Движок Viggle JST-2 собирает трехмерных персонажей из облака точек за шесть центов

Шесть центов за генерацию сцены по текстовому описанию и секунда ожидания на секунду хронометража. Вместо привычной возни с топологией меша, развертками и привязкой костей перед нами сразу появляется объемная фигура в движении. Компания Viggle выкатила движок JST-2, с помощью которого пытается перешагнуть через классический пайплайн трехмерной графики и подобраться к быстрой сборке интерактивных сцен.

Первый заметный релиз команды, JST-1, вышел весной 2024 года и запомнился многим вирусными роликами с заменой танцующих персонажей. Теперь архитектуру пересобрали заново. Разработчики утверждают, что написали JST-2 с нуля, превратив его в самостоятельную систему для генерации 3D-пространств, персонажей и их движений, а не просто надстройку над чужими моделями.

Архитектура и вспомогательные инструменты

В обновленный стек инструментов вошли два специализированных модуля, в основе которых лежит модель MiniMax H3:

• Viggle-Animate: модуль, отвечающий за быструю подмену персонажей в кадре с сохранением исходной хореографии и движений.
• Meridian: инструмент для смены ракурса и положения камеры в готовом видео, использующий обученные адаптеры к MiniMax H3.
• Собственное ядро JST-2: базовый движок генерации, созданный силами компании без заимствования сторонних архитектурных каркасов.

Главный технологический сдвиг спрятан в способе представления геометрии. JST-2 вообще не генерирует полигональные сетки в привычном понимании. Персонажи рендерятся как Gaussian splats — массивы трехмерных гауссовых пятен. Для визионеров и художников это занятная развилка: с одной стороны, такой подход позволяет мгновенно передавать сложный объем, свет и микродетали без мучительного запекания текстур. С другой — привычный экспорт в условный Blender или Maya для ручной доработки вертексов пока отменяется.

Физика, артефакты и компромиссы

Если верить демо, иллюзия живого тела держится ровно до тех пор, пока персонаж не начинает сложных контактов с окружением. Расчет взаимодействий и столкновений в JST-2 сейчас опирается на стандартные формулы классического физического движка. Полноценную обучаемую физику, которая могла бы реалистично моделировать вес предметов и трение на нейросетевом уровне, отложили до следующей версии — JST-3.

Из-за этого компромисса наружу вылезают характерные огрехи генерации:

• Ткань одежды и пряди волос деформируются исключительно вслед за скелетом персонажа — отдельной симуляции массы, сопротивления воздуха и физических столкновений здесь нет.
• В точках сгиба и вокруг суставов периодически возникают разрывы гауссовой геометрии.
• Стопы персонажей при перемещении по поверхности продолжают заметно проскальзывать.

Нас подкупила честность этой технической картины: вместо идеальной рекламной картинки виден сырой рабочий процесс. На чистовой рендер в крупный план это пока не тянет, но для драфта анимации и быстрого блокинга сцен инструмент уже выглядит применимым.

Экономика продакшена

По скорости работы движок подобрался вплотную к реальному времени. На графическом процессоре NVIDIA B200 секунда готовой видеосцены собирается примерно за одну секунду — правда, разработчики сразу оговариваются, что замер проводился в идеальной среде без учета сетевых задержек.

Себестоимость вычислений создатели оценивают меньше чем в один цент за генерацию. Конечным пользователям доступ через API отдают по шесть центов за генерацию сцены по текстовому описанию. Подобная математика делает движок доступным не только для крупных продакшенов, но и для инди-аниматоров, которым нужно пачками отсеивать неудачные идеи на этапе раскадровок.

Для арт-директоров и моушн-дизайнеров появление JST-2 — сигнал о том, что этап предварительной визуализации стремительно дешевеет. Возможность сменить угол камеры через Meridian или примерить пластику другого персонажа без долгого рендера освобождает время на поиск режиссерских решений. И хотя до идеальной физики придется ждать релиза JST-3, собирать черновики клипов и рекламных роликов за копейки можно уже сегодня.

Трехмерная графика окончательно перестает быть территорией бесконечного рендера полигонов.