Viggle 发布 JST-2 三维世界模型：约 1 秒生成 3D 场景，角色免绑骨、文字或视频直出全身动作
以表情包换角应用出圈的 Viggle 于 10 月 19 日发布 JST-2，称其为「物理原生」的世界基础模型，把场景、角色和动作放进同一套三维表示里：官方自测约 1 秒生成一个 3D 场景，单张图就能生成免绑骨的 3D 角色，还能由文字或参考视频生成全身动作。普通用户可在浏览器里通过 PINOC 免费试用，开发者可走 API 和 MCP。
据 Viggle 官方发布页，Viggle 于 10 月 19 日推出新一代模型 JST-2（Joint Space-and-Time 第二代）。官方介绍，上一代 JST-1 主要用于角色生成和动画，支撑了其表情包换角应用（官方称用户已超 5000 万）；JST-2 则把能力扩展到场景、角色和动作三块，并统一用「三维空间里持续存在的原子」来表示世界，而不是只在像素层面学习画面。
按官方页面的说法，主要能力如下：
- 场景生成：约 1 秒生成一个 3D 场景，单次推理成本低于 1 美分（在 NVIDIA B200 上计时，不含网络延迟），解码为 3D 高斯泼溅后可在浏览器里自由换角度浏览；支持最多 64 个输入视角，可以一边看一边往外扩展场景；
- 角色生成：用一张图或一段文字生成 3D 角色，动态信息内置在模型里，不需要单独做绑骨和蒙皮；被裁切、部分遮挡的图片也能补全，覆盖写实、风格化、卡通等画风；
- 动作生成：用文字描述生成全身 3D 动作，或从一段视频里还原人物动作（包括手部和手指），生成的动作可直接套到 JST-2 角色上，也兼容常见的 3D 角色骨架；
- 对比测试：官方组织的盲测中，角色生成对比 Meshy、Tripo，动作生成对比 Cartwheel、DeepMotion 等工具均占优，这些数据均为厂商自测；
- 局限：场景中的碰撞和物体互动仍是规则物理，官方表示要到 JST-3 才换成模型学习的物理；复杂服装形变和头发运动也列在后续改进项里。
使用方式上，官方称可在浏览器打开 PINOC 免费体验，Scene 模式生成 3D 场景，Agent 模式把场景、角色和动作组合在一起；开发者可通过 API 与 MCP 让编程代理调用同一套能力。
对创作者意味着什么： 做虚拟角色、动画短片、游戏感短视频或 3D 分镜预览的创作者，过去要在建模、绑骨、动捕和场景搭建几个工具之间来回倒，JST-2 把这几步压到了一个模型里，尤其「一张图出可动的角色 + 一段视频扒动作」对低成本做角色动画很有吸引力。但它目前更适合做预演和素材，不是成片工具：场景是高斯泼溅格式，要进剪辑或游戏引擎还得看导出与兼容情况；从别人视频里提取动作、用他人形象生成角色时，要注意肖像和版权授权。建议先在 PINOC 里用自己的角色图和动作视频试几轮，再决定是否接入工作流。
信息来源：Viggle 官方发布页（本文为编辑整理改写）
