AssetHub與Kapnetix推AI生成3D模型新工作流程：手機動捕低成本高效製作
- 未來的遊戲開發或 VTuber 內容生產將不再受限於技術與預算，而是回歸到最核心的本質——創意與故事性。
- Kapnetix 則在動態捕捉技術方面有所突破，目標是降低傳統動作捕捉的成本，使其趨近於零。
- AssetHub 與 Kapnetix 引領了新一輪的 3D 模型製作革命，透過人工智能（AI）技術重新定義了 3D 內容創作的工作流程。
- 而 Kapnetix 利用 AI 加上物理運算，實現了「單鏡頭 3D 骨架識別」，只需一部 iPhone 即可完成整個過程。
AssetHub 與 Kapnetix 引領了新一輪的 3D 模型製作革命，透過人工智能（AI）技術重新定義了 3D 內容創作的工作流程。對於開發者而言，如何讓 AI 在內容產製中扮演實質性的角色而非只是產生無意義的「廢圖」或「廢模型」，成為了一個重要的議題。
AssetHub 和 Kapnetix 分別從靜態建模與動態捕捉兩個維度，提供了一種全新的解決方案。他們不追求 AI「一鍵生成」的完美效果，而是利用 AI 介入傳統最耗時的手工步驟，大幅縮短了 3D 製作所需時間。例如，AssetHub 提出了一套「AI-Native 3D Workflow」，核心技術在於「部件拆解」，將模型拆解為獨立元件，再由專業的 3D 美術人員進行修整，從而大大提高了模型的可編輯性和實用性。
AssetHub 執行長後藤卓哉認為，市面上許多 3D 生成式 AI 生成的模型存在致命傷，網格混亂、貼圖與模型黏死無法修改等問題，這些都使得生成的模型對於遊戲開發者來說毫無用處。AssetHub 通過「Human-in-the-loop」的概念，即由 AI 生成 80%內容結構，再由專業人員完成 20%，確保了最終產出的 3D 模型是可編輯和可用於遊戲引擎中的。這大大縮短了原本需要數週的手工建模流程，將其縮減為數天內即可完成。
Kapnetix 則在動態捕捉技術方面有所突破，目標是降低傳統動作捕捉的成本，使其趨近於零。傳統的動作捕捉技術需要租用大型攝影棚和大量光學鏡頭，成本高昂且操作複雜。而 Kapnetix 利用 AI 加上物理運算，實現了「單鏡頭 3D 骨架識別」，只需一部 iPhone 即可完成整個過程。Johny Darkwah 指出，早期他們嘗試通過大量數據訓練 AI，結果產出的動作充滿抖動和滑步，但引入物理限制和人體工學邏輯後，情況有了很大的改善。
Kapnetix 展示了一個有趣的案例：原本需要 5 天拍攝加後製的 NBA 球員運球動作，透過手機拍攝方案僅需 10 分鐘運算即可完成。這個解決方案不僅大幅降低了成本，還提高了效率和動畫的流暢度，使得開發者能夠將其直接應用在 Maya 或 Blender 中進行微調。
從 AssetHub 與 Kapnetix 的分享可以看出，當前 3D 產業正經歷一場「去中心化」革命。過去，3D 內容的生產門檻極高，只有大型公司才能承擔相關成本和人力投入。現在，AssetHub 解決了靜態資產快速建構與結構化問題，而 Kapnetix 則解決了動態表演的獲取成本問題。這兩家公司共同點在於，他們都未試圖用 AI 取代美術人員，而是讓 AI 來完成繁瑣的工作流程，如拓撲整理、關鍵格修復和雜訊清理等。
未來的遊戲開發或 VTuber 內容生產將不再受限於技術與預算，而是回歸到最核心的本質——創意與故事性。這或許才是 AI 對內容產業最大的貢獻。
