Viggle 开放 JST-2 世界模型 API，一张图直出带骨骼动作的 3D 角色

原创前端设计大神 2026-10-21 17:00 北京

不需要 3D 建模，也不需要动作捕捉，一张图直出带骨骼和动作的3D人物

2026 年 10 月，Viggle 在官网正式上线了最新的JST-2（Joint Space-and-Time 2.0） 世界基础模型。把系列自研与托管开源能力，一次性打包成一套可复用、可组合的开发者工具。

一句话概括：
一个 API Key，就能创建 3D 场景、生成可动画的 3D 角色、捕获或文字生成动作、做角色替换视频、生成带原生音频的视频，以及文生图。 资产可复用。这对做数字人、互动游戏、虚拟形象、内容创作工具、AI Agent 的开发者来说，是一个相当完整的新基建。

目前已经有很多大神在用Claude接入他们的MCP实现一些不错的效果了：

1. 打斗画面：

2. 实时生成游戏画面

上传角色照片生成NPC角色，给一个参考视频生成场景。

3. 3D格斗游戏

需要将 Claude 接入PINOC，通过文字描述就能生成各种武术动作，并导出可供游戏使用的 3D 动画。不需要 3D 建模，也不需要动作捕捉，一张图直出带骨骼和动作的3D人物你看到的所有人物模型、武术动作、游戏场景全部由@ViggleAI自研模型 Jst-2 制作而成。

https://

体验地址： wh1tzz.github.io/splat-fighter

一、核心亮点：JST-2 终于进入 API

Viggle 把他们最新的 JST-2（物理原生世界基础模型）正式开放到了开发者接口里。

JST-2 的设计理念很不一样：它不是在像素/视频空间里“猜”世界，而是把世界建模成 3D 空间中的持久原子（Physics-Native Tokens）。每个原子有明确的 xyz 位置、属性向量和动力学向量，能同时表达空间结构和时间变化。

在 API 层面，JST-2 目前开放了三大能力：

3D 场景生成

文字提示（最长 1000 字符）+ 最多 8 张参考图，或直接上传自己的 360° 全景图。
返回可探索的 .spz Gaussian splat 格式场景。
支持指定任意相机位姿（4×4 矩阵）生成新视角图像。
可以迭代重建场景。
价格：文字生成场景 0.06 美元（6 积分），其他任务（新视角、重建等）每项 0.01 美元。

3D 角色生成

一张照片 / 插画 / 概念图 → 直接输出 可动画的 3D 角色（.vsplat）。
不需要单独的绑定和蒙皮步骤，角色自带关节，可直接驱动动作。
输出格式通过官方 Viggle Splat Engine（npm 包）渲染。
价格：约 0.25–0.30 美元一个角色（enhance 开关影响价格）。

3D 动作

视频捕获动作，或直接用文字描述动作。
导出骨骼动画，可驱动上面生成的 3D 角色。
支持导出到游戏、动画工具和 3D 应用管线。

这三者共享同一套 JST 架构，所以角色、场景、动作天然可以在同一个 3D 世界里组合使用。

二、完整能力矩阵（一个 Key 打通）

除了 JST-2，API 还整合了以下能力：

JST-1 Mix / Remix（角色表演迁移）

一张角色图 + 一段驱动视频 → 输出该角色表演同样动作的 MP4。
支持资产复用：角色和动作创建一次，之后用 ID 组合渲染。
可选透明通道（alpha mask），方便后期合成。
价格：约 0.01 美元 / 输出秒。

Viggle-Animate（开源角色替换模型）

专门后训练的角色替换模型，已在 Hugging Face 开源权重。
保留原视频的运镜、节奏、光照，同时替换角色，并支持口型同步。
支持人物、宠物、机器人、卡通，甚至多角色同框。
价格：0.01 美元 / 驱动视频秒。

Viggle H3（带原生音频的视频生成）

基于优化后的 Minimax H3。
支持：纯文生视频、首帧控制、首尾帧控制、参考视频/图片引导。
自带原生音频，分辨率最高到 4K。
时长 5–15 秒。
价格：480p–2K 为 0.01 美元/秒，4K 为 0.05 美元/秒。

Viggle Image（文生图）

文字描述（最长 4000 字符）+ 最多 8 张参考图。
一次可生成 1–6 张图，支持 1K / 2K 和多种宽高比。
价格：1K 0.01 美元/张，2K 0.02 美元/张。

三、开发体验设计：资产可复用 + 异步任务

API 的设计思路很清晰：

可复用资产
角色（Character）、动作（Motion）创建一次，之后用 ID 反复调用，降低重复成本。
异步任务
提交后轮询状态，失败或取消会全额退款。
统一鉴权
一把 API Key 管理所有能力。
结果保留
签名 URL 有效期 1 小时，重新请求可刷新；生成图片 24 小时后删除，建议及时下载。

官方提供了完整的 cURL、Node.js、Python 示例，以及场景、角色、视频 Remix 等 Quickstart 文档。

四、适合做什么？

结合 Viggle 自身产品（Meme Maker、PINOC、Games）和 API 能力，比较直接的应用方向包括：

个性化游戏 / 互动体验
用户上传照片 → 生成自己的 3D 角色 → 进入游戏场景。
数字人 / 虚拟形象系统
快速生成可驱动的 3D 角色 + 动作，接入自己的实时对话或直播系统。
内容创作工具
角色替换、动作迁移、带音频的视频生成，做成批量工具或 Agent 插件。
AI Agent 工作流
通过 MCP 或自定义 Agent，让模型直接调用这些能力生成场景、角色和视频。
电商 / 品牌互动
用户照片变身品牌角色，或生成个性化短视频。

他们自己已经用这些能力做了 Viggle Survivor 等游戏示例，开发者可以直接参考。

五、定价与起步门槛

新账号赠送 100 免费积分（约 1 美元）。
1 积分 = 0.01 美元。
大部分生成类任务按秒或按次计费，失败全额退款。

写在最后

Viggle 这次开放的不是零散接口，而是把 JST-2 世界模型 + 角色动画 + 视频生成 + 文生图 整合成了一套真正面向生产的 Spatial GenAI 工具链。

尤其是“一张图 → 可动画 3D 角色 + 可探索 3D 场景 + 文字/视频驱动动作”这条链路，目前市面上能做到这种完整度和物理一致性的方案并不多。

如果你正在做数字人、3D 互动、游戏内容工具或 AI Agent，建议现在就去申请一把 Key 试一下：

JST-2 刚上线不久，后续还计划在场景物体交互、更复杂服装/头发变形、以及 JST-3 的学习式物理交互方向继续推进。

关于作者

做一只爬的最久的乌龟，保持学习保持好奇，即使慢一点，遇到一点困难，只要最后能到达终点，又有什么关系呢。

毕竟人生没有白走的路，每一步都算数。

跳转微信打开