完成的馬爾地夫海灘透視圖,包含棕櫚、白沙和碧綠海水

開始製作自己的 View

複製公開專案,在能產生圖片並執行 Python 的 agent 中開啟資料夾,請它使用 build-a-view skill。平台內建的圖像工具無需外部 API key 即可產生初始底圖,但仍受平台用量限制。高解析度增強需要所選供應商的 API key。

git clone https://github.com/EnterLocus/locus-support.git
cd locus-support
給代理的提示詞使用 build-a-view skill,根據我描述的地點製作靜態完整球面 View。先向我展示底圖全景,並在支援時提供 360° 預覽。等待我接受配置,然後在任何付費增強前提供模型選項、原生尺寸估計、Standard 或 Batch 處理方式,以及逐項費用計畫。

有兩個確認點:先接受底圖及其配置,再選擇 API 模型、憑證引用、原生尺寸估計、費用計畫和處理模式。提供 OPENAI_API_KEY 或 GEMINI_API_KEY 這樣的環境變數名稱,不要在聊天中提供密鑰。逐項批准具體付費提交,或明確授權一個列明範圍且有總額上限的完整計畫。僅提供 key 或預算不代表批准。

能否進行 360° 預覽取決於所用平台。如果無法開啟,請要求提供可用的本機互動預覽和透視視圖。僅憑平面圖無法檢查各個方向的觀感。

使用下列預設流程:修復完整低解析度底圖,增強六個帶上下文的面,按實際原生採樣密度合併,再檢查所有方向、拼接和兩極。最初不做修補,預留最多兩張定向修補輸出;額外嘗試需要單獨明確範圍並獲批准。

開啟公開的 build-a-view skill

一幅原圖,三條模型路線

本次比較使用同一張未改動的 1774×887 內建產生圖。提示詞要求中央面向潟湖、環繞接縫連貫,但底圖將棕櫚放在中央,並存在接縫缺陷。這些選擇在本次比較中被接受並固定。增強會重建合理的細節,並非恢復攝影事實。

未改動的 1774×887 馬爾地夫原始全景圖,棕櫚位於中央附近
閱讀完整原始提示詞
Use case: photorealistic-natural. Asset type: a full spherical immersive skybox source, not a wide-angle photograph. Create one full 360-degree by 180-degree equirectangular panorama in an exact 2:1 canvas, 3840x1920 if supported. A serene Maldives island beach at eye level about 1.5m above fine white sand, looking out over luminous shallow turquoise water toward a clear level Indian Ocean horizon. In the opposite direction, the same beach continues into natural tropical palms and low lush island vegetation. No buildings, people, boats, text or logos. Warm clear midmorning daylight, realistic white sand, delicate small lapping waves, convincing individual palm fronds and natural vegetation. Full 360 longitude, full latitude from zenith to nadir. Camera has zero roll, horizon is perfectly level at exactly vertical center (50% height); beach and water are below center. Equirectangular longitude distortion and strong polar stretching are required; the entire top row is the single blue sky zenith, the entire bottom row the single sandy nadir directly under camera, with natural pole convergence when projected onto a sphere. The left and right borders must join as one continuous scene, with identical sky, horizon, ocean/beach geometry and lighting at the wrap; place the wrap in uncomplicated distant water/sky if possible. One coherent island with geometrically continuous shoreline and a calm comfortable seated-view atmosphere. Sharp detailed natural photographic rendering, restrained color and exposure; no oversharpening, no lens vignette, no collage, no inset views, no frame.

GPT Image 2.6 使用 API 模型 gpt-image-2.6-sunburst;Nano Banana Pro 使用 gemini-3-pro-image。兩者收到的來源檔案位元組完全相同。下方最初兩條路線的比較圖左側是 GPT,右側是 Nano Banana Pro。後來的 Nano Banana 2.1 試驗也沿用這份未經改動的來源影像。

先修復完整全景圖

先進行連貫的全域修復,再增強各面的細節。GPT 在 Standard 模式下以 high 品質傳回 3840×1920。Nano Banana 在 Standard 4K 下使用循環的 21:9 上下文,傳回 6336×2688,再明確去除填補並縮小為 5376×2688 全景圖。原圖保持不變。

全域修復:左為 GPT,右為 Nano Banana

六個面,實測原生尺寸

投影出六個約 102° 的面:90° 核心,兩側各有 6° 上下文。GPT 的 1186 方形輸入傳回 2880 方形圖;Nano Banana 的 1660 方形輸入傳回 4096 方形圖。輸入按原圖密度投影,沒有放大到請求的輸出尺寸。成功的探針屬於這六個面之一。

直接合併傳回的各面,混合半寬為 0.25°。根據實際儲存尺寸與核心尺寸之比 T,以及傳回的面邊長 N,計算最終 2:1 尺寸。這種保守採樣規則描述的是像素密度,並非實際可辨細節。兩種結果都不是原生 12K。

f_center = N / (2*T) pixels per radian
W = 2 * floor(pi*N / (2*T)); H = W/2

GPT:  T=1186/960,  N=2880 → 7322×3661
Nano: T=1660/1344, N=4096 → 10418×5209
原生正面圖的 512 像素裁切:左為 GPT,右為 Nano Banana

這些是原生正面圖中裁出的 512 像素圖。以原尺寸開啟圖片可進行 1:1 檢查。因像素密度不同,它們涵蓋的角度不同;下方相同視角的對比更適合判斷同一片風景。

針對圖片中實際出現的問題修補

GPT 的原始合併圖存在天空分面和直向曝光帶。局部天空色調匹配減弱了分面,受保護的遮罩在約三分之一畫布上保留了連貫的全域修復天空。該區域內插使用 3840×1920 天空,並未增加新的 7.3K 細節。兩次位於 yaw ±135°、視角 60° 的付費透視編輯修復了剩餘的天空與水面拼接帶。

Nano Banana 的天底曾有放射狀沙地星紋。第一次付費修補失敗,仍計入費用。局部借用顆粒紋理消除了放射形狀;第二次付費編輯恢復了顆粒,再局部套用以保護石頭、陰影和重疊區域。局部環繞校正減弱了狹窄的天空接縫。

GPT 接縫和 Nano Banana 沙地天底的修復前後對比

Nano Banana 的環繞接縫處仍有寬範圍天空色調分界,天頂卷雲匯聚,天底中央的起伏更平滑。在這些輸出中,GPT 重建的樹葉、水面和沙地更清晰;Nano Banana 像素更多,但細節更柔和。更多像素並不保證更好的 View。

最終全景對比:左為 GPT 7322×3661,右為 Nano Banana 10418×5209
棕櫚、海岸、天底和接縫的相同視角:左為 GPT,右為 Nano Banana

相同視角對比圖使用一致的方向、視野和 768 像素審查網格。它們是透視重採樣,沒有新增產生細節。審查涵蓋六個方向、全部 12 條立方體邊、兩極、環繞接縫和修補邊界。這些仍是對比候選:Locus 匯入、實體 Vision Pro 觀感和舒適度均未驗證。水面只是繪製在靜態天空盒中的像素,沒有運動、深度或視差。

Nano Banana 2.1:費用更低的後續試驗

2026 年 11 月 14 日,我們以同一份凍結的來源影像及原始提示詞測試了 gemini-nano-banana-2.1。九次輸出全部使用 Standard 模式:一次全景修復、六個立方體面及兩次修補。G 傳回 6336×2688,移除上下文填充後為 5376×2688;六個面均傳回 4096×4096。依原生取樣密度合成的結果為 10418×5209,沒有強制放大至 12K。

Nano Banana 2.1 最終 10418×5209 馬爾地夫全景圖

原始向下視角的面存在凹坑與放射狀沙地變形。R1 效果不足,其費用仍計入總額。局部借用顆粒紋理的修復將幾何形態展平;R2 恢復紋理,再於保護石塊、陰影及海岸線的前提下局部回填。以一小塊 R2 前的像素補丁去除了憑空生成的葉緣。局部天空環繞接縫工具減輕了一條狹窄的楔形色調差。

Nano Banana 2.1 底點:原始立方體面、R1、局部幾何修復,以及局部套用 R2 後的清理結果

在這個場景中,2.1 的樹葉與水面細節接近 Pro,左右環繞接縫更連貫,修補後的底點也有更明顯的顆粒。GPT 候選版本重建的樹葉、水紋及沙地起伏更清晰。三條路線各自採用了不同的局部修補;單一場景無法確立普遍適用的模型排名。

同角度樹葉、海岸、底點與環繞接縫比較:依序為 GPT Image 2.6、Nano Banana Pro、Nano Banana 2.1
已測試的候選版本;頭顯審查待完成。

獨立靜態審查涵蓋六個方向、12 處拼接、左右環繞接縫、兩極及原生解析度的修補邊界。仍有蠟質感樹葉、柔化的天空、天頂卷雲匯聚及修補後沙地起伏較弱的問題。Locus 匯入與實體 Vision Pro 中的觀感尚未驗證。預設模型沒有改變。

付費前計算完整工作

以 B + G + F + R + E 統計付費輸出:付費底圖、全景修復、立方體面、局部修補及額外嘗試。本例 B=0, G=1, F=6, R=2, E=0:每條路線九次輸出。最初兩條路線共用了 18 次輸出;獨立的 2.1 後續試驗再增加九次,三條路線合計 27 次。通過檢查的試片計入 F6。遭否決的修補結果仍是付費輸出;再次生成會增加次數。

路線原生全景尺寸按用量核算的美元費用
GPT Image 2.6 · Standard7322×3661$1.614237
Nano Banana Pro · Standard G/R,Batch F610418×5209$1.471502
剩餘 token 按文字費率
$1.587014
保守核算
Nano Banana 2.1 · Standard10418×5209$1.0942455
剩餘 token 按文字費率
$1.1840655
保守核算

原 GPT/Pro 的費率與用量來自 2026 年 11 月 13 日。Nano Banana Pro 的 $1.471502 假設未分類的候選 token 依文字費率計算;$1.587014 則保守地為 token 分類與影像輸入差異預留費用。原兩模型的保守計價合計為 $3.201251。這些是依回應用量計算的結果,並非核對後的服務商帳單,也不是製作你的 View 的固定價格。

2.1 試驗有獨立的 $2 操作上限。影像輸出小計為 $1.0206;若將未分類的候選 token 依文字費率計算,用量計價總額為 $1.0942455;若保守地依影像費率為這些 token 預留費用,則為 $1.1840655。九次請求全部使用 Standard。Batch 是有報價的備選方案,並非本次已執行的 2.1 結果。頭顯驗收仍待完成。

Nano Banana Pro 的六個立方體面使用了真正的非同步 Batch 工作,包括試片。Batch 可將影像輸出費降低 50%,但每項工作可能需要約 24 小時,依賴前序結果的階段必須等待。請在正式製作前選擇 Standard 或 Batch。只有確認對應模型、帳戶與端點均符合資格後,才提供 GPT Batch 選項。

R = approved repair outputs (0..2)
GPT high / Standard image-output subtotal:
  $0.081 + (6+R)*$0.1779 = $1.1484..$1.5042
Nano Standard G/R + Batch F6 image-output subtotal:
  $0.24 + 6*$0.12 + R*$0.24 = $0.96..$1.44
Nano Banana 2.1 Standard image-output subtotal:
  (7+R)*$0.1134 = $0.7938..$1.0206
Nano Banana 2.1 modeled Standard G/R + Batch F6:
  (1+R)*$0.1134 + 6*$0.0567 = $0.4536..$0.6804
Total = image outputs + image/text inputs + text/thinking outputs

輸出小計只是帳單的一部分。使用實際回應計數計算輸入和思考費用,單獨列明未知開銷和預留,並在新工作報價前核對供應商現價。本機投影、合併和重新組裝不產生圖像 API 費用;agent 訂閱和儲存另計。

閱讀完整費用公式和 Batch 政策 · 查看全部 27 次請求的用量計數

下載、檢查,再匯入

交付的 JPEG 保留原生尺寸,採用品質 95 與 4:4:4 取樣。下載一個候選版本,存入 iCloud Drive/Locus,等待 Apple Vision Pro 上的「檔案」能將它開啟。在 Locus 中開啟 Places → Import → Import a View → Files,然後選取該 JPEG。接受自己的結果前,請在頭顯內檢查環繞接縫、兩極、比例及舒適度。

下載製作和審查封存檔

無需新 API 呼叫,重新組裝已儲存的輸出 · 核對資源大小和 SHA-256 識別資訊

公開的 skill、腳本和配方使用 Apache-2.0;示範圖片的獨立條款見儲存庫授權說明。

閱讀授權說明

免費 Room 和部分免費 View 可作為範例下載研究,其中一些附有 Blender 原始檔。 在藝廊中瀏覽範例。

程式設計代理可以讀取 place-examples.json 以取得每個下載的 URL、大小、SHA-256、功能和授權。