ArtCraft 是一个面向创作者的一站式AI生成平台：你可以在同一个系统里完成图像生成、视频生成、3D 模型生成、3DGS（3D Gaussian Splatting，3D高斯泼溅）场景重建与AI音频生成，无需在多个工具间来回切换。它的开源仓库 artcraft-services 包含了完整的 Rust 后端、HTTP API、异步工作进程和 Web 前端，是一个典型的 Rust + TypeScript 混合 monorepo，非常适合想理解"AI 生成平台如何落地"的初学者。

一、先认识 ArtCraft：一个多模态 AI 生成平台

ArtCraft 的核心思路是**"一个入口，接入所有主流生成模型"**。它的后端服务storyteller-web基于 Rust Actix Web 构建，负责认证、账户、媒体库、生成请求、积分计费（Stripe）等全部逻辑；真正的模型调度由artcraft_router完成——把你的请求翻译成不同上游厂商（Fal、Grok、GMI Cloud、Runway 等）各自需要的格式，并在完成后把结果统一落盘到对象存储。

一次典型的生成请求流程如下：

1. 客户端提交生成请求，API 校验权限与积分；
2. 系统计算成本、扣减钱包余额，并通过artcraft_router构造提交给对应厂商；
3. 厂商通过 Webhook 或后台轮询工作进程回报结果，成品文件自动进入你的媒体库；
4. 客户端轮询任务状态，拿到 CDN 链接即可播放或下载。

📌 想动手看代码？架构说明见 README.md，未来规划见 ROADMAP.md。

二、ArtCraft 支持哪 5 大类生成？速览表

ArtCraft 的生成入口统一挂在/v1/omni_gen/generate/*路径下（路由注册见 omni_gen_routes.rs），共 5 类：

每类都配套提供/v1/omni_gen/models/*（模型列表发现）和/v1/omni_gen/cost/*（费用预估）端点——生成之前就能先查价，对新手非常友好。

三、图像生成：一句话到成图

图像生成是最基础的玩法：输入一段文字提示词，选择模型，等待出图。ArtCraft 接入了市面上几乎所有主流文生图模型，包括flux_3、gpt_image_2、midjourney_8、seedream_5p0_pro等（完整清单见 router_image_model.rs），并支持用参考图做风格化编辑（如qwen_edit、Flux LoRA 角度控制）。

上图是仓库内 candle（Rust 推理引擎）Flux 示例的生成产物，展示了 Flux 类模型的出图水准。

四、视频生成：从首帧图、参考视频到参考音频

视频生成是 ArtCraft 的重头戏，支持三种玩法：

• 文生视频：只写提示词即可出片，可选 6 秒等时长、16:9 / 9:16 / 方形等画幅；
• 图生视频（首帧驱动）：提供一张起始帧图片，让画面从这张图"动"起来；
• 多参考驱动：同时传入参考图片、参考视频（mp4）、参考音频（wav/mp3/ogg），让生成镜头的运动节奏参考视频、氛围参考音频。

官方文档里的示例就是用一张海鹦照片生成"海鹦站在悬崖边转头"的短视频，完整可运行的 curl / Python / JavaScript 例子见 artcraft_omni_api.md。

把上面这样一张静态照片作为起始关键帧，ArtCraft 的视频模型就能生成一段镜头平滑移动的短视频。

五、3D 与 3DGS：从"平面"走进"空间"

这是多数工具链都不覆盖、而 ArtCraft 做得相当完整的部分：

🧊 3D 模型（mesh）生成：模型清单见 router_mesh_model.rs，亮点功能包括：

• 文生 3D / 图生 3D：Hunyuan 3D 2.x–3.x、Tripo3D H3.1、Meshy 6、Rodin 2.5 Fast；
• 草图生 3D（hunyuan_3d_3_sketch）：手绘一张草图加提示词就能出模型；
• 语义拆件（hunyuan_3d_3p1_part）：把已有模型自动拆成可独立操作的部分；
• 智能重拓扑（hunyuan_3d_3p1_topology）：给高精度模型"减肥"，方便进游戏引擎。

仓库里就带着真实测试资产，比如 test_data/3d/hanashi.glb 这样的 GLB 3D 模型文件。

✨ 3DGS 场景（splat）生成：3D Gaussian Splatting 是近期 3D 重建领域的热点技术，能生成比传统 mesh 更真实、渲染更快的"可自由漫游"场景。ArtCraft 支持 Marble 1.0/1.1 系列与 TripoSplat（单图转 3D 高斯泼溅），清单见 router_splat_model.rs；前端则用 Three.js 渲染这些 3D 场景与视频画面。

六、音频生成：作曲、采样与声音素材

音频端点/v1/omni_gen/generate/audio接入了 Suno 系列（suno_music整曲创作、suno_remix混音、suno_sounds/suno_sample声音采样）以及seed_audio_1p0。仓库的 test_data/audio 目录还按 aac / aiff / flac / m4a / mp3 / ogg / wav 等格式备齐了测试音频，覆盖了平台支持的音频输入类型。

💡 结合视频生成的generate_audio参数，你可以让视频自带音效——画面和声音在同一个平台上闭环，这是一站式 AI 生成平台相对零散 API 的最大价值。

七、零基础上手：一次生成的 4 个步骤

如果你想通过 API 集成，ArtCraft 提供两套接口（详见 artcraft_omni_api.md）：

1. 应用端接口/v1/omni_gen/generate/*：使用浏览器登录态，覆盖全部 5 类生成；
2. 编程接口/v1/omni_api：在Authorization头里带 API key（artcraft_api_开头），适合服务端集成。

以编程方式生成视频的完整步骤：

1. POST /v1/omni_api/generate/video提交请求（务必每次附一个全新的idempotency_tokenUUID 防重复扣费）；
2. 响应里拿到inference_job_token（形如jinf_xxx）；
3. 轮询GET /v1/omni_api/job_status/job/{token}，直到状态变为complete_success；
4. 从state.maybe_result.media_links.cdn_url取出成品文件的直链。

状态查询、错误码（401 密钥无效、402 余额不足等）在文档中都有完整示例，照着抄就能跑通。

八、仓库结构导览：代码都放在哪里？

artcraft-services 目录清晰，新手按这张表找路即可：

本地跑通后端的最低要求是：一个迁移好的 MySQL + Redis + 对象存储，然后执行SQLX_OFFLINE=true cargo run -p storyteller-web即可，服务默认监听0.0.0.0:12345。完整环境配置步骤见 dev_setup.md 与 dev_setup_server.md。

九、常见问题 FAQ

Q1：ArtCraft 和自己写脚本调各家模型 API 有什么区别？区别在于统一性：统一鉴权、统一积分计费、统一任务轮询、统一媒体库和 CDN 分发，5 类生成共享同一套账户与钱包体系，而不是为每个厂商维护一套密钥和计费逻辑。

Q2：新手最容易踩的坑是什么？复用idempotency_token会被直接拒绝（防重复提交机制）；传 URL 时图片必须是 jpeg/png/gif/webp、参考视频必须是 mp4。两个约束在文档 artcraft_omni_api.md 中都明确列出。

Q3：3DGS 和普通 3D 模型（mesh）怎么选？需要"真实感、可漫游的场景"选 splat（如 Marble）；需要"可编辑、进游戏引擎、做动画"的资产选 mesh（如 Hunyuan 3D），并且还能用拆件/重拓扑功能继续加工。

十、写在最后

ArtCraft 用 Rust 的高性能后端 + 多厂商模型路由，把图像、视频、3D、3DGS、音频五类生成收拢进了一个平台。无论你是想在 Web 端直接创作，还是想通过 API 把生成能力嵌进自己的产品，artcraft-services 的开源代码都是理解"一站式 AI 生成平台"完整架构的优质教材。从 README.md 开始，按上文的路径导览表逐层深入，你很快就能搭建起自己的 AI 创作工作台。 🚀