Topview открыла код 3D Builder 15 октября 2026 года. В тесте японского автора на note.com инструмент помог удержать расстановку сцены: при влиянии 3D-рендера 1,00 нужный вариант нашли во всех 6 проверках. Сначала задаёте, где стоят персонажи и камеры, а потом генерируете картинку или видео.
Topview 3D Builder задаёт пространственную основу сцены: кто где находится, куда смотрит камера, что стоит между персонажами. Свет, текстуры, лица и актёрскую игру оставляют генеративной модели.
Topview 3D Builder переносит композицию из промта в 3D-сцену
Topview анонсировала 3D Builder в составе Film Studio ещё 1 октября. Открытие кода компания объявила 15 октября. В официальном описании инструмент назван «3D-съёмочной площадкой для AI-видео». Идея в том, чтобы сначала собрать сцену, а затем попросить модель её визуализировать.
По описанию компании, начать можно с текстового запроса или референсного изображения. Сцену потом редактируют: расставляют объекты, уточняют композицию, задают позиции камер и их движение. Серый превью-рендер передают модели вместе с текстовым описанием.
Обычный промт описывает сцену, но не всегда точно задаёт координаты персонажей и камеры. Например, фраза «двое сидят друг напротив друга за круглым столом» оставляет модели простор для интерпретации. При смене сида могут измениться дистанция, ракурс, расположение окна и даже тип стульев.
- Поставить манекены и реквизит в нужные места.
- Зафиксировать положение и направление камер.
- Проверить, не зависли ли объекты в воздухе, не провалились ли друг в друга и не вышли ли за границы кадра.
- Передать серый рендер в image- или video-модель как опору для композиции.
В официальном анонсе Topview также описывает управление анимацией камеры и предварительный просмотр кадра. Японский автор отдельно оговаривает, что в его тесте задаётся только взаимное расположение объектов. Освещение, фактура и выражение лиц остаются на стороне генератора.
В тесте SDXL 3D-рендер удержал сцену лучше одного текста
Автор японского материала сравнил генерации на локальной Stable Diffusion XL 1.0. Для базового варианта он использовал один текст и одинаковые настройки, меняя сид на 101, 202 и 303. В описании сцены были окно, круглый стол, женщина и мужчина на круглых стульях, а перед женщиной — чашка.
Детали менялись от генерации к генерации: где-то появлялись стулья со спинками, где-то камера отъезжала, а окно оказывалось за персонажами. По словам автора, ни одна из трёх картинок не совпала с задуманной расстановкой.
Затем к генерации добавили серый 3D-рендер. В трёх вариантах с разными сидами сохранились левая и правая стороны, круглый стол, чашка и положение окна. Во всех трёх результатах остались и стулья без спинок — текстом добиться этого не получилось. Менялись одежда, лица и освещение.
Автор оценил картинки по семи визуальным критериям. Средний балл вырос с 4,33 для текста без рендера до 6,67 с рендером. Это оценка в одном тесте, не универсальный бенчмарк.
Отдельно автор проверил контуры на низких частотах: сопоставил 11 сгенерированных картинок с четырьмя рендерами. В шести случаях из восьми удалось определить, какой именно рендер подали модели. При силе влияния 1,00 результат составил 6 из 6. В трёх вариантах только с текстом описанную в промте камеру ни разу не поставили на первое место.
Результат показывает, как конкретный рендер сработал в тесте на SDXL. Для других моделей и промтов силу влияния референса всё равно придётся подбирать.
Сцена строится без GPU, а один рендер занимает около полутора секунд
В тесте на Windows 11 автор сделал 65 вызовов CLI. На сборку, исправление и повторную съёмку сцен ушло суммарно 66,1 секунды. Один рендер размером 1024×576 занимал от 1,50 до 1,60 секунды; автор замерил время 14 раз. GPU не использовался.
Это время относится к серому превью, а не к готовой картинке или видео. В приведённом примере рендер сцены занял 1,5 секунды, а генерация картинки локальной SDXL — 6,2 секунды.
Для креатора ценность не столько в экономии секунды на одном кадре, сколько в возможности заранее проверить постановку и повторно использовать сцену с разных точек съёмки. Автор материала описывает вариант с четырьмя камерами. Для серии шотов так проще, чем каждый раз заново объяснять модели, где стоят персонажи.
Официальный блог Topview описывает запуск сцены из одного предложения или референса, редактирование объектов и настройку камер. Компания также показывает работу через AI-агентов: например, Claude Code, Codex или Cursor могут вызывать CLI и собирать сцену по обычному текстовому запросу. Японский автор в своём эксперименте запускал команды вручную.
Установка не волшебная: в тесте нашли несовпадения файлов и поз
Утилита работает локально. По описанию автора, ей не нужны GPU и аккаунт, а сцену не приходится загружать в сеть. Код выпущен под Apache-2.0, встроенные ассеты — под CC BY 4.0. Перед использованием ассетов проверьте условия атрибуции в лицензии.
Самый неприятный сбой в тесте был связан с настройками Git for Windows по умолчанию: все 121 встроенная поза сдвигались на один байт. Автор называет это одной из четырёх ловушек, которые встретились при проверке. В доступном фрагменте подробно описана только эта проблема, поэтому остальные ошибки перечислять не буду.
В проверке ассетов нашлась ещё одна деталь: из 26 поз со словом «sit» в названии шесть предназначались для сидения на полу, а не на стуле. Название ассета не всегда точно подсказывает, что окажется в кадре.
Для серийных кадров важнее постановка, а не очередной удачный сид
Topview 3D Builder можно использовать для блокинга — грубой расстановки сцены перед финальным рендером. Он пригодится, когда нужно удержать позиции героев и повторить композицию с разных камер. Для одиночной атмосферной картинки настройка сцены может оказаться лишней вознёй.
Я бы начал с простого кадра: два персонажа, один предмет между ними, одна камера. Сначала проверить, задаёт ли серая заготовка нужные стороны и дистанцию. Затем добавить рендер к промту и сравнить результат с генерацией только по тексту. Для видеосерии можно оставить сцену неизменной и менять положение камеры.
Для базового сравнения автор японского теста использовал такой запрос:
窓際の丸テーブルを挟んで、女性と男性が丸椅子に向かい合って座り、女性の前にカップがあるИз чего собран промт
- 场景窗边的圆桌作为背景
窓際の丸テーブルを挟んで - 角色女性和男性人物
女性と男性が - 动作面对面坐在圆椅上
丸椅子に向かい合って座り - 物体女性面前有一个杯子
女性の前にカップがある
В запросе заданы стол у окна, два персонажа напротив и чашка перед женщиной. Под свою задачу меняйте персонажей, предметы и их расположение. Заодно проверьте, чтобы текст и 3D-рендер задавали одну композицию.
Мои AI-видео и визуальные тесты — в работах
Источники
From One Prompt to an Editable 3D Scene: We Open-Sourced a Local-First Agent Workflow
We’re excited to introduce 3D Builder in Topview Film Studio
Источникnote.com
