打一行字，半分钟后，一个抱着吉他弹唱的阿公出现在屏幕里，脚还跟着节拍点地。这不是某个3D软件的宣传片，而是一个跑在浏览器里的GTA老奶奶版本——从文本到模型、从绑骨到动画，全程没有打开过建模工具。

作者Berryxia.AI把这条工作流拆开来看，核心只有两个角色：Claude Opus 5.5负责理解自然语言，Tripo 3D负责把理解结果变成几何模型。传统游戏里最耗时的建模、贴图、骨骼校准，被压缩成了几次点击。

从一句话到可玩角色

流程的第一步是出图。输入一句描述，系统直接生成3D模型；接着用Smart Mesh优化贴图，再通过Mixamo一键绑定骨骼。作者的原话是，你只要打一句prompt，他就会给你出图，出图以后点几个键，模型就优化好了，再点几个键，骨架就绑好了，动作也调优好了——甚至根本不用看曲线图，直接就出成品。

这套流程真正省掉的，是传统3D制作里最劝退新人的部分。骨骼绑定和动画校准向来需要专业软件和大量手动调整，现在被拆成了几个按钮。

Text-to-Motion才是离谱的部分

作者在文中特别点出了Tripo的Text-to-Motion功能。他输入"阿公抱着吉他弹唱，脚跟着节拍点地"，半分钟后阿公就真的在弹。动作还能分段执行：先走过来、挥手、再双手合十鞠躬，按顺序播放。

这意味着角色的动作不再是预先做好的固定动画，而是可以根据玩家输入实时生成。文中提到的例子包括让阿公弹奏吉他，或者执行特定的问候动作。

游戏的其他部分同样围绕"可自定义"展开：NPC表情可以调整，对话旁白基于小米TTS生成。一个完整的、能跑在浏览器里的3D游戏对象，就这样被拼了出来。

门槛降到了哪里

这套工作流最直接的影响对象，是非专业开发者和独立制作人。过去要进入3D游戏开发，建模、绑骨、动画三道关卡缺一不可，每一道都对应着专门的学习成本。现在这三步都可以通过文本命令完成。

作者给出的判断是，该工作流显著降低了3D内容制作的门槛。从文本指令到可玩游戏对象，中间那些复杂的建模和动画校准步骤被消除了。

浏览器即玩的形态，则让分享和试玩不再需要安装环节。一个想法从文字变成能上手操作的东西，中间隔着的可能只是几次点击。