3D-модели товаров из фотографии: что уже умеют нейросети и где это применимо в продажах

3D-модель товара из фотографии — это трёхмерный объект, который нейросеть восстанавливает по одному или нескольким 2D-изображениям, без съёмки на поворотном столе и без работы 3D-художника. На сайте уже есть подробные материалы о том, как показать 3D и AR в магазине. Эта статья про другое: откуда взять саму модель и где нейросетевому 3D можно доверять в продажах, а где нельзя. Повод — выход WorldGen от Hyper3D 1 сентября 2026 года.

Что изменилось в получении 3D

Ещё недавно путей к 3D-модели товара было три, и все неудобные.

• 3D-художник. Качество максимальное, но каждая модель — часы работы и отдельный счёт. На каталог в тысячу артикулов не масштабируется.
• Фотограмметрия. Десятки снимков с разных ракурсов, свет, обработка. Работает, но это полноценный производственный процесс.
• 3D-сканер. Точно, дорого, требует физического доступа к каждому товару и обученного человека.

Нейросетевая генерация меняет входной билет: на вход подаётся изображение, на выходе получается геометрия. По заявлению разработчиков, Hyper3D выпустила модель генерации миров WorldGen, которая, в отличие от других интерактивных моделей мира, может взять всего одно 2D-изображение и построить на его основе полноценную 3D-сцену со встроенными физическими правилами. Подчеркну: это описание разработчиков, независимых замеров на момент написания я не видел и сам модель на каталоге не гонял.

Что даёт WorldGen по описанию

Четыре свойства из анонса, которые для магазина важнее всего.

• Независимые объекты. Столы, стулья и небольшие предметы можно отдельно извлекать, разбивать на самостоятельные 3D-модели, перемещать, заменять или дорабатывать. Это ключевое: сцена не единый монолит, из неё достаётся конкретный предмет.
• Встроенная физика. Модель понимает пространственное расположение объектов и автоматически определяет столкновения, массу, трение и другие параметры.
• Экспорт в рабочие инструменты. Сгенерированные ассеты импортируются в Blender, Unity или Unreal Engine и используются для игровых уровней, кинопроизводства, XR-контента и симуляций для обучения роботов.
• Связка с видеомоделями. WorldGen формирует 3D-сцену с независимыми ассетами и чёткой пространственной структурой, а видеомодель — например Seedance 2.5 — добавляет материалы, освещение, тени и визуальный стиль, превращая базовые рендеры в динамичные фрагменты кинематографического качества.

Последний пункт для маркетинга интереснее всего: геометрия и картинка разделены. Сначала строится честная сцена с правильными размерами, потом отдельно наводится красота. Это управляемее, чем генерировать видео одной кнопкой: на этапе сцены можно вмешаться руками.

Где применимо сейчас, а где нет

Здесь я буду занудно честным, потому что на этом месте чаще всего теряют деньги.

Главный риск простой: модель может додумать деталь, цвет или фактуру там, где на исходном фото их не было видно. Для игрового уровня это норма, для карточки товара — обещание, которое магазин не выполнит. Последствия измеряются не эстетикой, а возвратами: «на картинке ручка была металлическая». Поэтому для каталога модель либо проходит ручную проверку на соответствие артикулу, либо заменяется предметной съёмкой. Про ИИ в самих карточках я писал в материале ИИ для интернет-магазина: карточки товаров.

Как я встраиваю это в конвейер контента

Если бы такую генерацию нужно было поставить в поток магазина, я строил бы процесс так — первым делом разделив, что генерируем, а что снимаем.

1. Разделение потоков. Генерируем окружение, интерьерные сцены, фоны, ролики и прототипы. Снимаем сам товар — там, где важны фактура, цвет и комплектация.
2. Проверка на соответствие карточке. Обязательный этап с обязательным ответственным, обычно контент-менеджером категории. Чек-лист: цвет, материал, комплектность, пропорции, отсутствие придуманных элементов. Не прошло — не публикуем.
3. Хранение и версии. Исходники в GLB, привязка к артикулу, версия и дата. Иначе через полгода никто не вспомнит, к какому товару относится модель и проверял ли её кто-нибудь.
4. Показ на сайте. Для просмотра и примерки в AR — model-viewer, разбирал его в пилларе просмотр товара в AR через model-viewer. Нужна настройка комплектации и материалов — конфигуратор на three.js или сборка на PlayCanvas.
5. Вес и скорость. Сгенерированная геометрия почти всегда избыточна: оптимизирую полигоны и текстуры, сжимаю через Draco и KTX2, гружу вьюер по клику на превью. Ориентир — модель не тяжелее пары обычных фотографий, иначе выигрыш в конверсии съедает падение скорости.

Это ровно та работа, которую я делаю на проектах: собираю повторяемый конвейер контента и встраиваю просмотр 3D и AR прямо в карточки. Если у вас сотни артикулов и вручную это не тянется, начните с ИИ-предметной съёмки и конвейера контента, а массовую подготовку карточек закройте через ИИ-карточки для маркетплейсов.

С чего начать: пилот на одной категории

Никаких «переведём весь каталог в 3D». Проверяем на узком участке и считаем.

• Выберите одну категорию, где 3D объективно помогает решению: мебель, техника со сложной формой, товары, которые важно представить в интерьере.
• Возьмите 20-30 товаров — достаточно, чтобы увидеть статистику, и мало, чтобы не потратить бюджет впустую.
• Замерьте до и после: конверсию карточки в корзину, глубину просмотра, долю возвратов «не соответствует описанию», скорость загрузки страницы.
• Посчитайте трудозатраты на проверку. Главная скрытая статья расходов: сколько минут уходит на сверку одной модели с реальным товаром и кто это делает.
• Решайте числами. Растёт конверсия и не растут возвраты — расширяем. Растут возвраты — для этой категории возвращаемся к съёмке.

По опыту работы с контентом каталогов первая версия почти никогда не финальная, и это нормально: важно иметь процесс, который повторяется на следующей категории без изобретения заново.

Частые вопросы

Можно ли сделать 3D-модель товара из одной фотографии?

По заявлению разработчиков Hyper3D, WorldGen строит полноценную 3D-сцену из одного 2D-изображения, причём объекты в ней независимы и извлекаются по отдельности. На практике результат стоит считать черновиком: соответствие реальному товару проверяет человек.

Подходит ли нейросетевая 3D-модель для карточки товара?

Только после проверки. Модель может додумать деталь, цвет или фактуру, а покупатель ждёт ровно тот товар, что приедет. Где точность критична, надёжнее предметная съёмка, а генерацию использовать для интерьерных сцен и контента.

Куда можно экспортировать полученные модели?

По описанию, ассеты импортируются в Blender, Unity и Unreal Engine и применяются для игровых уровней, кинопроизводства, XR-контента и симуляций для обучения роботов. Для сайта модель дополнительно оптимизируют и приводят к формату GLB.

Как 3D на карточке влияет на скорость сайта?

Заметно, если не оптимизировать. Помогают упрощение геометрии, сжатие Draco и KTX2 и загрузка вьюера по клику на превью вместо загрузки вместе со страницей.

Что такое связка WorldGen с видеомоделью?

Сначала WorldGen формирует 3D-сцену с независимыми ассетами и чёткой пространственной структурой, затем видеомодель, например Seedance 2.5, добавляет материалы, освещение, тени и визуальный стиль, превращая базовые рендеры в динамичные фрагменты кинематографического качества.

Коротко о главном

Барьер входа в 3D упал: то, что вчера требовало художника или сканера, сегодня начинается с одного изображения. Но в торговле важна не эффектность, а соответствие: карточка товара — обещание покупателю, и генеративная модель может его нечаянно нарушить. Разумная стратегия — генерировать окружение и контент, снимать сам товар, между ними держать обязательную проверку человеком.

Что предлагаю конкретно. Пришлите список категорий и то, как сейчас устроена подготовка контента, — разберу, что можно генерировать, что нужно снимать и сколько времени уйдёт на проверку. Дальше собираю пилот на одной категории: конвейер получения и оптимизации моделей, регламент проверки на соответствие артикулу, хранение с привязкой к товару и просмотр 3D и AR в карточке без потери скорости. Начать удобно с конвейера контента для каталога; распознавание и обработка изображений в потоке — на странице компьютерное зрение.