代表汽車或樹木，然後隨意拖拽虛擬攝像機，找準你想要的俯仰角度與焦段。

這些 3D 物體完全不需要精細貼圖，因為系統只是提取場景生成的深度圖。隨後，深度圖會被轉換成灰度資訊傳給 FLUX.1-dev，結合提示詞直接生成最終畫質細膩的 2D 畫面。

在底層架構上，Nvidia 把整個管道打包成了一個整體方案。它把 Blender、ComfyUI 及其互聯外掛、FLUX.1-dev 的 NIM 微服務全都裝在了一起，還配了一鍵安裝包和開發文件。

為了讓大模型在本地跑得更快，Nvidia 掏出了 TensorRT 加速。在 Blackwell 架構 GPU 上，模型被量化到了 FP4 精度，推理速度比原生 PyTorch FP16 快了一倍多，視訊記憶體佔用砍掉一半以上；如果是在 Ada Lovelace 架構上，則通過 FP8 精度來跑。

類似的想法其實 Adobe 在去年 10 月的 MAX 大會上也展示過，代號叫 Project Concept。但 Adobe 那個工具到現在還停留在實驗階段，能否公開面世都還是未知數。

為什麼重要

我們認為，Nvidia 這次打中了專業創作者最大的痛點：確定性。單純靠自然語言描述空間關係，對擴散模型來說就像開盲盒；而 3D 空間裡的座標、鏡頭引數和遮擋關係是絕對確定的，拿 3D 骨架去約束 2D 畫素，等於把導演手裡的取景器還給了創作者。

對於影視概念設計師、遊戲美術或者動畫分鏡師來說，這套工具非常值得試一試。哪怕你只會 Blender 的基礎位移和縮放，花兩分鐘擺幾個方塊，也比你在聊天框裡抽卡兩小時更高效，尤其是在需要連續調整機位、保證空間一致性的時候。

但它的短板也寫在臉上。首先是苛刻的硬體壁壘，RTX 4080 起步的門檻，直接把大批用輕薄本或者主流中端顯示卡的使用者擋在了門外。這看起來不僅是在推開源工具，更是在給自家的旗艦顯示卡帶貨。

對行業而言，這一步給端側工作流樹立了一個標杆。過去大模型比拼的是提示詞理解能力，但在專業生產力領域，未來的競爭焦點正在轉向多工具協同與可控生成。如果競品不能提供這種精細的操作手感，光靠提升提示詞敏感度，很難打進專業工業管線。