World Labs 发布 Marble：一张图或一句话，几分钟生成可交互3D场景

由人工智能先驱 李飞飞（Fei-Fei Li）于去年创立的初创公司 World Labs，近日推出其首款产品——Marble。这款生成式AI模型能将单张图片、一段文字，甚至短视频，在短短几分钟内转化为可在 WebXR 中直接浏览的体素化3D场景，为VR/AR内容创作带来前所未有的效率革命。

从 ImageNet 到“世界模型”：李飞飞的新征程

作为2010年代推动计算机视觉爆发的关键人物，李飞飞因创建 ImageNet 数据集 而广为人知——她敏锐地意识到：高质量标注数据的缺失，才是AI进步的最大瓶颈。如今，她将这一理念延伸至三维空间，带领 World Labs 打造所谓 “首类生成式多模态世界模型”（first-in-class generative multimodal world model）。

Marble 的核心技术基于近年主流的 3D Gaussian Splatting（高斯泼溅）技术——通过在三维空间中排布成千上万个半透明彩色“高斯点”，实现实时、任意视角的逼真渲染。但与其他系统相比，Marble 在输入灵活性与生成速度上实现了显著突破。

单图秒变3D？Marble 的能力边界

• 免费模式：仅需一张图片或一段文本提示，几分钟内即可生成可浏览的3D场景；

• 付费订阅（20美元/月）：支持多图输入、短视频、甚至粗略3D结构，并通过名为 Chisel 的编辑工具进行深度创作。

Chisel 允许用户像使用游戏引擎一样，在场景中放置简单几何体（如立方体、球体），再用自然语言指令（如“把这里变成热带雨林”）将其转化为细节丰富的体素环境。更关键的是，付费用户还能：

• 对生成场景进行交互式编辑与扩展；

• 合并多个世界构建复杂空间；

• 导出为传统3D网格（mesh），用于Unity、Unreal等引擎开发（转换需数小时）。

所有生成内容均可通过 WebXR 在 Quest 3、Apple Vision Pro 等设备的浏览器中直接查看，无需安装专用应用。

实测体验：快，但仍有局限

在实际测试中（例如将一张 2014年 Steam Dev Days VR会场照片 输入 Marble），生成场景的质量明显低于 Meta 的 Horizon Hyperscape 或 Varjo Teleport，大致介于 Niantic Scaniverse 之上、专业扫描之下。

主要问题在于：

• 画面中心区域（对应原图内容）细节尚可；

• 边缘及背面区域则依赖AI“脑补”，出现典型高斯泼溅的模糊、扭曲或结构失真；

• 若仅用单图输入，相机视野外的内容纯属幻觉，与真实环境可能大相径庭。

📌 因此，若追求高保真重建，仍需提供多角度图像或视频。

为何 Marble 依然值得期待？

尽管存在画质限制，Marble 的真正价值在于 “快速原型 + 语义驱动创作”：

• 游戏开发者可用它几分钟内搭建关卡雏形；

• 教育者能将历史照片转为可探索的3D课堂；

• 社交VR创作者可通过自然语言“描述梦境”，即时生成虚拟聚会空间。

结合 Chisel 的几何可控性与自然语言接口，Marble 正在模糊“内容消费者”与“世界建造者”之间的界限。

使用须知

• 官网地址：marble.worldlabs.ai

• 免费账户生成的场景默认公开；

• 私有场景、高级编辑与导出功能需订阅 20 美元/月计划。