體素 3D 像素

風格介紹

體素（voxel）是「volume」與「pixel」的合成詞，本質上就是把二維像素延伸進三維空間的最小立方單位。它的美學根源來自早期電腦圖學的限制：當運算力不足以處理平滑曲面時，最直接的做法就是用一堆小方塊堆出物體輪廓。Minecraft 把這套語彙推向全球，MagicaVoxel、Teardown 則讓它成為一種被刻意選擇的藝術風格。理解這層由來很重要——下提示詞時，你並不是要 AI 做一個高精度模型再打馬賽克，而是請它模擬「世界本身就是由方塊組成」的渲染結果，每個轉角都是階梯狀、每個面都是正交的。

技術核心有兩塊撐起體素的辨識度。第一是方塊化造型，關鍵詞 3d model made of cubes、blocky stylized forms、low resolution voxel 會強迫模型放棄平滑曲面，保留粗顆粒的網格感；體素的迷人之處正在於這種「用有限解析度近似複雜形體」的趣味。第二是光照，ambient occlusion（環境光遮蔽）是靈魂所在——它讓方塊與方塊的接縫、凹陷處自然變暗，賦予整體立體層次，沒有它畫面會像貼了色塊的平面。再搭配 isometric view 等距視角，體素場景立刻有經典電玩小盒場景（diorama）的可愛感。

題材與情緒上，這個風格最適合輕快、童趣、帶收藏感的內容：迷你城市、遊戲關卡、Q 版角色、像素風吉祥物。它能承載探索與建造的樂趣，但不擅長細膩的情感特寫或寫實質感。做遊戲場景概念或社群貼文時，建議讓主體置中、用單純背景襯托，並善用斜上方主光強化方塊的明暗對比。

各模型的實戰差異值得分開談。Midjourney 對 3D 渲染與環境光遮蔽的還原最直覺，短 prompt 就能跑出漂亮的 MagicaVoxel 質感，維持系列風格時用固定 --seed 搭配 --ar 1:1，並可加 --stylize 較低值避免過度藝術化。Flux 在開源陣營裡方塊邊緣最乾淨，對長句理解佳，適合描述具體場景結構，但偶爾會把表面平滑化，這時把 blocky、cube grid 往前放並加重語氣。Stable Diffusion（SDXL 配 voxel LoRA）可控性最高，建議 CFG 抓 5～7、負面寫滿 smooth surfaces, realistic, high poly，並用較高張數挑網格最整齊的一張。ChatGPT 的 GPT Image 強在對話迭代，可以邊生邊要「方塊再大一點」「加一棵體素樹」「視角調成等距」，對不熟參數的人最友善，但網格一致性略遜前三者。實務流程通常是先用 GPT Image 定場景構圖，再拿到 Midjourney 或 Flux 量產終稿。