Гусь, рожденный кодом: как нейросети помогают создавать 3D-персонажей для образовательных приложений
Разработчик тренажера английского языка Yet Another English взяла на вооружение передовые технологии генерации 3D-модели через нейросети. Целью стало оживление любимого логотипа — белого гуся в красном худи. Используя Claude, GPT и Blender, автор столкнулась с рядом технических трудностей при формировании анатомии персонажа и текстур, прежде чем получить финальный результат, готовый к работе в браузере.
# Когда ИИ моделирует гуся: история создания 3D-персонажа для Yet Another English
Разработка образовательного продукта «Yet Another English» изначально подразумевала классическую геймификацию: пользователь учил слова, а персонаж растил. Однако идея эволюционировать до полноценного «тамагочи», где жизнь гуся зависит от успеваемости студента, потребовала создания реалистичной 3D-модели. Задача казалась сложной: сохранить узнаваемый образ 2D-логотипа и оживить его в трех измерениях так, чтобы он корректно реагировал на повороты камеры и анимации в веб-интерфейсе.
Путь от концепции к первому скетчу
Первым шагом стала попытка использовать Claude Opus 5.0, интегрированного с 3D-редактором Blender через протокол MCP (Model Context Protocol). Идея заключалась в том, чтобы загрузить изображение гуся в редактор и получить автоматическую модель.
Результат оказался далек от идеала. Нейросеть создала гуся с правильной цветовой гаммой и базовыми чертами, но анатомия была нарушена: худи превратилось в нагрудник, а шея напоминала трубу. Основной проблемой стала работа с одеждой и лицами при первом приближении модели.
Автора вынудила перейти к ручному процессу постоянного взаимодействия с ИИ. Метод заключался в следующем: автор загружала в чат с нейросетью скриншот модели под определенным углом, формулировала запросы на исправление пропорций и получала новую версию. Это позволило постепенно выстроить правильную форму головы, носа и глаз, которые в первых итерациях выглядели как простые геометрические тела.
Сложности с анатомией и текстурой
Проблема усугубилась при работе с одеждой. При попытке снять худи или изменить его, нейросеть иногда генерировала совершенно другую модель тела или заменяла ботинки. Это создавало логическую несоответствия: нельзя было исправить одну деталь, не нарушив другие.
Для решения этой проблемы автор перешла к использованию GPT-4, также подключенного к Blender. Процесс стал более методичным: сначала была выстроена форма головы и клюва, а затем переходилась к телу, шее и лапам. Важно отметить, что для проверки пропорций и анатомии модели необходимо было смотреть на них с четырех сторон. Нейросети часто создают идеальную переднюю часть, но боковые или задние грани могут оказываться искаженными.
Особое внимание было уделено текстуре. Изначально текстуры худи и обуви создавались автоматически. Однако при работе с браузером возникали проблемы: изменение цвета одежды в редакторе портило оригинальную текстуру, а размер файла модели был чрезмерно велик для быстрой загрузки.
Оптимизация модели для веба
Финальный этап работы заключался в подготовке модели к работе в браузере. Исходный файл модели GLB весил более 18 Мб и содержал 548 332 треугольника (граней). Для работы на мобильных устройствах и в вебе такие характеристики были неприемлемы.
Автор предприняла ряд действий по оптимизации:
1. Упрощение геометрии: с помощью инструментов Blender количество граней было сокращено с 1,78 миллиона до 682 тысяч, а затем еще больше до 548 тысяч. 2. Текстурирование: вместо хранения сложной информации о материалах использовались оптимизированные карты. 3. Сжатие: применялись алгоритмы Meshopt и gzip. Финальный размер модели уменьшился до 5,95 Мб.
Также была использована техника instancing (инстансинг) для предметов обстановки (стол, лампа, книги), чтобы они занимали меньше памяти. Если бы модель не была оптимизирована, браузер на смартфоне мог бы не успевать её загружать, а анимация подтормаживала.
Выводы и перспективы
История создания гуся демонстрирует, как современные ИИ-инструменты могут значительно ускорить процесс 3D-моделирования, особенно на ранних стадиях. Однако полный контроль над анатомией, текстурой и оптимизацией все еще требует от разработчика глубоких знаний работы с Blender и веб-технологиями.
В конечном итоге, проект был успешно реализован в Yet Another English. Гусь получил возможность поднимать крыло, моргать и менять позы, реагируя на действия пользователя. Опыт авторов показал, что даже простые изменения, такие как смена цвета одежды, требуют тщательной проверки, так как нейросети могут генерировать нежелательные артефакты при изменении параметров.
Этот проект подтверждает, что ИИ-ассистенты становятся мощным инструментом в руках разработчиков, способным сократить время создания контента, но не заменяют необходимость профессионального подхода к финальной сборке продукта.