Текст-в-3D (Text-to-3D)

Текст-в-3D — это генеративная ИИ-возможность, создающая трёхмерный объект — текстурированную полигональную сетку (меш), а всё чаще и полностью риггованную, готовую к анимации модель — напрямую из текстового промпта, без ручной работы 3D-художника по лепке или текстурированию. Подходы различаются: некоторые системы (линейка Point-E/Shap-E от OpenAI, ранние исследования) генерируют 3D напрямую; более распространённый и в настоящее время более качественный подход сочетает генерацию текст-в-изображение с техниками вроде Score Distillation Sampling или многоракурсной диффузии — генерируя несколько согласованных 2D-видов описанного объекта с разных углов, затем реконструируя 3D-меш, соответствующий всем видам одновременно (по духу похоже на фотограмметрию, но из сгенерированных ИИ, а не сфотографированных видов). Коммерческие платформы (Meshy, Genie от Luma AI, Tripo3D, Spline AI) упаковывают это в простой процесс от промпта до скачиваемого GLB/OBJ. Почему это важно для SaaS-разработчиков: текст-в-3D открывает быстрое создание ассетов для инди-разработчиков игр (генерация реквизита, элементов окружения и базовых моделей персонажей без бюджета на 3D-художника), электронной коммерции (генерация вращаемого 3D/AR-превью товара из описания или фотографий для AR-функций «посмотреть в вашей комнате») и платформ виртуальных миров/метавселенных, которым нужно быстро заполнять пространства. Качество вывода и топология (чистота меша, пригодность для риггинга/анимации) всё ещё, как правило, уступают обученным человеческим 3D-художникам для ключевых/продакшн-ассетов, поэтому сейчас это сильнее всего для быстрого прототипирования, фоновых/проходных объектов и превизуализации, а не финальных AAA-игровых ассетов. Конкретный пример — инструмент для геймдева генерирует заготовки реквизита: (1) разработчику-одиночке нужно 50 фоновых объектов для деревенской сцены, и он не может позволить себе 3D-художника для всех них; (2) для каждого объекта инструмент отправляет в API текст-в-3D промпт вроде «потрёпанная деревянная бочка с металлическими обручами, низкополигональный игровой стиль», указывая `polycount=low`, чтобы вывод оставался достаточно лёгким для рендеринга в реальном времени; (3) API возвращает скачиваемый файл `.glb` с запечёнными текстурами примерно за 30-60 секунд, готовый сразу поместить в сцену без дополнительной работы над текстурами; (4) разработчик импортирует пакет прямо в игровой движок (Unity/Unreal), проводит быструю очистку меша для объектов с явно сломанной топологией и заменяет на более качественные ручные ассеты только для ключевых объектов, с которыми игрок тесно взаимодействует или на которые смотрит вблизи, оставляя ограниченный бюджет на арт для того, что реально важно для опыта игрока; (5) поскольку генерация быстра и дёшева по сравнению с заказом кастомного арта, разработчик может итерировать точный вид объекта — пробуя три варианта бочки — за время, которое ушло бы на постановку одного запроса живому художнику.