Godot引擎4.4版本Web导出纹理变黑问题分析
在Godot引擎4.4版本中,开发者报告了一个关于Web导出的重要渲染问题:当项目导出为Web平台时,3D模型和Sprite3D等对象的纹理会显示为全黑色。这个问题在4.3版本中并不存在,表明这是一个新引入的回归性bug。
问题现象
当使用Godot 4.4版本创建包含纹理对象的场景并导出到Web平台时,纹理无法正确显示,呈现为黑色。有趣的是,内置的SVG资源(如Godot机器人图标)仍能正常显示,说明问题可能特定于某些纹理类型。
技术分析
经过深入调查,发现问题根源与纹理压缩机制有关。具体表现为:
-
WebGL限制:WebGL的
WEBGL_compressed_texture_s3tc扩展对纹理尺寸有严格要求,要求每个mipmap级别的宽度和高度都必须是4的倍数。 -
BetsyCompressor问题:Godot 4.4引入的新GPU纹理压缩器(BetsyCompressor)未能正确检查纹理尺寸是否符合WebGL规范。而旧版的软件压缩器则能正确处理这些限制。
-
错误表现:当尝试压缩260×250这样不符合要求的纹理时,控制台会显示明确的错误信息,指出250不是有效的宽度,因为基础mip级别需要宽度为4的倍数。
解决方案
目前有两种可行的解决方法:
-
调整纹理尺寸:将纹理调整为符合WebGL要求的尺寸(如256×256),然后重新导入项目。这种方法简单直接,但可能需要重新处理部分美术资源。
-
禁用GPU纹理压缩:在项目设置中关闭BetsyCompressor,回退到旧版的软件压缩方式。这种方法可以保留原有纹理尺寸,但可能会影响性能。
开发者建议
对于使用Godot 4.4进行Web开发的团队,建议:
-
在项目初期就规划好纹理尺寸,确保符合WebGL规范(宽度和高度为4的倍数)。
-
导出Web版本前,在编辑器中全面测试纹理显示效果,特别是非标准尺寸的纹理。
-
关注Godot官方更新,这个问题很可能会在后续版本中得到修复。
这个问题提醒我们,在不同平台间移植项目时,需要特别注意各平台的特定限制和规范。Web平台由于其运行环境的特殊性,往往有更严格的资源要求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00