Квартира лишається фотографіями. З кожного знімка збирається груба коробка кімнати — і камера літає всередині неї, а не возить пласку картинку. Маскот стоїть на тій самій підлозі й кидає на неї справжню тінь. Той самий рушій уміє й плаский 2D-варіант — нижче обидва поруч.
Основний результат — 3D-варіант праворуч. Ліворуч той самий сценарій у пласкій графіці, для порівняння. Натисніть «Синхронний показ» — обидва стартують з нуля одночасно.
Моушн-графіка: вектор, чисті заливки, приглушене фото під персонажем. Читається на телефоні навіть у стрічці без звуку.
Готова анімована GLB-модель у фірмових кольорах усередині кімнати, зібраної з фото: іде до вікна, показує на кухню, сідає на диван. Голос — ElevenLabs українською, липсинк.
У ролику — ElevenLabs українською. Нижче можна порівняти чотирьох кандидатів і те, з чого починали: локальну нейромережу й системний синтез.
«Вітаю! Світла двокімнатна на Печерську. Панорамне вікно, кухня-їдальня поруч. Шістдесят вісім квадратів…»
Нативний український голос, найживіший темп і широкий діапазон тону. Обраний після порівняння чотирьох.
Ті самі фрази іншими голосами — для порівняння.
Безкоштовний офлайн-варіант на CPU. Лишається одним перемикачем у коді.
Те, з чого починали. Лишено для порівняння.
Провайдер озвучки — одна змінна середовища (tools/tts_providers.py):
ElevenLabs, Azure, Google або локальний Piper. Ціни й порівняння сервісів — у
розділі «Стек і бюджет».
Кожен персонаж експортовано окремими PNG із прозорим фоном — три пози, готові до вставки в презентацію, банер чи сторіс.
Клік по фігурі — великий перегляд на шаховому тлі, щоб було видно прозорість.
Усі файли лежать у assets/mascots/.
Розмічаємо на знімку прямокутник задньої стіни — і кімната розкладається на п'ять граней: стіна, підлога, стеля, два боки. Фото натягується на них, далі всередину запускається 3D-камера. Маскот живе в тій самій сцені, тож перспектива й тінь виходять самі. Деталі й межі методу — у презентації.
ElevenLabs eleven_multilingual_v2, українська, стабільність 0,35 / стиль 0,3. Шість фраз синтезуються окремо, паузи між ними задає сценарій, далі де-есер, компресія й −16 LUFS. Офлайн-резерв — Piper на CPU, перемикається однією змінною.
Headless Chrome малює 450 кадрів за 44 с, ffmpeg збирає H.264 ще за 10 с — усе на CPU. Це ≈900 роликів на добу з однієї машини з поправкою на реальне завантаження. Команда: render_video.py --style 3d --mascot kiy.
Це Етап 0: доводимо, що один ролик виходить якісним. Тут немає бекенду, БД і адмінки — і поки не треба. Лінію горизонту оцінює евристика, а не depth-модель; типи приміщень поки не розпізнаються. Розбір, що робити далі й чим це загрожує — у розділі «Стек і бюджет».
