[控场AI]
· 4 分钟阅读· 2,208 字

Voxelo 3.0:手机视频一小时生成3D模型与JSON-LD

Voxelo 3.0:手机视频一小时生成3D模型与JSON-LD

Voxelo 3.0将手机视频转化为3D资产并发布为JSON-LD,让产品页同时服务人与AI代理。

Voxelo 3.0 是一款将三分钟手机视频在约一小时内转化为逼真3D数字孪生体的工具,强调“捕获而非生成”,确保产品展示的准确性。生成的3D资产可用于交互式预览、AR放置和AI驱动图像。其差异化在于将3D信息发布为JSON-LD结构化数据,提供2-3倍于常规产品页的属性,旨在让AI购物代理和搜索引擎直接解析商品特征,同时优化人类与机器两个消费端。此外,Voxelo为已有3D高斯泼溅资产提供免费托管(100个模型),并新增API、分析功能和发布到SuperSplat的能力。尽管在Product Hunt获得关注,但一小时一模型的时间成本、AR采用率限制以及结构化数据收益的长期性仍是现实挑战。整体而言,Voxelo押注产品内容从“给人看”向“给人和机器共同看”的转变,为电商团队提供了测试AI代理流量的入口。

Voxelo 3.0 产品截图

当品牌商还在为产品页的转化率绞尽脑汁时,一个新的“消费者”群体已经悄然出现:AI代理。Voxelo 3.0 试图解决一个被忽视的问题:你的产品信息不仅要让人看懂,还要让机器读懂。

从手机视频到可交互3D资产

Voxelo 的核心能力是把一段三分钟的手机视频,在约一小时内转化为逼真的3D数字孪生体。这个3D模型并非生成式AI“编造”出来的,而是从真实拍摄中“捕获”的——官方强调“Captured, not generated”,这一区别在电商场景中至关重要,因为产品展示的准确性直接影响消费者信任。

生成的3D资产可以以多种形式被使用:交互式3D预览、无需安装即可触发的AR空间放置,以及AI驱动的产品与生活方式图像。这意味着商家不需要专业摄影棚或3D建模团队,仅靠手机拍摄就能获得一套可复用的视觉资产。

JSON-LD:让AI代理读懂你的商品

Voxelo 3.0 更具差异化的一点,是将捕获的3D信息发布为JSON-LD格式,并提供比典型产品页多2-3倍的产品属性。JSON-LD 是结构化数据的标准格式,搜索引擎和AI代理可以直接解析。

这背后的判断是:未来产品页的流量不仅来自人类浏览,还来自AI购物助手、智能代理等机器端。如果产品数据结构化程度不足,AI代理在检索和推荐时可能无法准确理解商品特征。Voxelo 把3D捕获过程中获得的空间与材质信息,转化为机器可读的属性,等于同时为“人”和“AI”两个消费者优化了产品页。

JSON-LD(JavaScript Object Notation for Linked Data)是一种基于JSON的轻量级链接数据格式,由W3C推荐为结构化数据的标准序列化方式。在网页中,它通常以<script type="application/ld+json">标签嵌入,用于描述页面内容的实体、属性和关系。对于电商产品页,常见的Schema.org词汇(如Product、Offer、AggregateRating)可通过JSON-LD标注,使搜索引擎(如Google)和AI代理无需解析HTML结构即可直接提取关键信息。与微数据(Microdata)或RDFa相比,JSON-LD将结构化数据与展示层分离,更易于维护和动态生成。Voxelo将3D捕获中的空间与材质信息映射为JSON-LD属性,正是利用了这一格式的机器可读优势,为AI代理提供比传统产品页更丰富的语义上下文。

已有3D高斯泼溅资产的托管与工具链

对于已经拥有3D高斯泼溅(splats)资产的用户,Voxelo 提供免费托管100个模型的服务,附带查看器、AR链接、编辑器和API。3.0版本新增了API、分析功能,以及发布到SuperSplat的能力。

这套工具链的定位很清晰:不只是捕获工具,而是3D资产的托管与分发平台。API的加入意味着商家可以把3D展示能力嵌入自有电商系统,分析功能则让团队能追踪3D资产的实际使用效果。

3D高斯泼溅(3D Gaussian Splatting)是一种新兴的实时三维重建与渲染技术,于2023年由INRIA等机构提出。它用数百万个各向异性的3D高斯椭球表示场景,每个高斯携带位置、协方差、不透明度和球谐函数(用于视角相关颜色),通过可微分的栅格化管线实现快速训练与实时渲染。与神经辐射场(NeRF)相比,3D高斯泼溅在保持逼真度的同时显著提升了渲染速度,且模型可直接编辑和流式传输。在电商场景中,该技术能从多视角视频中重建高保真产品外观,尤其适合反光、透明或复杂纹理的物体。Voxelo的“捕获”能力很可能基于此类方法,其免费托管服务则降低了商家使用高斯泼溅资产的门槛。

电商3D化的现实与局限

Voxelo 3.0 在Product Hunt获得88票、排名第11,说明市场对“低成本3D商品展示”有真实兴趣。但需要冷静看待的是:一小时生成一个3D模型,对于SKU数量庞大的商家而言,仍是一笔不小的时间成本;AR放置的消费者采用率也受限于设备和用户习惯。

此外,“2-3倍产品属性”的价值取决于这些属性是否被主流搜索引擎和AI代理实际采纳。结构化数据的收益往往是长期的、间接的,短期内难以直接归因到转化率提升。

Voxelo 的方向值得关注:它押注的是产品内容从“给人看”向“给人和机器共同看”的转变。对于希望提前布局AI代理流量的电商团队,这类工具提供了一个可测试的入口。

AI购物助手与智能代理(AI agents)通常依赖结构化数据、API和自然语言理解来检索和推荐商品。与人类浏览不同,代理更关注属性完整性、单位标准化和实体关系。例如,一个代理可能根据JSON-LD中的material、color、width等字段筛选商品,若这些信息缺失或非结构化,代理可能无法准确匹配用户意图。因此,为机器优化产品页意味着提供更细粒度、语义明确的属性,并确保数据可通过标准协议(如Schema.org、OpenAI函数调用)访问。Voxelo声称的“2-3倍产品属性”若能被主流代理平台解析,将提升商品在AI驱动流量中的可见性,但实际采纳率仍取决于生态系统的支持程度。

#Voxelo 3.0#手机视频生成3D#JSON-LD产品数据#3D高斯泼溅托管#电商AR展示#AI代理商品理解#结构化产品属性
分享:

相关推荐