Synthesis AI 推出文本生成 3D 功能：打字就能做出電影級數字人

在遊戲或電影特效裡做一個逼真的 3D 虛擬人，過去是件既燒錢又折騰的事。團隊不僅要搭一整套昂貴的攝影測量陣列，找真人模特在多機位下各種擺姿勢，還要處理肖像權協議，最後再由美術師手動對齊網格、修補材質。一套流程走下來，單個人形資產往往就要花掉數週時間和幾千美元。

總部位於舊金山的合成數據技術初創公司 Synthesis AI 想把這個流程徹底砍短。他們在其線上平臺 synthesis labs 中展示了一套全新的文本生成 3D（text-to-3D）技術，讓創作者通過打字就能直接生成高解析度、電影級的 3D 數字人。

把網格與紋理拆開跑

根據 Synthesis AI 的介紹，使用者只需要在輸入框裡寫下描述詞，比如指定年齡、性別、種族、髮型和服裝，系統就能生成完全匹配的 3D 模型。生成之後，使用者既可以通過修改提示詞微調，也可以直接拖動介面上的滑塊，快速調整人物的面部表情和環境光照。

技術實現上，Synthesis AI 沒有把所有生成任務揉在一起。3D 模型的製作極其複雜，必須兼顧幾何網格與紋理層。他們自研了基於擴散模型的架構來生成三維網格，由性別、年齡和種族等核心引數精確控制；與此同時，人物的表面紋理層則交由另一個獨立的生成模型來處理。最後，系統把幾何網格與高畫質紋理合成在一起，輸出完整的模型。

公司創始人兼執行長 Yashar Behzadi 表示，按需自動生成數字人資產，能讓每個模型的製作成本和時間縮減幾個數量級，直接節省數千美元和數週工期。在此之前，該公司已經推出了針對人體合成數據的 synthesis humans 和針對複雜場景的 synthesis scenarios。

Behzadi 認為，任何會用搜索引擎的人都能通過輸入提示詞上手這項工具。不過他們預計，最早期的核心使用者會是影視娛樂行業的技術美術師，以及工業與製造領域的產品經理——他們需要為各種 3D 模擬環境快速補充具有代表性的數字人，懂製作流程但通常缺乏深厚的機器學習開發技能。

為什麼重要

這項技術最大的價值，在於把原本屬於好萊塢工業級別的 3D 角色資產製作，降維成了打字和拉滑塊的門檻。對於中小型遊戲團隊、獨立創作者以及需要大量行人模型進行自動駕駛或工業模擬的團隊來說，這幾乎省掉了最繁瑣的資產採購和掃描成本。

把幾何網格與紋理生成拆解成獨立通道，我們認為這是 Synthesis AI 非常聰明的一步。很多端到端一次成型的 3D 生成工具往往在細節邊緣或貼圖解析度上糊成一片，而拆分處理能讓生成的角色不僅遠看逼真，放大之後依然具備影視特效可用的細節精度，同時也更方便後續的手工微調。

從行業競爭來看，生成式 AI 的戰場正在從 2D 影像和文字，全面蔓延到 3D 空間。Synthesis AI 的特殊之處在於它本身是一家做「合成數據」起家的公司。它的目的不僅是給遊戲行業做美術資產，更是用完全沒有個人隱私風險、自帶完美標註的虛擬人，去餵飽下一代計算機視覺和機器學習模型。如果這套生成管線能夠穩定輸出，它甚至可能反向重塑自動駕駛、虛擬試衣與具身智慧的資料訓練生態。