一、缘起：一个盲盒爱好者的发癫想法

抽盲盒是很多年轻人的喜好，我这个中老年人也不例外。

我桌上常年摆着各式各样的盲盒和手办，通常都是主题系列的比如精灵宝可梦、数码宝贝、奥特曼等等。每次拆盒时那种"不知道会是什么"的期待感，总让人欲罢不能啊！有天晚上我在整理这些小玩意儿，想自己做一个抽奖的游戏该多好。

混元生3D？文生3D、图生3D、草图生3D？

我的脑子里"叮"地一声，恭喜宿主！——，啊不是想岔了，是冒出一个念头：

能不能用 AI实时通过玩家的喜好选择 生成 3D 模型来做"虚拟盲盒"？

想想看——咱们输入一个主题，比如"赛博朋克猫咪"，系统像盲盒一样在主题范围内注入随机元素，给你生成一个独一无二的 3D 角色模型。

完全都不知道会搞出来什么造型，是机械耳朵还是霓虹尾巴，全靠运气。再靠 TTS 给角色配一段自我介绍的语音，这样搞每个盲盒就是一个有声音、有故事、有 3D 形象的数字收藏品了！

这个想法让我兴奋了一整晚。第二天就打开WorkBuddy开始动手了。最终效果如下：

二、3D 虚拟盲盒工坊

我有一个伟大的计划，简单来说，用户选择一个主题（或上传一张草图），后台在主题内注入随机"基因"——颜色变体、配件组合、风格微调——然后调用混元3D生成独一无二的3D角色模型。

同时为角色生成姓名、性格、稀有度和背景故事，最后用 TTS 合成角色的"自我介绍"语音。整个体验模拟真实盲盒的"拆箱"过程：选主题、开盒、等开奖。这样内容可以无穷无尽啊。

与物理盲盒不同，每个虚拟盲盒都是 AI 实时生成的，理论上不会有完全相同的两个。而且你不仅能看到 3D 模型，还能听到角色"说话"。我设计了五个主题系列：

系列名称	风格定位
赛博朋克	霓虹机械、未来都市
古风仙侠	飘逸仙气、东方韵味
萌宠乐园	Q弹可爱、治愈系
星际探索	太空科幻、外星生物
暗黑奇幻	哥特暗影、神秘生物

除了预设主题，用户也可以输入自定义关键词，甚至上传手绘草图来生成盲盒——草图模式会调用混元3D的 Sketch 生成类型，把涂鸦变成 3D 模型。这个功能在我测试时尤其有趣，我画了个歪歪扭扭的"四不像"，结果生成了一个还挺有设计感的小怪兽。

三、技术架构与 Skills 选型

我们首先要和Workbuddy充分沟通设计过程，从小白视角让它一步步摸清我们的需求，指导我们完成。
对话内容提示词如下：

我是个新手小白，啥都不懂。我想做一个盲盒网站，就像抽盲盒那种感觉！点一下按钮，就出来一个3D的小角色，每个都不一样，越稀有的越好看，最好还能让它开口说话做个自我介绍，像抽卡游戏那样有稀有度就更棒啦！你帮我想想办法，一步步教我做呗

WorkBuddy做了很多初级工作，还提示了我们需要用到腾讯的一些skill来获取真实的3D效果，这时继续让它调用它想用的skill就行。

整个应用的架构围绕"盲盒生成流水线"展开，Skills 使用了：hy-3d-generation、tencentcloud-tts、tencentcloud-ocr和tencentcloud-yt-segment-portrait，真正用到的主要是3D，混元的，没有它就没有3D盲盒。TTS 可以让盲盒"会说话"，从视觉扩展到听觉，是多模态体验的关键一环。OCR 处理用户上传的图片输入——比如有人拍了一张手写概念图的草图，OCR 能提取文字辅助 prompt 构建。人像分割则用于图片输入场景，把照片里的角色抠出来再喂给图生3D，生成效果比直接传整张图好不少。

Skill	slug	在本项目中的角色
混元生3D	hy-3d-generation	核心引擎，生成3D角色模型（GLB/OBJ）
腾讯云TTS	tencentcloud-tts	角色语音合成，生成自我介绍音频
通用文字识别	tencentcloud-ocr	图片输入场景的文字提取
图片人像分割	tencentcloud-yt-segment-portrait	图片预处理，角色抠图

我使用Workbuddy将四个腾讯云 AI Skill 编排为一条完整的多模态生成流水线，覆盖了从输入解析到三维建模再到语音合成的全链路：

四个 Skill 串联形成闭环：OCR 读图 → 人像分割抠图 → 随机引擎组 prompt → 混元3D 生模型 → TTS 配音，单独每个 Skill 各自为战，组合后实现了"选主题→开盲盒→3D模型亮相+角色语音自我介绍"的完整收藏品体验。

hy-3d-generation（混元生3D） 作为核心引擎，根据盲盒随机引擎组装的 prompt 调用文生3D/草图生3D接口生成 GLB 三维模型，并按稀有度分级选用 3.0/3.1 模型版本、PBR 材质与面数参数（N/R 用 3.0 快速出模，SSR/UR 用 3.1+PBR+80万面数追求极致精度），让稀有度不仅体现在概率上，更体现在模型质量上；
tencentcloud-tts（语音合成） 将系统自动生成的角色自我介绍文本合成为语音，并按稀有度映射不同音色（N→智瑜、SR→智侠、SSR→智美、UR→智白），实现每个盲盒角色"开盒即说话"的多模态体验；
tencentcloud-ocr（通用文字识别） 处理用户上传的图片输入场景——当用户拍下手写概念图或设计草图时，OCR 先提取图中文字辅助构建3D生成 prompt，将非结构化的图片输入转化为可用的文本线索；
tencentcloud-yt-segment-portrait（人像分割） 在草图/图片输入场景中做预处理，将主体从杂乱背景中抠出生成透明 PNG 再喂给图生3D，显著提升了草图模式的生成稳定性和模型质量。

四、环境准备与 Skill 安装

在Workbuddy中可以直接找到并添加这些技能，如下直接搜就行：





完成！可以在对话框中看到我们的技能已经在列表中，可以随时选取添加！

4.1 腾讯云密钥配置

四个 Skill 都需要腾讯云 API 密钥。去 腾讯云 API 密钥管理 页面创建 SecretId 和 SecretKey。

然后在环境变量里配置：

# Windows PowerShell
$env:TENCENTCLOUD_SECRET_ID = "你的SecretId"
$env:TENCENTCLOUD_SECRET_KEY = "你的SecretKey"

# Linux / macOS
export TENCENTCLOUD_SECRET_ID="你的SecretId"
export TENCENTCLOUD_SECRET_KEY="你的SecretKey"

同时需要开通对应的服务：3D 视觉创作（ai3d）、语音合成（tts）、文字识别（ocr）、图像处理（image）。每个服务首次开通都有免费额度，先领取，做这个项目基本够用。

3D这块需要额外买一点资源包不然不太够。毕竟生成一次都非常烧积分。

4.2 Skill 安装

在 SkillHub（https://skillhub.cn）搜索对应 slug 安装。安装后 Skill 的脚本会放在本地目录，后续可以直接在代码里调用。也可以直接 pip install tencentcloud-sdk-python 安装 SDK，手动调用 API。

下面就直接让它继续调用完成开发就行。

整个项目代码量不到 1000 行，借助 Skill 封装将四个腾讯云 API 的对接复杂度大幅降低，将 Skill 协同效能发挥到最佳。

4.3 项目结构

blindbox-workshop/
├── app.py                 # Flask 主应用
├── engine/
│   ├── random_engine.py   # 盲盒随机基因引擎
│   ├── dna_generator.py   # 角色 DNA 生成
│   ├── skill_3d.py        # 混元3D 调用封装
│   ├── skill_tts.py       # TTS 调用封装
│   ├── skill_ocr.py       # OCR 调用封装
│   └── skill_segment.py   # 人像分割调用封装
├── static/
│   ├── css/style.css
│   └── js/viewer.js       # 3D 模型查看器（Three.js）
├── templates/
│   ├── index.html         # 主页
│   └── box.html           # 盲盒开箱页
└── requirements.txt

五、实现的一些核心要点

5.1 盲盒随机基因引擎

盲盒的灵魂在于"随机"。但纯随机会生成乱七八糟的东西，所以我的做法是：每个主题预设一个"基因池"，包含颜色、配件、材质、风格修饰词等维度，每次从池子里随机抽取组合，拼成结构化的 prompt 喂给混元3D。这样既保证结果在主题范围内，又保证每次都有惊喜。

用预设的基因池约束随机范围，用稀有度系统控制 prompt 复杂度。UR 级别的 prompt 会自动加上更多细节描述词，让混元3D生成更精致的模型。实测下来，这种分层 prompt 策略对生成质量的影响非常明显——N 和 UR 的模型精度差距肉眼可见。

5.2 混元3D模型生成

混元3D Skill 安装后，最简单的用法是直接调用它提供的 main.py 脚本。但为了在 Flask 应用里灵活控制，我封装了一个调用层，直接使用腾讯云 SDK：

# engine/skill_3d.py
import json, time, os
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.ai3d.v20250513 import ai3d_client, models

class Hunyuan3DEngine:
    def __init__(self):
        secret_id = os.getenv("TENCENTCLOUD_SECRET_ID")
        secret_key = os.getenv("TENCENTCLOUD_SECRET_KEY")
        cred = credential.Credential(secret_id, secret_key)
        http_profile = HttpProfile(endpoint="ai3d.tencentcloudapi.com")
        client_profile = ClientProfile()
        client_profile.httpProfile = http_profile
        self.client = ai3d_client.Ai3dClient(cred, "", client_profile)
    
    def generate_from_text(self, prompt: str, rarity: str = "N") -> dict:
        """文生3D，根据稀有度调整参数"""
        req = models.SubmitHunyuanTo3DProJobRequest()
        
        # 高稀有度用3.1模型 + PBR + 高面数
        if rarity in ("SSR", "UR"):
            req.Model = "3.1"
            req.EnablePBR = True
            req.FaceCount = 800000
        else:
            req.Model = "3.0"
            req.EnablePBR = False
            req.FaceCount = 300000
        
        req.Prompt = prompt
        req.GenerateType = "Normal"
        
        # 提交任务
        resp = self.client.SubmitHunyuanTo3DProJob(req)
        job_id = resp.JobId
        
        # 轮询等待结果（通常1~5分钟）
        result = self._poll_result(job_id)
        return result
    
    def generate_from_sketch(self, image_url: str, prompt: str = "") -> dict:
        """草图生3D"""
        req = models.SubmitHunyuanTo3DProJobRequest()
        req.ImageUrl = image_url
        req.GenerateType = "Sketch"
        req.Prompt = prompt
        req.Model = "3.0"
        
        resp = self.client.SubmitHunyuanTo3DProJob(req)
        return self._poll_result(resp.JobId)
    
    def _poll_result(self, job_id: str, interval: int = 10, timeout: int = 600) -> dict:
        """轮询查询任务状态"""
        req = models.QueryHunyuanTo3DProJobRequest()
        req.JobId = job_id
        
        elapsed = 0
        while elapsed < timeout:
            resp = self.client.QueryHunyuanTo3DProJob(req)
            status = resp.Status
            
            if status == "DONE":
                files = []
                for f in resp.ResultFile3Ds:
                    files.append({
                        "type": f.Type,
                        "url": f.Url,
                        "preview": f.PreviewImageUrl,
                    })
                return {"status": "success", "files": files, "job_id": job_id}
            elif status == "FAIL":
                return {"status": "fail", "error": resp.ErrorMessage}
            
            time.sleep(interval)
            elapsed += interval
        
        return {"status": "timeout", "job_id": job_id}

由于混元3D生成的文件 URL 有效期只有 24 小时。我的做法是拿到 URL 后立即下载 GLB 文件存到本地，在应用里提供本地访问。一开始没注意这个，第二天打开发现模型全 404 了。

另一个值得分享的经验是模型版本和面数的选择。3.0 版本速度快（通常 1-2 分钟），但细节相对粗糙；3.1 版本质量明显更好，但等待时间会到 3-5 分钟。我的策略是 N/R 级别用 3.0 快速出，SR 以上用 3.1 + PBR + 高面数，让稀有度不仅体现在 prompt 上，也体现在模型精度上。这样用户抽到 SSR/UR 时能明显感受到"物有所值"。

5.3 角色 DNA 生成与 TTS 配音

光有 3D 模型还不够，盲盒角色得有"灵魂"。我设计了一个角色 DNA 系统，为每个盲盒生成姓名、稀有度、性格标签和一段自我介绍文本，然后调用 TTS 合成语音搞定。

考虑到用户上传的手绘草图质量参差不齐——有用手机拍的、有光线偏暗的、有背景杂乱的。直接传给混元3D的 Sketch 模式，生成效果很不稳定。我的解决方案是加入人像分割 Skill 做预处理：先用 tencentcloud-yt-segment-portrait 把草图主体从背景中分离出来，生成透明背景的 PNG，再传给3D生成。这一步对草图质量的提升非常明显，尤其是一些背景杂乱的手绘稿。

六、效果展示与体验

完成后效果如下。

打开首页会看到五个主题系列的选择界面。

选中一个后点击"开盒"，进入等待页面（约1-3分钟）
…

然后"叮——！"盲盒咔嚓一下打开，3D模型旋转亮相，角色语音响起，旁边展示角色卡片——姓名、稀有度、性格、背景故事。

最后还可以在收藏架上看到已经抽取到的角色。

角色是混元3D生成不仅可以360度自动旋转展示，还能全方位无死角旋转，并且支持导出模型功能，易于鉴赏和二次加工。

我连续测试了 50 次开盒，统计了一些数据：

稀有度	出现次数	平均生成耗时	模型质量评价
N（普通）	21	1.2 min	基础造型，纹理简单
R（稀有）	14	1.5 min	增加配件，颜色更丰富
SR（超稀有）	10	2.8 min	双配件，PBR材质
SSR（传说）	4	3.5 min	精细细节，粒子特效
UR（神秘）	1	4.2 min	3.1模型，最高质量

整体出率与预设概率基本吻合吧，UR 略高于预期，可能是样本量不够，毕竟说实话烧得都是我的混元3Dtoken啊！

回顾一下

我在做这个项目时候最大的感受是：腾讯云 AI Skills 把多模态 AI 能力的使用门槛拉得非常低。

混元3D、TTS、OCR、人像分割，每一个 Skill 单独拿出来都能做一个独立应用，但组合在一起的化学反应远大于简单相加——3D 让盲盒"有形"，TTS 让盲盒"有声"，OCR 让盲盒"能读图"，人像分割让盲盒"能识人"。

整个项目从想法到可运行的原型，大概花了2天左右。代码量不到 1000 行，如果没有这些封装好的 Skill，从零对接四个腾讯云 API 的复杂度至少要翻几倍。

我觉得Skill 的价值就主要体现在这里了——它不是简单的封装API ，还包括一些用法层面的东西，比如混元3D Skill 里关于模型版本选择、面数配置、生成类型推荐的说明，帮我少走了很多弯路。

后续我打算做几个扩展：比如一是加入"盲盒图鉴"功能，把收集到的角色做成 3D 展示柜；二是可以接入人脸融合 Skill，让用户能把自己的脸贴到 3D 角色上；三是做一个"盲盒交换"功能，不同用户之间可以交易角色。如果说再大胆一点，甚至可以做成一个 3D 虚拟展厅，用 WebXR 在 VR 里看盲盒！等我下个月有闲钱了再继续。

本期的实践就到这里，目标实现，完美收工！谢谢大家收看！