Стартап Viggle, ставший известным благодаря вирусному приложению с танцующими аватарами, представил новую генеративную модель JST-2. За секунду она собирает полноценную трёхмерную сцену, создаёт объёмного персонажа из одной фотографии и оживляет его по текстовому описанию или референсному видео. Технологию уже можно опробовать бесплатно в браузерном редакторе PINOC.
От мемов к «мировой модели» за четыре года
Компания была основана в 2022 году. Первым продуктом стал сервис, позволяющий заставить любого персонажа повторить танцевальные движения из видео — аудитория превысила 50 миллионов пользователей. Всё это время работа шла на первой модели JST-1, а над новой архитектурой команда labourировала четыре года. Viggle называет JST-2 «мировой моделью»: в отличие от обычных видеогенераторов, она строит не плоские кадры, а целое трёхмерное пространство с объектами, персонажами и возможностью свободной навигации камерой.
Как устроена генерация сцены за секунду
На демонстрации модель за примерно секунду на видеокарте NVIDIA B200 создаёт гостиную: появляется робот, поднимающий коробку. Затем по текстовому промпту в сцену добавляются женщина, отец с ребёнком, а робот передаёт коробку ребёнку. Камера плавно переключается между общим планом и видом от первого лица робота. По заявлению разработчиков, стоимость расчёта одной сцены ниже одного цента (сетевая задержка не учитывается). Для сравнения: аналог Marble от World Labs на аналогичную задачу тратит 5–6 минут. JST-2 принимает до 64 снимков одного места и дописывает недостающие части пространства.
«Атомы» вместо пикселей: принципиально другая архитектура
Большинство современных видеомоделей обучаются на пикселях — двумерных картинках. JST-2 изначально оперирует постоянными трёхмерными «атомами» (гауссовыми сплатами). У каждого такого элемента есть координаты и выученные свойства: внешний вид и поведение при движении. Благодаря этому объекты не исчезают и не меняются, когда камера поворачивается. Готовая сцена рендерится прямо в браузере пользователя из облака полупрозрачных цветных пятен, а перегенерация запускается только при добавлении новых элементов. По словам Viggle, модель способна восстанавливать 3D-пространство даже по небольшому числу реальных снимков — это открывает путь к быстрому созданию виртуальных копий реальных локаций для обучения роботов.
Персонаж из одного кадра без риггинга
Отдельная способность JST-2 — генерация полноценного 3D-персонажа из единственного изображения (даже обрезанного или частично перекрытого) или текстового описания. Стиль варьируется от фотореализма до мультипликации. Главное отличие от классического пайплайна: персонажу не нужен ручной риггинг (расстановка скелета). Движение заложено в модель изначально. Анимация задаётся либо текстом, либо переносится с референсного видео.
Результаты слепых тестов против специализированных сервисов
Viggle провела сравнение со специализированными генераторами 3D-персонажей. Оценщики чаще выбирали результат JST-2:
- Против Meshy 7.1 — 58,4% в среднем, 63% по качеству лиц, 73,8% по готовности к анимации.
- Против Tripo H3.1 — 73,2% в среднем, 82% по лицам, 88,9% по анимационной готовности.
По движку анимации (текст → движение и видео → движение) JST-2 также опередила профильные конкуренты. Компания честно отмечает: тесты проводила сама, число экспертов не раскрывается, а на быстрых спортивных движениях один из соперников пока всё ещё сильнее.
Где модель пока ошибается
Разработчики открыто перечисляют текущие ограничения:
- Артефакты в зоне плеч, подмышек и между пальцами — дыры и слипания геометрии.
- Поверхность вблизи выглядит не طبيعي мягкой.
- Одежда и волосы не подчиняются реалистичной физике.
- Ноги персонажей могут проскальзывать по полу (проблема «скольжения»).
- Нестандартные пропорции тела искажаются.
Физика взаимодействий в JST-2 реализована через заранее заданные правила, а не выучена моделью. В следующей версии JST-3 Viggle обещает добавить обучаемую физику. Конечная цель — «движок опыта» для физического ИИ, где агенты и роботы будут учиться на последствиях своих действий в смоделированном мире.
Три способа начать работу с JST-2
Самый простой вход — браузерное приложение PINOC (авторизация через Google). Два режима: «Сцена» (строит пространство) и «Агент» (собирает сцену, персонажей и движение комплексно). Тарифы:
- Бесплатный — 60 баллов (≈ 1 минута движения или 12 персонажей), экспорт одного движения и одного персонажа, только личное использование.
- Starter — от $12,99/мес, 300 баллов, коммерческая лицензия.
- Pro — от $39,99/мес, 1200 баллов.
Второй путь — API для разработчиков: сцена по тексту — $0,06, персонаж по изображению — $0,25–0,30, движение по видео — $0,05 за секунду. Новым аккаунтам начисляют 100 баллов ($1). Третий — подключение по протоколу MCP к ИИ-агентам вроде Claude Code или Codex; расход баллов тот же, что и в веб-версии. Для оплаты платных планов требуется иностранная банковская карта.
Экспорт и нюансы форматов
Анимация отдаётся в стандартных GLB и FBX со скелетом — сразу уходит в Blender, Maya, Unity, Unreal. Персонажи хранятся в проприетарном формате .vsplat; без плагина Viggle Splat Engine их не открыть. Плагин для Unity уже доступен. Ссылки на скачивание из API живут час, загрузки через MCP — сутки, поэтому результаты нужно сохранять сразу. На бесплатном тарифе Viggle оставляет за собой право использовать загруженные работы для обучения своих моделей. Фотографии реальных людей правилами разрешается загружать только с их согласия.
Вывод
За четыре года Viggle прошла путь от развлекательного мема к технологии, собирающей целую 3D-сцену с анимированными персонажами быстрее, чем загружается классический 3D-редактор. Главная сила JST-2 — скорость и объединение генерации окружения, персонажей и движения в едином пайплайне. Главные слабости — закрытый формат ассетов и физика по правилам, а не по данным. Станет ли технология рабочим инструментом для геймдева и робототехники, покажет следующая итерация с выученной физикой.