Rendora 推出文本生成 3D 视频平台：输入文字秒级生成可编辑数字人

以前想做一个像模像样的 3D 虚拟人视频，门槛高得吓人：要么买昂贵的动捕设备配专业演员，要么在复杂的 3D 软件里对着关键帧熬夜，再等渲染农场慢吞吞出图。

Rendora 正式把自己的文本生成 3D 视频工具搬上了网页端（rendora.ai）。在刚结束的计算机图形学顶会 SIGGRAPH 2024 上，他们带着这套工具实地演示，现场甚至还能戴着 Apple Vision Pro 体验沉浸式的 3D 数字人效果。

挑个演员，写段台词就能成片

和目前大多数直接生成不可控 2D 像素画面的 AI 视频工具不同，Rendora 走的是完整的 3D 制作管线。

用起来说白了就像在片场排戏：用户先在库里挑选喜欢的数字人角色和场景，贴上写好的台词脚本，点击生成，几秒钟内就能拿到一段完整的 3D 视频。

系统会自动排布机位、计算真实光影，并匹配动作和灯光。更聪明的一点在于，它背后用了自研的大语言模型来驱动文本转语音和肢体动画，让虚拟人的口型、微表情和身体动作都能顺着台词走，不再像过去那种僵硬的木偶。

更关键的是它支持手动编辑。生成的镜头如果觉得角度不对，创作者可以直接调整摄像机机位，或者更换角色细节，而不是只能把整段视频删掉重新抽卡。

实时渲染与数百万 3D 资产

根据 Rendora 的介绍，这套系统的底层依靠的是自研生成式 AI、实时渲染引擎，以及一个拥有数百万现成资产的 3D 资源库。

创始人 Jim Chai 表示，团队的目标是让 3D 内容制作普及化，未来还要延伸到直播和可交互的虚拟人服务。

从脚本、动画绑定到机位调度和后期输出，整个流程都被压缩到了一个 Web 界面里。对于营销推广、企业内训或者知识口播这类场景，相当于一个人就包揽了原本需要一整个动画团队的活儿。

为什么重要

我们认为，Rendora 最值得看的地方，在于它没有盲目跟风 2D 扩散模型的纯视频生成路线，而是把 AI 塞进了真正的 3D 空间里。

现在很多生成式视频最大的痛点就是不可控：画面看着惊艳，但机位稍微偏一点、光影穿帮或者想换个特定视角，创作者就束手无策，只能一次次重新抽卡拼运气。而 Rendora 保留了 3D 资产和虚拟相机的逻辑，给创作者留出了精确修图和调镜头的余地，这才是商业级视频制作真正需要的灵活性。

对中小创作者和企业营销人员来说，它的价值非常直接。不用请真人出镜，不用搭绿幕和灯光，几分钟就能出一套合格的口播视频，成本和时间都被砍掉了一大截。

不过隐患也同样明显。这类依赖预设资产库的产品，如果角色模版和场景不够丰富，用户很容易审美疲劳；而且在没有真人微表情微调的前提下，数字人能不能彻底避开「恐怖谷效应」，依然需要实际交付效果来验证。但无论如何，把 3D 生成做成即开即用、可编辑的生产力工具，方向显然走对了。