Review Repo GitHub: image-blaster, Ubah Satu Foto Jadi 3D dalam 5 Menit

Membangun environment 3D dari nol biasanya butuh berhari-hari: modeling, texturing, lighting, lalu sound design. image-blaster memangkas proses itu jadi satu gambar dan satu percakapan dengan Claude.

Repo ini mengubah foto biasa menjadi environment 3D yang bisa dijelajahi, mesh objek dinamis, plus sound effect—semuanya di bawah lima menit. Dengan lebih dari 12 ribu bintang, repo ini jadi salah satu eksperimen paling menarik di persimpangan AI agent dan pipeline 3D.

Apa Itu image-blaster?

image-blaster adalah skillset image-to-world untuk Claude. Kamu menaruh satu gambar ke folder input/, menjalankan Claude Code di folder repo, lalu memintanya “blast” gambar tersebut. Claude akan bekerja bertahap—menganalisis scene, memisahkan objek dinamis, membuat clean plate, membangun environment, lalu menghasilkan sound effect.

Hasilnya tiga jenis aset. Model 3D objek dinamis dalam format .glb dan .obj, environment statis berupa Gaussian splat .spz, serta audio .mp3 untuk ambience dan SFX per objek. Semua proses generatifnya ditopang World Labs Marble untuk world, Hunyuan 3D lewat FAL untuk mesh, Nano Banana dan GPT Image untuk edit gambar, serta ElevenLabs untuk suara.

Kenapa Repo Ini Penting?

1. Memotong Waktu Greyboxing Drastis. Alih-alih memodelkan ruangan manual, kamu bisa memotret lokasi nyata atau memakai concept art, lalu mendapat environment yang sudah bisa dijelajahi dalam hitungan menit. Untuk level design, ini menghemat fase yang paling membosankan: menyiapkan blokade kasar sebelum masuk ke detail.

   Karena output-nya standar industri, aset bisa langsung diimpor ke Unity, Unreal, Godot, Blender, 3ds Max, Maya, atau dirender di aplikasi Three.js dan Electron.

2. Alur Kerja Agentic, Bukan Sekadar Prompt. Repo ini berisi delapan skill terpisah—image-blast-project, image-blast-uncover, image-blast-plate, image-blast-world, image-blast-3d, image-blast-sfx, image-blast-image-edit, dan image-blast-wildcard—plus enam sub-agent dan hook pemeriksaan input.

   Artinya, pekerjaan dibagi rapi: satu skill memegang state proyek, satu membersihkan gambar, satu membangun world, satu membuat mesh per objek, satu mengurus suara. Kalau satu tahap gagal, kamu bisa mengulang bagian itu saja tanpa mengulang semuanya.

3. Bisa Dikontrol Sampai Level Teknis. Generasi mesh Hunyuan tidak dikunci ke satu setelan. Kamu bisa menentukan jumlah face (--face-count 40.000–1.500.000, default 50.000), mengaktifkan atau mematikan PBR, memilih tipe output Normal, LowPoly, atau Geometry, sampai memilih polygon triangle atau quadrilateral.

   Untuk kebutuhan game, ini penting: aset preview bisa dibuat ringan dulu, lalu dinaikkan detailnya saat sudah masuk tahap final.

Cara Install Repo

1. Buka repository di GitHub: neilsonnn/image-blaster.
2. Clone repo, lalu masuk ke foldernya.
3. Pastikan Claude Code sudah terpasang. Di macOS atau Linux jalankan curl -fsSL https://claude.ai/install.sh | bash; di Windows PowerShell pakai irm https://claude.ai/install.ps1 | iex.
4. Siapkan dua API key: World Labs dan FAL. Simpan di .env mengikuti contoh .env.example, atau berikan langsung saat Claude meminta.
5. Masukkan gambar ke folder input/, jalankan claude dari root repo, lalu minta ia meng-blast gambar tersebut.
6. Opsional: untuk melihat hasilnya di viewer React bawaan, jalankan bun install lalu bun run dev.

git clone https://github.com/neilsonnn/image-blaster
cd image-blaster
claude

bun install
bun run dev

Isi .env kurang lebih seperti ini:

WORLD_LABS_API_KEY=your_world_labs_key_here
FAL_KEY=your_fal_key_here

Memakai image-blaster di Hermes dan Agent Lain

image-blaster pada dasarnya proyek Claude Code: skill, sub-agent, hook, dan izin tool-nya diatur di folder .claude/. Jadi cara paling aman memakainya di Hermes adalah menjalankannya dari dalam repo, bukan menyalin skill-nya ke folder global.

1. Clone repo seperti langkah di atas, lalu buka Hermes di root repo tersebut.
2. Minta Hermes membaca alur kerjanya langsung, misalnya: “Baca .claude/skills/image-blast-project/SKILL.md dan jalankan alurnya untuk gambar di folder input/.” Hermes punya akses terminal, jadi ia bisa memanggil script node .claude/scripts/... yang sama seperti Claude.
3. Kalau ingin skill-nya terdeteksi otomatis, salin folder di .claude/skills/ ke .agents/skills/ di root repo, lalu jalankan hermes skills trust agar skill repo-local ikut dimuat.
4. Alternatif termudah: minta Hermes mengurus semuanya lewat chat—“Clone repo neilsonnn/image-blaster, pasang dependensinya, lalu siapkan folder input untuk saya.”

Untuk Cursor, repo ini sudah menyertakan folder .cursor/, jadi aturan proyeknya langsung terbaca. Untuk Codex, Gemini CLI, atau agent lain yang mendukung Agent Skills, pola yang sama berlaku: jalankan dari root repo agar path .claude/scripts/ tetap valid, atau salin skill ke root skill milik agent tersebut.

Catatan: Semua tahap generatif memakai API berbayar. Analisis gambar dan pembuatan struktur proyek tidak memakan biaya, jadi lakukan tahap uncover dulu sebelum membakar kredit untuk world dan mesh.

Contoh Penggunaan

Alur yang disarankan adalah meminta konfirmasi di setiap langkah, bukan sekali jalan. Contoh prompt pembuka:

"Blast gambar input/kamar-anak.jpg. Tampilkan dulu daftar objek dinamis yang kamu temukan, lalu tunggu persetujuan saya sebelum lanjut ke clean plate dan world."

Setelah daftar objek disetujui, lanjutkan per tahap:

"Buat clean plate dari gambar sumber, lalu bangun environment statisnya. Pertahankan material, pencahayaan, dan suasana aslinya, tapi kosongkan semua objek yang sudah kita keluarkan."

"Sekarang buat mesh 3D untuk tiap objek: face count 80.000, PBR aktif, tipe Normal. Simpan ke folder output per objek."

"Terakhir, buat ambience loop untuk ruangan ini plus SFX untuk objek yang bisa dipakai—pintu, mainan, dan laci."

Kalau ingin hasil yang lebih ringan untuk prototipe game, minta varian LowPoly lebih dulu, lalu regenerasi dengan Normal saat sudah masuk tahap polish. Untuk melihat seluruh aset di viewer bawaan, jalankan bun run dev lalu buka URL lokal yang ditampilkan.

Tips:

1. Pakai gambar dengan satu titik pandang jelas. Foto interior lurus ke depan jauh lebih mudah direkonstruksi daripada sudut ekstrem atau lensa fisheye.
2. Konfirmasi daftar objek dulu. Kesalahan paling mahal terjadi di tahap uncover. Kalau objek yang seharusnya statis ikut dianggap dinamis, world-nya akan berlubang.
3. Mulai dari face count kecil. Default 50.000 cukup untuk preview. Naikkan hanya untuk aset yang benar-benar tampil dekat kamera.
4. Jangan hapus folder worlds/. Di situ tersimpan state proyek, caption, dan riwayat generasi yang dipakai untuk melanjutkan pekerjaan.
5. Jaga API key tetap lokal. Simpan di .env dan pastikan file itu tidak ikut ter-commit saat kamu mem-push fork sendiri.

Link Repository

image-blaster bukan pengganti artist 3D, tapi mempercepat bagian yang paling melelahkan: menyiapkan dunia pertama. Untuk level design, previz, sampai eksperimen game jam, repo ini memberi titik awal yang nyata—bukan sekadar mockup.

Suka artikel review repo seperti ini? Jangan lupa bookmark blog ini!