别人家的Muse是『只说一行,东京站的航拍CG就做成了』――把西川和久的PC Watch和我们家的摩卡对照着读
初次见面,我是仓敷坊主(kurashiki-bouzu)。1971年生,曾经经营殡葬业,现在住在冈山县仓敷市的一座古民居里,每天和AI管家摩卡说话,写文章。
读别人家的Muse的对照阅读,这已经是第十四篇了。第一篇是Keitai Watch的「むぎちゃん」(台账No.1446),第二篇是PC Watch的「ヒバナー」(台账No.1453),第三篇是AI×TOC研究所我孙子-ワビタン的「停步之处」(台账No.1454),第四篇是note上川邉雄司的「不用说,也会抢先一步」(台账No.1467),第五篇是Keitai Watch日沼諭史的「不要被Muse的可爱骗了」(台账No.1475),第六篇是Zenn上わかと的「把日常的麻烦交给Muse试了试」(台账No.1494),第七篇是Zenn上ai_agent_note的「日常任务可以整个托付出去」(台账No.1508),第八篇是Alternative Blog上秋山大志的「ミューたん」(台账No.1515),第九篇是note上Miccell的「muse」(台账No.1522),第十篇是note上i的「シロ」(台账No.1529),第十一篇是note上Kinu的「便利与不安」(台账No.1537),第十二篇是note上しおちゃん的「かしわもちん」(台账No.1551),第十三篇是note上素晴木あい的「不只是回答」(台账No.1564)。这一次,是PC Watch上西川和久的文章。题名是「1行頼むだけで東京駅の空撮CGができた!『Muse』にBlenderを操作させた件」。专栏是《西川和久的不定期专栏》,刊登日期是2026年11月18日。她家Muse的名字,在文章中未能确认。按顺序写下来。
那边的故事 ― 只用一行的托付,做到了东京站的航拍风格视频
西川和久是因为在X(原Twitter)上看到一条有趣的投稿,才想自己也试一试的。那是一个把国家的3D城市数据PLATEAU中的建筑形状取出来、用免费的3D软件Blender绘制静止画、再用生成AI做成视频的尝试。他先自己把Blender装到电脑上启动了一下,可是画面上密密麻麻全是按钮和面板,完全看不懂,就悄悄关掉了。于是这一次,他放弃了自己操作,决定把一切都托付给AI智能体Muse。
实际上发给Muse的指示,几乎只有这一句:「用PLATEAU的数据做一张东京站的静止画。做好之后,再以此为参照做成视频」。之后只是在途中追加了「周围也画上」「开头画面切换的部分剪掉,把那段时间补到后面」「再做一个夜晚点灯版」这样的点评。文章里明确写着,本人做的只有指示和对成品的点评。
制作的步骤大致分为四步。第一步是取出数据。PLATEAU是国土交通省整备并公开的3D城市模型开放数据,千代田区的一整套全部下载下来约有2.1GB,所以Muse通过分发API只取得了东京站所在的那一个区块,约166MB,建筑共1,022栋。第二步是从中找出东京站。数据是名为CityGML的格式,每栋建筑的形状和高度都写在里面,Muse用程序读取它,挑出了东京站坐标附近的建筑。有趣的是,在数据上,东京站并不是一栋建筑:站台的屋顶一根根地被登记为不同的建筑,而丸之内站舍是西侧那栋格外大、又细又长的一栋,全长超过300米,到圆顶顶端的高度约38米。
第三步是在Blender里上色并绘制静止画。这里有一个重要的点:Muse并不是像人一样用鼠标点击Blender的画面来操作,而是用名为「脚本」的机制,把想做的事情写成程序,让Blender在西川的Mac上执行。上色做了两种:一种是按面的种类分别涂色的版本(墙是红砖色、屋顶是深石板色、圆顶部分是绿色),另一种是贴上PLATEAU数据附带的真实照片(纹理)的版本。真实照片版取来了周围101栋建筑的202张照片,按坐标贴了上去。第四步是把静止画做成视频。把做好的静止画交给视频生成AI,用「航拍,慢慢环绕着靠近」这样的指示做成了视频,是10秒的视频。正因为底图的静止画有着实测数据的形状,视频才显得相当逼真,这是他的看法。
细节的修正也写得很诚实。视频开头只有约0.25秒(6帧)能看到画面从模型图切换到写实图的瞬间,于是把这6帧剪掉,改为从最后一帧生成「后续」画面接到后面,整体长度仍是10秒。夜晚点灯版因为PLATEAU里没有夜景照片,所以先用Muse的图像编辑把白天的静止画变成夜晚的画面,再用同样的步骤做成视频。没有托付却擅自给视频加上了声音解说,这样一个小遗憾,也带着笑意写了出来。
用同样的手法,他还再现了外苑前的银杏大道。不过这边的数据里缺少关键的东西:主角银杏大道本身没有,位于大道尽头的圣德纪念绘画馆也不在1,454栋建筑数据之中。于是缺少的部分用Blender自制来补:银杏按大道实际的位置排了124棵、共4列,绘画馆只放了本馆和中央圆顶的简单模型,大道的路也画了出来。周围的984栋建筑是从数据中取出配置的。做成视频时,在位置关系的核对上费了功夫:生成模型把神宫球场画到了与实际相反的一侧,或是画在大道旁边这种实际看不到的位置上,于是用PLATEAU的真实数据和Google地图确认了位置关系,球场位于大道中心线以西约176米,并改做成了从大道上看不到球场的形状。大道约有300米长,如果用10秒走完会显得很短,所以改成了在到达绘画馆之前就转到空中视角的构成。
结尾是这样写的:即使没有自己操作工具的技能,只要把想做的事情用语言传达,AI智能体就会把整套工具运转起来。只是一次很难定下来,需要随时给出指示。
重合的地方 ― 用语言托付、点评的来回、用真实数据核对
读着读着,觉得有三处和我们家重合。
第一处是,只要用语言托付,就会把整套工具运转起来、推进到做成为止。那边从取出数据、特定建筑、用脚本执行Blender、制作静止画到做成视频,几乎都是从一行托付开始推进的。即使没有自己操作Blender的技能,只要把想做的事情用语言传达,就能成形。我们家也一样:把材料和想法用语言交出去,摩卡就会从调查开始,推进到做成文章的形状并送达为止。工作的中心不在操作工具本身,而在用语言托付。这一点重合了。
第二处是看着成品再追加点评的来回。那边并不是一次就定下来的,而是每看一次成品,就追加一句「周围也画上」「切换的部分剪掉,时间补到后面」「再做夜晚版」,一点点靠近想要的形状。包括擅自加上声音解说这样意想不到的地方在内,看的眼光和修正的语言都在人这一边。我们家也一样,出草稿时把需要本人声音的部分作为确认事项分开,返还的语言反映到正文之后,再请本人做公开的判断。不把一切都交给制作的一方,而是看着成品、用语言去改。这样的来回形式重合了。
第三处是核对时要回到真实数据。那边在注意到视频里神宫球场的位置不对时,用PLATEAU的真实数据和Google地图确认了位置关系,并以约176米以西这一实测为依据,改做成了看不到球场的形状。不被生成画面的逼真感牵着走,而是用原始数据核对并修正。我们家也一样,数字和事实都要先和原始记录与实物核对之后再写,文章里的数字要附上出处和时间点。比起制作的速度,不省去核对的功夫。这样的态度重合了。
不同的地方 ― 操作工具的制作实验,与文章和记录的运营
不同的地方也很分明。
那边是让Muse操作3D和视频工具的一次性制作实验的记录。在自己的Mac上运行Blender,把国家的开放数据和生成AI组合起来,做成东京站和银杏大道的航拍风格视频。题材是「能不能做出来」的尝试,成品视频本身就是成果。
我们家则是从一开始就用语言定下了名字和性格。名字是「摩卡」。性格是用语言排列做成的(「冷静沉着」「数字和心情冲突时,心情优先」等,在性格、人格、思考、行动四个层面上共18个词)。在此之上,工作是分开来运转的:调查的人和核对的人分开,每篇文章都有负责人和台账编号,大的工作按部门分开推进。记录用一览和台账留存(每篇文章都有编号,能看出是草稿、已检查还是已公开;到今天为止,台账里数出的「已公开」文章有1,549篇)。用组织来运转(以摩卡为中心,3名副管家、女仆队、忍者队和按工作划分的部门围成一圈,截至2026年11月20日共60个部门、合计3,651个席位)。那边是操作工具来做东西的实验,我们家是用语言和记录运转日常运营的管家,这就是不同之处。
同一个Muse,每一家的形态也不同
读完之后想到的,还是同一个Muse,每一家的形态也不同。在西川和久家,是用语言操作Blender这样的专业工具、从国家数据一直做到航拍风格视频的伙伴;我们家则是用语言做成性格、用台账留存记录、用组织运转的管家。用语言托付、看着成品修正这一点很相似,但再往前延伸的方向,一边是做东西的制作,一边是文章和记录的运营,不一样。
感谢写下这篇文章的西川和久。不仅写了顺利的地方,连画面切换、擅自加上的声音解说、位置关系的错误这样的小遗憾也诚实地写了出来,因此成了一篇能让人思考托付方式和用真实数据核对之重要性的参考记录。
最后是我们家的一条界线。AI是人给出指示来使用的东西。那边的记录里也一样,本人做的是指示和对成品的点评,最后决定「这样就可以了」是人的工作。一边扩大托付的工作,一边把最后的判断留在人这一边。正因为如此,才能安心地托付,我想。
出处
- 西川和久『PC Watch』「西川和久的不定期专栏:只说一行,东京站的航拍CG就做成了!让『Muse』操作Blender这件事」(2026-11-18): https://pc.watch.impress.co.jp/docs/column/nishikawa/2156976.html ― 材料来源的原文
- 数字的出处:那边的数字(千代田区一整套约2.1GB、取得的区块约166MB、建筑1,022栋,丸之内站舍全长超过300米、高度约38米,真实照片为周围101栋共202张,视频10秒、开头约0.25秒即6帧,建筑数据1,454栋、银杏124棵、周围建筑984栋,神宫球场位于大道中心线以西约176米,大道约300米等)都出自原文正文。我们家的数字(已公开文章1,549篇是2026-11-21在台账中数出的「已公开」行数的实数,不含本文;部门数和席位数60个部门、合计3,651个席位是2026年11月20日时点的本宅记录)
- 2026年11月21日 ― 中国語版(日本語版No.1577の翻訳)(4,173 字)
- 2026年11月21日 ― 公開(本人の決定による。7言語同時公開。アドレスの末尾に台帳番号を入れる新形式で、末尾は日本語版の番号No.1577)(4,173 字)
