我和孩子有一个睡前游戏：轮流说一颗不存在的星球，越奇怪越好。蘑菇星球、彩虹星球、长着大象鼻子的星球、隐形星球——规则只有一条，不能是地球上有的东西。

问题是，说完就没了。第二天再问，只剩下”昨天那个特别奇怪的”这种模糊印象。想象力被说出口，然后散在空气里。

所以这段时间，我把它做成了一个能住进去的东西：奇怪星球（Wonder Planet）——一个给 4–9 岁孩子和家长的、语音优先的 3D 星球回忆库。孩子按住麦克风描述一颗星球，AI 让它显影，飞船带他登陆，他讲的故事会变成一本会朗读的绘本，最后收进舰长日志。

奇怪星球：封面插画，星球与舰长日志

它是什么

打开应用，你在一艘飞船的驾驶舱里。舷窗外是缓慢漂移的星空，右下角蹲着机器人伙伴「滚滚」，控制台上有三块屏幕。没有注册表单，没有输入框，没有”下一步”。

所有的创造都走同一条五幕远征：

  1. 发现——跃迁到一片未知星域，雾里有一颗看不清的星球。
  2. 扫描——孩子按住麦克风描述它：什么形状、什么颜色、上面住着谁。扫描终端会一行行打印出分析日志，星球在舷窗里从线框慢慢显影成水彩。
  3. 登陆——孩子确认成像后，飞船降落，星球上摊开一本手账。
  4. 探险记录——滚滚按”发生了什么 → 后来怎样 → 怎么解决”三段式引导孩子讲故事。这一步不能跳过。
  5. 命名与收录——发现者给星球取名，绶带展开，盖上”已收录”的章，星球进入舰长日志。

奇怪星球驾驶舱：三块控制台屏幕与机器人滚滚

对孩子来说，这里没有一个步骤叫”填写内容”。他要做的只是说话，以及决定要不要重新扫描。产品约束也很硬：只做桌面端，视口 ≥1024px。四到九岁的手和一块驾驶舱，塞不进手机竖屏；与其做一个将就的移动版，不如把桌面体验做完整。

从一句话到一颗星球

星球生成是整件事里最贵、最慢、也最容易做错的一环。

最初的方案是程序化生成：定义一个形状枚举——球形、蘑菇形、彩虹拱、象鼻、隐形、组合——每种形状写一个 builder，用 Three.js 拼出来。探针阶段它跑得很好，蘑菇星球的伞盖、菌褶、菌柄、发光的小屋都成立，秒级渲染，零边际成本。

但这个方案有一个致命问题：枚举本身就是想象力的硬闸门。孩子说”一颗长着大象鼻子的星球”，代码里没有这个形状，要么回退成球，要么我得再写一个 builder。每一种新想象都要一次开发，这不是产品，是许愿池。

所以正式版推翻了它，换成”先看见，再变成 3D”：

  • 口述先由 LLM 解析成结构化的星球 DNA：形状、配色、地貌、居民、特殊属性，Zod schema 带版本号，所以渲染器以后可以升级而不破坏老数据。
  • DNA 交给生图模型（火山引擎 Seedream），生成一张干净背景的星球插画。
  • 孩子确认或重新生成。这一步是确认门：不满意就重画，图片便宜，可以反复。
  • 确认之后，图片才进入图转 3D。在线走 Tripo3D，把正面、背面、左侧、右侧四张视图一起送进去做 multiview-to-model；本地备选是 ComfyUI 跑 TRELLIS 2 / TripoSR。
  • 产出的 GLB 交给 Three.js 加载，孩子可以拖着转、滚轮放大。

扫描成像：驾驶舱舷窗里的星球与扫描终端

这里有一个体验上的关键决定：3D 生成全程在后台异步跑。图转 3D 要花几分钟，但它不阻塞登陆、讲故事和命名。等日志收录的时候，如果模型已经就绪，孩子会看到一颗能转的 3D 星球；没就绪就显示”锻造炉还在工作中”，下次回访再揭晓。图转 3D 彻底失败也不会白屏——回退到程序化球体，保留配色和地貌。旧方案没有死，它降级成了兜底。

故事才是产品

星球只是舞台。真正想让孩子练习的，是”把一件事讲清楚”。

所以远征里的探险记录没有跳过按钮。滚滚会依次问：发生了什么？后来怎样了？怎么解决的？每段讲完，它复述一遍要点再继续；如果某段太短，它会基于已讲的内容做一次情境追问。要是孩子实在讲不下去，已有问答会被拼成一个最小故事，确认后照样进入下一步——可以简单，但不能断。

故事确认的瞬间，后台漫画链就启动了：LLM 润色 → 拆成 4–8 格分镜 → 逐格并发生图。每一格都带上一张”当前飞船”的参考图，保证漫画里的飞船和驾驶舱里的是同一艘；星球和飞船的 ID 会作为快照写进故事——以后换了飞船，老故事里的飞船还是当年那一艘。

漫画出来后，每一格配一句旁白，由服务端 TTS 逐格朗读，当前朗读的格子高亮。手账里的汉字上方可以打开拼音，孩子能自己读；家长也可以直接在同一个 contenteditable 里改错字，改字不会打断讲故事。

会朗读的绘本：漫画、旁白与滚滚

这套东西听起来像”儿童版 AI 工具”，但真正花时间的不是模型，是节奏：什么时候该等，什么时候不该等；什么时候让孩子看见进度，什么时候该用一场命名仪式把等待藏起来。

那些坏掉的东西（以及它们改掉的设计）

浏览器语音合成，会静默吞字。 最早朗读用的是浏览器 speechSynthesis。本机实测：调用 speak() 之后没有 onstart、没有 onerror、没有 onend，speaking 和 pending 永远是 false，cancel() 和手势补播全部无效。同一套浏览器音频子系统里的 <audio> 也观察到整条管线卡死。这不是应用层能修的 bug，是引擎不可靠。于是我把 speechSynthesis 通路从代码里整体删掉，朗读改成唯一一条服务端 Edge TTS：前端只负责 <audio> 播放。固定台词（滚滚的常用语）预生成成 MP3，动态台词才实时合成，音色只有一个事实源 voice.config.json。

语音识别，不能指望浏览器。 Chrome 的 Web Speech 在后面接的是 Google 在线服务，国内网络下实测不可用。所以主力换成服务端离线 sherpa-onnx（zipformer 中文模型，598MB，模型不进仓库，CPU 即可跑），浏览器识别降为兜底，家长打字是最后一层。儿童语音本来就难认，识别结果永远可编辑——这条不是容错，是产品的一部分。

渲染 bug，测试看不出来，截图能。 正式开发前我先写了一个单文件探针，验证 3D 星球和 AI 漫画两条管线。探针版本里，蘑菇星球的所有表面装饰——小屋、蘑菇小人、草丛——整体埋进了伞盖内部。写代码的时候完全没发现，是无头浏览器截图一眼看出来的：Y 坐标公式算错了。从那天起，”渲染必须有视觉自测”变成了这个项目的硬规矩。

等待，要藏进剧情里。 图转 3D 要几分钟，漫画也要几分钟。进度条是最差的选择。命名仪式、绶带展开、盖章收录，这些仪式本身就是天然的等待缓冲；渐进阅读也一样——“下一页”只在下一格图就绪后才出现，孩子看到的是故事在长出来，而不是加载中。

代码长什么样

项目是一个 pnpm monorepo：

  • apps/web：React 18 + Vite + Tailwind + react-three-fiber，五幕远征是一个单路由场景状态机。
  • apps/api：Hono on Node + Drizzle + better-sqlite3；生图、图转 3D、TTS、ASR 全部在服务端，key 只存在于本地 .dev.vars。
  • packages/dna：星球 DNA 与分镜脚本的共享 Zod 契约，带 schema 版本。
  • packages/renderer：Three.js 渲染与画质分级，含无头截图自测。

架构上刻意保持”本地优先、可平移”：数据库是本地 SQLite，图片存本地磁盘，身份是单机舰长档案，但所有业务数据都带 user_id，并走身份适配层——以后接 better-auth 多账号时不用推倒重来。目标形态写死在技术方案里：Pages Functions + D1 + R2，同一份 Hono 应用、同一套 migration、同一套 schema，换的只是适配层实现。

目前整个仓库约 2.4 万行 TypeScript/TSX，260 多个 vitest 用例，类型检查和生产构建都通过。桌面端的三条前瞻纪律（Pointer Events、流式布局、画质分级）也从第一行代码就守着，将来要做平板横屏，是 UI 重排，不是重写。

现在在哪

游戏本体目前还是本地运行版本，还在持续迭代；但它的作品介绍页已经上线，两段真实游玩实录也录好了：

命名仪式：绶带展开，星球有了名字

下一步是把它真正搬到线上：多账号 + better-auth + Cloudflare 部署，然后是互访其他舰长的公开星球、舰长形象的三视图参考（让漫画里出现孩子自己）、以及旧星球手动升级 3D 模型。

这个项目最让我意外的部分，不是哪个模型效果更好，而是”把想象留下来”这件事本身有多具体：一颗星球、一本会读的绘本、一个随时能回去的日志。孩子长大后未必记得某天晚上说过什么，但日志里那颗星球还在。

项目地址：https://wonderplanet.app/。如果你也在做类似的东西，或者想和孩子一起造一颗星球，欢迎来信。