Miałem dość wizualizacji w oknie czatu. Zbudowałem Proposition Studio

Czat to złe miejsce na wizualizację.

Modele generujące obrazy są dziś na tyle dobre, że ze zrzutu ekranu z programu 3D robią obraz, który wygląda jak zdjęcie gotowego budynku. Kłopot zaczyna się chwilę później. Pierwszy obraz prawie nigdy nie jest tym, który idzie do klienta. Trzeba rozjaśnić cegłę, sprawdzić wersję o zmierzchu, usunąć drzewo, które zasłania wejście. Wizualizacja to praca na wariantach, a okno czatu jest zbudowane do rozmowy.

Przez kilka miesięcy robiłem wizualizacje właśnie tak. Zrzut widoku z Rhino, okno czatu, prompt. Każdy prompt zaczynał się od tego samego bloku reguł, bo bez niego model poprawiał mi projekt. To jego fragment:

1. PERSPECTIVE IS PIXEL-LOCKED:
   (...)
   - Do NOT straighten verticals, correct lens distortion, re-center
     the composition, rotate, zoom, tilt, or "improve" the framing in any way
   (...)
2. GEOMETRY IS SACRED:
   (...)
   - Count the windows in the input. Your output must have the SAME
     number in the SAME positions
   (...)
Think of yourself as a texture artist, not an architect.
The architecture is done. You dress the surfaces.

Po kilkunastu wiadomościach w jednym wątku mieszały się zrzuty z modelu, kolejne wersje elewacji, pomyłki i plansze z materiałami. „Ta dobra, z szarą cegłą” była gdzieś wyżej. Fragment do zmiany opisywałem słowami. Kiedy model przy okazji przesunął kamerę albo dorobił okno, zaczynałem od nowa. Budynek nie miał swojego miejsca. Miał wątek.

Problemem był interfejs. Chciałem mieć projekty, historię wersji, do której da się wrócić, archiwum na nieudane próby, miejsce na moodboard i referencje, zaznaczanie fragmentu na obrazie i wiele wariantów z jednego źródła. Nie znalazłem tego w gotowym narzędziu, więc zbudowałem własne.

Co zbudowałem

Proposition Studio to aplikacja w przeglądarce do wizualizacji architektonicznych. Wgrywam obraz: zrzut widoku z programu 3D, model bez materiałów, makietę albo zwykłe zdjęcie. Opisuję, co chcę zobaczyć, i dostaję wizualizację, która ma zachować ten sam kadr. Potem zmieniam fragmenty, dokładam referencje i robię warianty, a każda wersja zostaje w projekcie.

Nie instaluję wtyczki i nie eksportuję modelu. Wystarczy zrzut ekranu.

Ekran widać na zrzucie na górze wpisu. Ma trzy części. Po lewej są obrazy wejściowe i generacje. Na środku płótno z obrazem, nad którym pracuję. Po prawej edytor: blokada kadru, format wyniku, prompt i referencje. Aplikacja ma wersję polską i angielską, a zrzuty w tym wpisie pochodzą z angielskiej.

Pięć założeń

Projekt zamiast wątku

Każdy budynek ma swój projekt, a w nim trzy rodzaje rzeczy: obrazy wejściowe, generacje i referencje. Nieudane próby przenoszę do archiwum. Znikają z widoku, ale zostają w projekcie i w każdej chwili mogę je przywrócić. Tak samo archiwizuję całe projekty.

Każda wersja zostaje

Wynik generacji może być źródłem następnej. Pod płótnem widać historię obrazu: od zrzutu z modelu, przez kolejne generacje, do wersji, którą mam przed sobą. Klikam dowolny krok i idę z niego w inną stronę, na przykład raz w ciemną cegłę, a raz w drewno.

W jednym z moich projektów ścieżka ma osiem generacji. W czacie po ośmiu generacjach nie wiedziałbym już, co z czego powstało. Tutaj widzę to na jednym pasku.

Pasek pod płótnem: model i trzy generacje tego samego domu, od białej elewacji po brązową cegłę wieczorem. Po lewej te trzy generacje jako lista.

Blokada kadru

Przełącznik „Zachowaj kadr” zastąpił mój blok reguł. Kąt kamery, kadr i bryła mają być takie same w każdej wersji. Dzięki temu warianty da się porównać: mają się różnić tylko tym, co zmieniłem.

Po lewej zrzut z modelu w roboczych kolorach, po prawej wizualizacja. Kamera stoi w tym samym miejscu.

Zaznaczam, zamiast opisywać

Poprawki w wizualizacji są zwykle małe. Jedna z moich instrukcji brzmiała: „usuń piorunochron z rogu budynku (...)”. Do takiej zmiany nie chcę pisać akapitu o tym, czego nie wolno ruszyć.

Dlatego fragment do zmiany zaznaczam na obrazie. Klikam obiekt, wskazuję powierzchnię albo rysuję obszar pędzlem. Każde zaznaczenie dostaje etykietę i własną instrukcję: zmień materiał, usuń, dodaj, zastąp. W jednej generacji mogę wskazać do czterech miejsc.

Niebieski obrys to etykieta A, czerwony to etykieta B. Po prawej wynik generacji z etykiety A: inna cegła i inne światło, ta sama bryła i ten sam kadr.

Materiał z próbki

„Szara cegła” znaczy co innego dla mnie, dla klienta i dla modelu. Dlatego do projektu wgrywam referencje: planszę z próbkami, zdjęcie elewacji, inspirację. Do jednej generacji mogę dołączyć cztery. Referencję mogę też przypisać do konkretnej etykiety, żeby materiał trafił tylko na elewację.

Przykłady

Z modelu do wizualizacji

Najprostszy przypadek. Na wejściu jest zrzut widoku z programu 3D, często w roboczych kolorach, bez materiałów. Na wyjściu ten sam kadr jako zdjęcie.

Zespół mieszkaniowy, budynek wielorodzinny i zabudowa szeregowa. Po lewej to, co wgrałem, po prawej wynik.

Jeden dom, ponad dwadzieścia wersji

Dla tego przypadku zbudowałem całe narzędzie. Jeden dom, trzy plansze z próbkami i ponad dwadzieścia wersji: czarna cegła, szara cegła, drewno, makieta, a potem ten dom o złotej godzinie, o zmierzchu i zimą. Poniżej siedem z nich.

Model, plansza z próbkami i siedem wersji tego samego domu.

Na spotkanie przynoszę kilka wersji elewacji. Rozmowa dotyczy wtedy wyboru.

I kilka kadrów z innych projektów

Na koniec sześć obrazów bez komentarza.

Dom nad wodą, wieża z cortenu, budynek mieszkalny, pawilon przy stoczniowych dźwigach, zabudowa szeregowa i dom zimą.

Dlaczego nie czat, generator ani edytor węzłowy

Narzędzi do wizualizacji z AI jest dużo i co miesiąc przybywa. Te, które znam, mieszczą się w trzech grupach.

Pierwsza to czat. Ma dobre modele i interfejs do rozmowy. Do jednego obrazka wystarcza. Do projektu, który ma dwadzieścia wersji, już nie.

Druga to generatory w rodzaju „wgraj model, odbierz render”. Ich obietnicą jest pierwszy obraz. To dobry start, ale u mnie praca zaczyna się dopiero po nim.

Trzecia to edytory węzłowe, takie jak ComfyUI. Dają pełną kontrolę, tylko trzeba samemu zbudować graf. Znam je z własnej pracy. Architekt przed spotkaniem z klientem chce po prostu zmienić cegłę.

Proposition Studio nie konkuruje liczbą modeli ani funkcji. Ma prowadzić jeden projekt od pierwszego obrazu do wybranego wariantu i pamiętać drogę. Buduję je jako architekt, do własnej pracy, a funkcje brały się z tego, co mnie w tej pracy spowalniało.

Jak to powstało

Pierwszą wersją była wtyczka do Rhino, w której wizualizacja powstawała bez wychodzenia z programu 3D. Potem przyszła aplikacja na Maca, a od czerwca Proposition Studio działa w przeglądarce. Obrazy w tym wpisie powstały w moich projektach w aplikacji, także w jej wcześniejszych wersjach.

Proposition Studio zbudowałem sam, z agentami AI w roli zespołu. Ja decyduję, co i po co ma powstać, agenci piszą kod, a zmiany przechodzą testy i niezależny przegląd. Od maja zebrało się z tego ponad 170 scalonych zmian. Technicznie to aplikacja React na Cloudflare Workers z bazą Postgres. Oprócz samego studia jest tam wszystko, bez czego nie da się wpuścić ludzi do środka: logowanie, rozliczanie kredytów, panel administracyjny, dwie wersje językowe, regulamin i polityka prywatności.

Model, który generuje obraz, jest w tym najmniej trwałą częścią. Kiedy pojawia się lepszy, mogę go podmienić, a projekty, historia i zaznaczenia zostają. O wyniku decyduje to, co zbudowane dookoła modelu.

Czego to nie robi

• Nie czyta modelu 3D. Pracuje na obrazie, więc nie zna wymiarów, warstw ani materiałów z modelu. Wie tyle, ile widać na zrzucie.
• Nie daje gwarancji. Blokada kadru i zaznaczenia mocno ograniczają to, co model może zmienić, ale to wciąż model generatywny. Zdarza mu się dorobić detal albo zmienić coś obok zaznaczenia. Dlatego każdą wersję porównuję ze źródłem, a zły krok archiwizuję i wracam o jeden wcześniej.
• Nie zastępuje renderu do dokumentacji ani dopracowanej wizualizacji do dużej kampanii. Służy do rozmowy o kierunku, z klientem albo w zespole.
• Nie jest jeszcze otwarte dla wszystkich. Wersja 1.0 jest dostępna na zaproszenie, a nowe osoby wpuszczam etapami.

Co dalej

Wersja 1.0 wyszła 6 października 2026. Chcę teraz zobaczyć, jak pracują w niej inni. Jeśli robicie wizualizacje, zostawcie e-mail na propositionstudio.com, a odezwę się z dostępem. Rozliczenie jest na kredyty, bez abonamentu: paczki zaczynają się od 4 USD, a jedna generacja to jeden kredyt.

Mam też dwa pytania. Która poprawka od klienta zabiera wam najwięcej czasu? I czy pierwszy obraz z AI kiedykolwiek był tym, który poszedł do klienta? Napiszcie do mnie, chętnie o tym porozmawiam.