AssetHub與Kapnetix以AI重塑3D內容製作流程

AssetHub 與 Kapnetix 利用人工智能重塑了 3D 內容製作流程，展示了 AI 在生成 3D 模型上的應用，重新定義了這個領域的效率。對於開發者來說，最關注的是：「AI 究竟能否真正幫助內容生產」？而 AssetHub 和 Kapnetix 分別從靜態建模與動態捕捉兩個方面，給出了實用的答案。

AssetHub 提出了一種名為「AI-Native 3D Workflow」的方法。傳統的攝影測量法容易產生雜訊，但 AssetHub 能夠通過「部件拆解」（Part Decomposition）技術解決這個問題。當 AI 讀取一張 2D 角色設計圖時，它會先理解並分解出「這是頭髮」、「這是鞋子」、「這是裙子」等各個部分，然後再生成 3D 模型。AssetHub 的執行長後藤卓哉強調，AI 生成的模型需具有可編輯性，而不是單純看起來「像」。因此，他們提出了一種「人類參與循環」的概念——由 AI 生成 80%的內容結構，剩餘 20%則由專業 3D 美術人員修整（Retopology），這樣產生的模型不僅「分件清楚、可綁定骨架、可進引擎」，且產出效率大幅提高。原本需要兩週的手工建模流程現在可以縮短到幾天內完成。

Kapnetix 則通過手機等設備解決了動態捕捉的成本問題。傳統的動作捕捉技術需租用高挑攝影棚、安裝多個光學鏡頭，成本高昂且耗時。而 Kapnetix 的目標是將這一切趨近於零。它利用 AI 加上物理運算，實現單鏡頭 3D 骨架識別。開發者只需通過一支 iPhone 拍下真人動作影片並上傳到雲端平台，AI 就能在幾分鐘內生成對應的 3D 骨架數據（FBX 格式）。Kapnetix 的共同創辦人 Johny Darkwah 分享了一個早期失敗的例子：他們最初僅靠大量數據訓練 AI，結果產生了抖動和滑步等問題。最終，引入物理限制和人體工學邏輯後，成本大幅降低至一杯咖啡的價格。

這兩家公司共同揭示了 3D 產業正在經歷的一場「去中心化」革命。傳統上，3D 內容生產門檻高，只有大型公司能負擔得起。現在，AssetHub 和 Kapnetix 分別解決了靜態資產快速建構與動態表演低成本獲取的問題。他們不試圖用 AI 取代美術人員，而是利用 AI 取代繁重的工作流程，如拓撲整理、關鍵格修復和雜訊清理等。未來，遊戲開發或 VTuber 內容生產將更多地關注創意和故事性，而不是技術與預算限制。