voxel-it

voxel-it

以下工具均为 Pika MCP 工具，名称未带前缀——请使用当前会话为 Pika MCP 提供的任意前缀调用。

一项技能，一个引擎：将照片变成 Minecraft 截图，让人物保持真实照片质感，画面其余部分变成体素方块，并以电影感调色统一整体效果。Step 0 路由器会读取照片并从三种模式中选择一种——决定哪些部分会被体素化（主体、背景，或除人物以外的所有内容），以及是否为主体物品浮现Minecraft「战利品标签」。这项技能融合了旧版 Minecraft-Food 趋势（仅物品）和旧版 Minecraft-World 趋势（物品 + 背景）。

转换引擎采用 @rohxit7 的病毒式配方，原文照录（Instagram，194K 赞，#minecraft #prompt #chatgpt）。仅物品提示词和战利品标签条款取自已停用的 Minecraft-Food 趋势（@aibyjoe「Minecraft Food」）。

效果详述：

1. 保持真实照片质感且不做改动——人物（面部、皮肤、头发、服装、姿势、比例）。任何模式下都不做风格化处理，也不将其方块化。
2. 将所选模式指定的部分转换为 Minecraft 风格（以下部分的某个子集：地形、建筑、植物、物品、家具、车辆、食物、饮料、天空、背景）：采用干净的立方体／体素几何形状、清晰的 16×16 风格纹理，达到现代 Minecraft 截图的品质（高级 SEUS/BSL 着色器——逼真的光线、柔和的阴影、AO、体积光、锐利的边缘）。
3. **空间保真度（严格）：**保持原始相机视角、取景和构图；每个元素都处于原来的位置和尺寸；不得添加、移除或重新排列任何内容。
4. **电影感调色（统一整体效果）：**分析原图氛围并调整整个画面的色调，使之与原图匹配，让真实人物与体素世界协调一致，呈现为一张完整图片，而不是拼贴的剪切图。
5. （有条件）战利品标签——仅限仅物品模式；参见 Step 0。

**身份说明：**按照配方使用无蒙版的单次全画布编辑，因此面部会被重新生成，可能略有偏差。为保持色彩协调，接受这种处理。如需像素级保持面部不变，请参阅底部的高级蒙版说明。

Step 0 — 路由器：选择模式

阅读照片并确定且只确定一种模式。**用单独一行说明选择结果——MODE: object-only / MODE: background-only / MODE: object+background——然后在 Step 3 中使用相应的提示词块。**所有模式使用相同的引擎、调色方式和质量标准；唯一的区别是哪些内容会被体素化，以及是否浮现战利品标签。

三种模式：

• object-only — 仅将手持／主体物品（食物／饮料／产品）及其配套餐具体素化。让人物和背景完全保持真实照片质感。在每个主体物品上方浮现一个 Minecraft 战利品标签。（这是旧版 Minecraft-Food 的效果。）
• background-only — 将背景／环境体素化为 Minecraft 方块。让人物保持真实照片质感；如果画面中有无关的物品，也让它保持真实照片质感。不显示战利品标签。 （人物站在某个地方，现处于体素世界中——但他们手持的任何物品都保持真实。）
• object+background — 将除人物以外的所有内容体素化（物品和背景）。战利品标签可选。（旧版完整体素化 Minecraft-World 的默认模式。）

决策树（默认检测）：

Does the user EXPLICITLY ask to voxelize everything?
  ("voxelize everything" / "object and background" / "full voxel world")
    → MODE: object+background
Else, is a human FACE or BODY present?
    ├─ Person present + a held/featured object (food/product) is the subject?
    │     → MODE: object-only        (float loot tags on the object)
    └─ Person present, NO featured object (people-in-a-place shot)?
          → MODE: background-only     (the default for face-in-a-scene shots)
No person present?
    ├─ Pure object shot (a meal, a product, a flat-lay, a desk of gear)?
    │     → MODE: object-only
    └─ Landscape / scene with no featured object?
          → MODE: background-only
Genuinely ambiguous (can't tell if the object or the scene is the point)?
    → ask the user ONE line: "voxelize just the object, just the background,
      or everything but you?"

路由意图：有人脸但没有主体物品时，默认选择 background-only（让人物置身于体素世界中，人物和任何无关物品都保持真实）。有主体物品时，选择 object-only（将主体物品体素化，为其添加标签，并让人物和场景保持真实）。只有在明确要求时才选择 object+background。

输入

• <source> — 任意照片（路径、URL 或在聊天中粘贴的图片）。适用于物品特写、人物 + 物品照片和宽幅场景。

空参数菜单

1. “把照片（路径、URL 或直接粘贴）发给我。我会自动选择模式——仅处理对象（将你要展示的食物/产品体素化，并添加 Minecraft 战利品标签）、仅处理背景（将你周围的场景体素化，保留真实的你和你手持的物品），或处理对象和背景（将除你以外的所有内容体素化）。如果你想强制指定某种模式，请告诉我。”

（不询问服务提供商——始终使用 gpt-image-2；参见 Engine。）

引擎——始终使用 gpt-image-2

gpt-image-2、quality="high"、output_format="png"。这是配方所需的强力编辑器，会将整个世界转化为方块。不要使用 nano-banana-pro——它的体素化程度不足（即使要求将主体转换成方块，也会保留写实效果），因此世界几乎不会发生变化（已通过一个包含 6 个场景的批次进行审核）。

**超时陷阱：**在 quality="high" 下，同步调用通常会超过约 260 秒的工具预算，导致客户端超时。始终使用 background:true 调用，并紧密循环轮询 task_status(task_id)，直到状态变为 completed。

工作流

工作目录：<project>/voxel-it/<run-id>/——每次运行使用各自的文件夹。

第 1 步——获取 Pika-CDN URL 格式的源文件

• **HTTPS URL？**直接使用。

• **本地文件？**上传（第 2 步）。转换 HEIC：sips -s format jpeg in.HEIC --out out.jpg——这会移除 EXIF 方向标记，因此 JPEG 可能会横着显示。查看图像；只有在图像横着显示时，才使用 sips -r 90 或 sips -r 270（根据倾斜方向选择）旋转至正向，然后再次查看并确认。模型会按原样烘焙参考像素，因此上传前必须确保图像正向显示。

• **在聊天中粘贴的图像？**不一定能可靠地保存在磁盘上。如果用户指定了文件（例如桌面截图——macOS 会在 AM/PM 前使用窄不换行空格 U+202F，因此请通过 glob 匹配），就复制该文件。否则，从会话记录中提取：

  cd ~/.claude/projects/<project-slug>/
  SRC=$(ls -t *.jsonl | head -1)   # newest = current session
  python3 - "$SRC" "<run-dir>" <<'PY'
  import json, base64, sys, os, hashlib
  src, out = sys.argv[1], sys.argv[2]; imgs=[]
  for line in open(src):
      try: o=json.loads(line)
      except: continue
      m=o.get("message") if isinstance(o,dict) else None
      role=(m or {}).get("role") if isinstance(m,dict) else o.get("role")
      if role!="user": continue
      c=(m or o).get("content")
      if not isinstance(c,list): continue
      for p in c:
          if isinstance(p,dict) and p.get("type")=="image" and isinstance(p.get("source"),dict):
              s=p["source"]
              if s.get("data") and s.get("media_type","").startswith("image/"):
                  imgs.append((s["media_type"], s["data"]))
  # save the last N pasted images (newest turn). Adjust [-1:] to [-N:] for batches.
  for i,(mt,data) in enumerate(imgs[-1:], 1):
      b=base64.b64decode(data); ext={"image/webp":"webp","image/jpeg":"jpg","image/png":"png"}.get(mt,"jpg")
      p=os.path.join(out,f"source_{i}.{ext}"); open(p,"wb").write(b)
      print(p, len(b), "sha256", hashlib.sha256(b).hexdigest())
  PY
  

  开始生成前，务必重新读取保存的文件（查看图像）。

第 2 步——上传到 Pika CDN

upload_asset({filename, mime_type, size_bytes, sha256}) → 使用响应中的原样 content_type，通过 PUT 上传字节到 presigned_url（curl -X PUT -H "content-type: <type>" --upload-file <file> "<presigned_url>"，预期结果为 HTTP 200）→ 使用返回的 public_url。

第 3 步——运行编辑（根据第 0 步选择的模式分支）

调用 generate_image_edit，参数为 provider="gpt-image-2"、 quality="high"、output_format="png"、background=true（轮询），将 CDN URL 放入 images，并设置 aspect_ratio: "auto"——工作器会测量参考图并匹配其方向，因此你无需手动选择或重新计算宽高比。根据你对照片的判断填写 COLOR GRADING 的氛围描述。

选择与你在第 0 步确定的模式相对应的提示词区块。

---

MODE: 对象 + 背景（将人物以外的所有内容体素化）

逐字使用 @rohxit7 配方：

角色：你是一位专业的图像转换艺术家，擅长将照片转换为风格化的游戏世界，并进行电影级调色。

任务：将附带的参考照片转换为高质量的 Minecraft 截图，其中人物主体保持完全写实且不作改动，而场景中的其他所有内容都转换为精细的 Minecraft 方块几何体——然后根据原照片的氛围进行电影级调色。

核心概念（创作主旨——不得偏离）：一个真实、照片级写实的人站在一个完全体素化／方块化的 Minecraft 世界中。写实人物与方块环境之间的反差是这张图片的全部意义所在。

转换规则：

1. 保持照片级写实（不要改动）：参考照片中的人物主体；他们的面部、皮肤、头发、服装、姿势和比例；按原样渲染——不要风格化，也不要方块化。
2. 转换为 MINECRAFT（高质量方块模型）：所有非人物元素——地形、地面、植物、物体、建筑、家具、车辆、天空和背景。使用干净的立方体／体素几何体，并采用清晰的 16x16 风格方块纹理。质量参考：使用优质着色器（例如 SEUS / BSL 风格）渲染的现代 Minecraft 截图——写实光照、柔和阴影、环境光遮蔽、体积光、锐利的方块边缘。
3. 空间保真度（严格遵守——这是转换，不是重新构想）： 保留完全相同的相机角度、取景范围和构图；每个元素都保持在原始位置；每个元素都保持原始的相对尺寸和比例；人物在画面中的位置和比例必须与源图相同；不要添加、删除或重新排列物体。

色彩分级（完成 Minecraft 转换后再进行）： 步骤 1 — 先分析原始照片：判断拍摄时段、光照方向、主导色彩、色调冷暖和整体氛围（[填写你感受到的氛围，例如“阴郁的夜间街道，冷蓝色天空与温暖的路灯光晕”／“温暖的黄金时刻”／“阴天的中性色调”]）。 步骤 2 — 应用与分析出的氛围相符的电影级调色：使用电影感对比曲线，平衡高光和阴影；色调应与原始照片的氛围一致；添加微妙的暗角和景深效果，并确保写实人物与方块环境的色调协调一致，使它们看起来像一张完整统一的图像。

输出规格：单张高分辨率图像；清晰、细节丰富，达到专业 Minecraft 截图的质量；照片级写实人物 + 体素世界，并经过无缝调色。

完成前自检：人物是否仍然 100% 照片级写实且未作改动？其他所有内容是否都清晰呈现为 Minecraft 方块几何体？位置、尺寸和构图是否与源图完全一致？调色是否符合对原始照片氛围的分析？写实人物和方块世界是否浑然一体，而非像是贴上去的？

对象 + 背景模式中的战利品标签为可选项。 如果用户需要（或画面中有明确且可命名的主角物品），请将下方的战利品标签部分插入「转换规则」与「色彩分级」之间，并将对应标签行添加到「任务」和「自检」中：

战利品标签：在每件主角体素化物品的上方或附近，悬浮显示 Minecraft 背包风格的名称标签——使用清晰的白色像素／位图字体，显示在深色半透明圆角矩形上（类似 Minecraft 物品提示框／命名实体标签），为物品命名：[列出每件主角物品 → 其简短名称，例如“Mojito”“Sesame Latte”“Apple Cake”“Air Jordan 1”“Leica M6”]。标签应整洁、清晰易读、互不重叠，悬浮在每件物品上方，并且绝不能遮挡人物面部。（添加到「自检」中：“每件主角物品是否都有清晰易读且不遮挡面部的 Minecraft 名称标签？”）

---

模式：仅背景（将场景体素化，人物和任何随手拿着的物品都保持真实）

与物体+背景模式使用相同的 @rohxit7 配方，但转换规则 1 的范围更广，不只让人物保持真实：任何随手拿着或位于前景的物品也要保持照片级真实。具体来说，将规则 1 和规则 2 替换为：

1. 保持照片级真实（不要修改）：人物主体——面部、皮肤、头发、服装、姿势、比例——以及人物手持的任何物品或位于近景的任何物品（手机、饮料、包、道具）。所有这些都必须与原图完全一致地呈现——不做风格化，不做方块化。
2. 转换为 MINECRAFT（高质量方块模型）：仅限背景和环境——地形、地面、植物、建筑、家具、车辆、天空，以及主体后方和周围的景物。使用干净的立方体／体素几何形状和清晰的 16x16 风格方块纹理。质量参考：带高级着色器（SEUS / BSL）的现代 Minecraft 截图——逼真的光照、柔和阴影、环境光遮蔽、体积光、锐利的方块边缘。不要将人物或其手持物品体素化。

将物体+背景区块中的核心概念、空间保真度（规则 3）、色彩分级、输出规格和自检原样保留（这些内容无需更改）。仅背景模式不添加战利品标签。

---

模式：仅物体（只将主要物体及其餐具体素化；人物和背景保持真实；添加悬浮战利品标签）

这是已弃用的 Minecraft-Food 配方。按每个物品填写方括号中的列表，并原样保留 KEEP 和标签条款：

编辑这张确切的照片。保持 [人物及其面部、头发、手、服装、配饰／或者对于平铺俯拍图：桌子、容器、盘子、杯子、托盘、餐具] 以及背景／场景和光线 100% 照片级真实且保持不变——完全不要将 [人物] 风格化。

仅将食物、饮料和食物所用的餐具转换成 3D Minecraft 体素方块——粗大的低分辨率立方体像素几何形状，采用扁平的方块纹理，外观与 Minecraft 物品完全一致，每件物品都自然地放在真实物品原本所在的位置：[逐项映射——例如“拉面碗 → 一碗黄色方块面条”；“意大利辣香肠披萨片 → 方块饼皮 + 体素奶酪 + 方块意大利辣香肠片”；“蒸米饭 → 一堆白色体素米饭方块”]。

在每件转换后的物品上方或附近添加 Minecraft 物品栏风格的文字标签：使用清晰的白色像素／位图字体，置于深色半透明圆角矩形上，并标明物品名称（例如 [物品标签]）。标签应整齐、清晰、互不重叠，并且绝不要覆盖 [人物的面部]。

最终效果：一张真实、照片级逼真的 [人物／场景] 照片，但每件食物、饮料和餐具都是带有悬浮 Minecraft 物品栏标签的 Minecraft 体素物品。

然后应用物体+背景区块中的色彩分级步骤（分析原图的氛围，并调整整个画面的色彩以匹配），使体素物体与真实人物／场景看起来融为一体。

生成前先逐项列出： 提高仅物体模式质量的最关键因素，是在提示词中逐一写出每件食物／商品及其应转换成的体素物品。先阅读原图并列出所有菜品／饮料／餐具；笼统地说“把食物变成方块”效果含糊，逐项映射才能准确呈现。

---

多人场景： 无论使用哪种模式，都要在 KEEP 条款中列出每个人物的名字，确保没有人被方块化。接触物品（手持马克杯、饮料、盘子）在仅物体／物体+背景模式下与物体一同体素化，但在仅背景模式下保持真实。

第 4 步 — 下载、展示、打开（并检查旋转）

下载到 <run-dir>/voxel-it-<subject>.png，展示图片，并在 Finder 中 open（不要再次使用 analyze_media 检查——直接查看）。除非另有要求，否则只用 PNG。旋转检查： gpt-image-2 偶尔会返回旋转 90° 的编辑结果——如果天空／天花板没有朝上，就使用 sips -r 90 或 sips -r 270（选择能使图片正向显示的角度；免费，无需重新生成）将其转正，然后重新查看。仅限静态图像。

提示与故障处理

症状	解决方法
输出旋转了 90°	用 sips -r 90 / sips -r 270 旋转回来，选择能摆正图像的命令（免费，无需重新生成）。
人物被方块化了	再次强调 KEEP 子句；多人场景中要逐一说明每个人。
世界几乎没有体素化	你用的是 nano-banana-pro，切换到 gpt-image-2。
人物看起来像贴上去的	确保 COLOR GRADING 区块和氛围描述都在，这是统一画面的关键。
体素化对象不对	重新检查 Step 0——你选错模式了。object-only = 仅突出显示的对象；background-only = 仅场景；object+background = 除人物以外的所有内容。
background-only 模式下对象被体素化	扩展 KEEP 子句，明确提及手持对象或前景对象。
标签缺失 / 对象错误（object-only）	你忘了标签子句，或没有按名称列出主体对象。逐一列出。
标签杂乱 / 重叠 / 位于脸上	“让标签互不重叠，位于各对象正上方，绝不要放在脸上”；重新生成。
不该出现标签却出现了	你使用的是 background-only（无标签），删除标签子句。
白天变成夜晚	在 COLOR GRADING 中明确说明夜间氛围。
与源图裁切不同	传入 aspect_ratio: "auto"——工作进程会匹配参考图的方向。
脸部发生偏移	这是预期情况（无蒙版方案）。高级修复方法见下文。

高级——保证身份一致（非标准方案）。 对源图使用 remove_background（mode="portrait"），然后将 alpha 通道用作 gpt-image-2 的 mask（透明部分=重绘，不透明部分=保留），这样只有目标区域会转换，人物像素不会受到影响。不属于 @rohxit7 的方案；仅在必须让面部像素级完全一致时使用。

参考

• 引擎： @rohxit7 的爆款方案，原样使用。object-only 提示词 + 战利品标签：取自 @aibyjoe 的 “Minecraft Food”。此技能整合并取代 minecraft-food（object-only）和 minecraft-world（object+background）。
• 结论：始终使用 gpt-image-2；一套方案，三种由输入驱动的模式。