3D-ролик к статье за полторы минуты работы компьютера: два дня опытов с ИИ-агентом, Блендером и Three.js
В 13:24 я написал ИИ-агенту: давай ещё видео с собачкой, но рядом сделаем объёмные графики, и возьмём другой пост. В 13:36 пришёл ролик на 25 секунд. Плюшевый пёс в котелке сидит в студии и клоном моего голоса пересказывает статью про эластичность рекламы: плюс 10 % к бюджету дают плюс 1,2 % продаж, а цена двигает продажи в двадцать раз сильнее. Рядом с ним из подиума вырастают объёмные столбики и цифры.
Я посмотрел и заметил, что кружка проваливается в лапу, когда пёс пьёт кофе. Написал об этом в 13:39. В 13:42 пришла исправленная версия.
TL;DR От просьбы до готового ролика прошло 12 минут. Компьютер из них работал полторы: голос — 40 секунд, сборка сцены в Блендере — 15, кадры в браузере — 21,5. Остальное время агент писал монолог и код графиков. Видеогенератора и аниматора в этой схеме нет, всё считает домашний Mac mini. К такому конвейеру мы с агентом пришли за два дня, около семи часов переписки: начали с человечка из шаров и цилиндров, перебрали пиксельные стили, слепили пса и бородача-ведущего. Главный приём второго дня: героя, графики и движение собирает Блендер, а кадры считает Three.js в браузере. На ролике в 27 секунд это 22 секунды вместо 45 минут. Ниже — как шли эти два дня, сколько стоит такой ролик и где способ не годится.
Простыми словами Четыре инструмента, на которых всё держится:
- ИИ-агент — программа, которой задачу ставят обычными словами. Она сама пишет код, запускает его и показывает результат. Я работаю с Claude Code.
- Блендер — бесплатная программа для 3D: модели, свет, анимация. Ей можно управлять из кода, этим агент и пользуется.
- Three.js — библиотека, которая рисует 3D прямо в браузере. На ней делают веб-игры.
- HyperFrames — инструмент, который превращает анимированную веб-страницу в видеофайл кадр за кадром.
Откуда взялась идея
К статьям блога я уже делал короткие ролики: анимированные цифры и мой клонированный голос, всё через HyperFrames. 5 ноября ChatGPT рассказал мне, что умеет делать и 3D-ролики. Персонажа, предметы и студию он собирает из объёмных деталей, ставит свет и камеру, а рот героя открывается по громкости речи. Инструменты у него те же, что у меня: Three.js и HyperFrames. В 16:31 я попросил агента это проверить.
День первый: человечки из шаров и пиксели
Первый ролик пришёл через пять минут. Человечек из шаров и цилиндров сидит за столом, рядом крутится машинка, а полис переходит со стола ему в руку. Ролик длится 17 секунд, компьютер посчитал его за 9. Рот открывается по громкости, а шире или круглее становится по тембру звука: «и» и «с» звучат выше, «о» и «у» ниже. Это дёшево и заметно живее рта, который просто хлопает.
Дальше я попросил сделать красивее и взять длинную озвучку. Через десять минут пришёл ролик на минуту: подкаст-студия, двенадцать планов, цифры сценария стоят на подиуме объёмными предметами. Компьютер считал его 35 секунд. Картинка мерцала, текстуры кое-где наезжали друг на друга, и всё равно смотрелось это интереснее плоской инфографики.
Потом пошли стили. Я попросил найти необычных персонажей, хоть пиксельных, как в 8-битных играх. Через пять минут после «давай лист стилей» пришёл ролик с шестью стилями: пиксель-арт, 8 бит, графика первой PlayStation, воксели, мультяшный и пластилин. Больше всего мне понравились воксели и мультяшный, но в них страдали надписи. В ролике к статье цифры главные, поэтому я вернулся к гладкой студии и попросил другого героя.
Креветку и робота-трансформера агент собрал за шесть минут. Ещё через четыре минуты робот научился превращаться в машину: каждая деталь летит на своё место в кузове, колёса встают на колёса. Последним в этот день появился пёс в горящей студии со своим монологом.
Потолок у этого пути виден быстро. Каждую форму агент описывает формулами: шар, цилиндр, трубка по кривой. Сложнее игрушки из конструктора так не получается, у лица нет ни настоящих век, ни щёк.
День второй: Блендер лепит, браузер снимает
Утром 6 ноября поставили Блендер — одна команда, 907 МБ. Кадр с машиной в студии Блендер считал за секунду, а в режиме с физически точным светом — за 2,6 секунды.
Пса агент слепил в Блендере заново. Тело, голову, лапы и уши он собрал из метаболов: это капли, которые сливаются в одну гладкую поверхность, как ртуть. Сверху лёг плюшевый материал с мягким отливом, добавились веки-скорлупки, брови и скелет из костей, чтобы пёс двигал головой, челюстью и лапами. Глаза, брови и бейдж агент ставит лучом на готовую поверхность: капли при слиянии раздуваются, и место, выбранное заранее, промахивается.
Пёс вышел заметно лучше. Но ролик на 27 секунд Блендер считал 45 минут 12 секунд, по 3,35 секунды на кадр. Минута такого видео — час сорок.
Выход нашёлся в разделении ролей. Блендер собирает пса, студию и всё движение и «запекает» их в один файл GLB — привычный формат для 3D в браузере. Three.js открывает файл и только проигрывает его: для каждого кадра ставит время, свет и камеру. Тот же ролик в браузере посчитался за 22 секунды, в 120 раз быстрее.
При переезде кое-что потерялось. Мелкий рельеф ворса в Блендере рисовала формула, а в файл попадают только готовые поверхности. Больших мягких ламп формат GLB не знает, свет пришлось собрать в браузере заново. Огонь тоже не переехал: в браузере остался свой, из первого дня, и он вышел даже живее. На глаз ролик почти не изменился.
После этого и случился ролик из начала статьи. Агент написал монолог только из чисел статьи, озвучил его клоном моего голоса, собрал в Блендере объёмные графики в цвете блога и выгрузил их вместе с псом.
| Этап одного прохода, ролик 25 секунд, 1080p | Время компьютера |
|---|---|
| Ударения в тексте | 2 с |
| Голос: клон, 23 секунды речи, ускорение | 40 с |
| Рот: громкость и тембр на каждый кадр | 0,1 с |
| Блендер: пёс, студия, графики, 750 кадров движения → файл GLB | 15 с |
| Three.js и HyperFrames: 750 кадров | 21,5 с |
| Сжатая версия для Телеграма | 5 с |
| Итого | ≈83 с |
Тем же рендером Блендера этот ролик считался бы около 42 минут — оценка по скорости предыдущего.
В деньгах Платить за ролик не пришлось. Блендер, Three.js и модель озвучки Qwen3-TTS бесплатные, мебель в студии — бесплатные модели Poly Haven с открытой лицензией CC0. Всё считает Mac mini M6 с 16 ГБ памяти, тот же, на котором я проверял локальные нейросети. Платная часть — подписка на ИИ-агента, других трат за два дня не было. Для сравнения: видеогенератор Kling 3.0 через сервис Magnific списывает 105 кредитов за каждую секунду ролика в 720p со звуком, неудачные попытки тоже оплачиваются. Здесь правка кружки обошлась в 34 секунды работы компьютера.
Второй герой: бородач по картинке
Днём я прислал агенту разворот нового героя — мультяшного бородача в клетчатой рубашке, джинсах и кедах, картинку нарисовал ChatGPT. Этот герой будет вести автомобильные ролики.
Агент собрал его тем же способом и сверял с рисунком так: снимал модель спереди и сбоку камерой без перспективы, точно в масштабе разворота, и накладывал на рисунок с прозрачностью 50 %. По линиям макушки, глаз, рта, бороды, подола и подошвы видно, где модель расходится с рисунком. Одна сборка героя занимает несколько секунд, пропорции сошлись за пять-шесть таких кругов.
Труднее всего дался рот. Чтобы герой заговорил, агент прорезал губы, поставил за ними тёмную полость и кость челюсти. У уголков губы ходят вместе, поэтому рот открывается овалом. Без разреза растянутая кожа давала полосы, похожие на зубы. Волосы и бороду агент сделал одной оболочкой поверх головы, чтобы борода шла за челюстью без зазора.
С начала работы над героем до первого говорящего ролика прошло 53 минуты. Дальше пошли правки, и все они касались рук. На приветствии рука выворачивалась неестественно. При повороте она уходила внутрь рубашки, а ноги вышли шире талии. Агент исправлял, и рука снова пролезала сквозь рукав.
Помогло, когда агент перестал ставить позы на глаз. Теперь для каждого жеста он задаёт, где должна оказаться кисть, перебирает углы суставов и у лучших вариантов меряет, не входит ли рука в рубашку, а предплечье в собственный рукав. Потом весь ролик проверяется на такие проникновения кадр за кадром. Четвёртая версия прошла без замечаний.
Потом героя перенесли в гараж — с машиной, которую агент собрал утром для пробы Блендера, и мебелью из бесплатных моделей. На это ушло 11 минут. Ролик почти на минуту по готовой озвучке одного из постов собрался через 10 минут после просьбы, компьютер из них работал около минуты: Блендер 18 секунд, кадры 40.
Сколько заняла каждая просьба
Время просьб — по журналу сессий агента, время готовых роликов — по файлам.
| Что попросил | Когда | До готового ролика |
|---|---|---|
| Проверить 3D в Three.js | 05.11, 16:31 | 5 мин |
| Красивее и на длинной озвучке | 16:38 | 10 мин |
| Лист стилей | 17:05 | 5 мин |
| Креветка и робот-трансформер | 17:20 | 6 мин |
| Робот превращается в машину | 17:31 | 4 мин |
| Пёс с объёмными графиками к статье | 06.11, 13:24 | 12 мин |
| Кружка проваливается в лапу | 13:39 | 2,5 мин |
| Новый герой по рисунку, первый говорящий ролик | 13:53 | 53 мин |
| Вывернутый взмах, браслеты, коричневый рот | 14:49 | 4,5 мин |
| Рука в рубашке, ноги шире талии | 14:58 | 16 мин |
| Герой в гараже | 15:37 | 11 мин |
| Ролик почти на минуту по готовой озвучке | 15:51 | 10 мин |
Короткие строки — правки и ролики по готовому рецепту. Длинные — новое: первый герой, первая встреча с Блендером, позы рук.
Где это не работает
- Реализм. Потолок — мультяшная игрушка. Рот по громкости и тембру не различает отдельные звуки, на реалистичном лице такой рот выглядит жутковато.
- Сложная физика. Ткань, дым, жидкость и огонь Блендер считает хорошо, но в браузер они не переезжают. Огонь пришлось писать заново, рельеф ворса пропал.
- Без человека. Агент проверяет ролик по отдельным кадрам. Ошибки движения ловил я: кружку сквозь лапу, руку сквозь рубашку, вывернутый взмах.
- Первый ролик с новым героем. Это почти час до первого ролика и ещё три круга правок. Проверка рук на минутном ролике идёт около 25 минут, агент делит её на куски и гоняет параллельно.
- Чужие персонажи. Модель можно скачать с открытой лицензией, но права на сам персонаж лицензия модели не даёт. Пёс в горящей студии напоминает чужой мем, поэтому остался внутренней пробой. В мае KC Green публично назвал кражей рекламу ИИ-стартапа со своим комиксом.
Для ролика-объяснения к статье этих ограничений хватает с запасом. Рекламу «как в кино» так не снять.
Как повторить у себя
- Начните с листа стилей. Шесть стилей в одном ролике за пять минут сняли спор о вкусе: сразу видно, что в ролике с цифрами читается, а что нет.
- Лепите и двигайте в Блендере, кадры считайте в браузере. Блендеру оставьте то, чего браузер не умеет: формы, объёмный текст, запекание движения.
- Записывайте рецепт в файл. У каждого проекта агент ведёт файл памяти: команды, порядок шагов, грабли. Новый ролик с псом начинается с копии шаблона, поэтому второй ролик занимает минуты. Как устроена такая память, я писал в статье про файловую память для ИИ-агента.
- Числа в монолог берите только из статьи. Агент пишет текст сам, и проверять его проще, когда источник один.
- Позы рук ставьте подбором и замером. На глаз агент их не поставит, сколько ни описывай словами.
- Смотрите каждый ролик сами и крупно. Особенно места, где герой берёт предметы.
Краткие выводы
До этих опытов 3D-ролик означал аниматора или видеогенератор с оплатой за секунду. Теперь ролик с говорящим героем и объёмными графиками к статье — 12 минут переписки с агентом и полторы минуты работы домашнего компьютера, а правка — пара минут. Цена — мультяшный стиль и человек, который смотрит каждый ролик.
Какой текст вашей компании вы бы первым отдали рассказывать такому герою?
Откуда числа
Время просьб — журналы сессий ИИ-агента, где каждое сообщение записано с точностью до секунды. Время готовых роликов — время создания файлов. Два дня — 5 ноября с 16:22 до 18:09 и 6 ноября с 10:36 до 16:01, всего около семи часов от первого сообщения до последнего ролика.
Время компьютера по этапам — журнал, который конвейер пишет сам при каждом проходе. Рендер Блендера — его журнал: 810 кадров 1080p, в среднем 3,35 секунды на кадр, 45 минут 12 секунд. Three.js — 22,2 секунды на те же 27 секунд видео. Оценка в 42 минуты для ролика с графиками — 750 кадров по 3,35 секунды.
Цена Kling 3.0 — калькулятор стоимости Magnific, 720p со звуком, проверено 14 октября 2026 года.
Компьютер — Mac mini M6, 16 ГБ памяти. Программы — Blender 5.2.3, Three.js 0.181.2, HyperFrames, модель озвучки Qwen3-TTS, мебель — Poly Haven (CC0).
История с мемом: TechCrunch, 3 мая 2026 года.