โครงการนำร่องสองสัปดาห์กับนักศึกษา 49 คนที่ Florida Universitària ในสเปนลดเวลาการสร้างโมเดลชั่วคราวจาก 1–2 ชั่วโมงเหลือ 5–15 นาที โดยสร้างโมเดลได้ 448 โมเดลใน 8 ทีมพัฒนาเกม
![]()
Pau Comes สอนการสร้างภาพเคลื่อนไหว 3D เกม และสภาพแวดล้อมเชิงโต้ตอบที่ Florida Universitària ซึ่งเป็นโรงเรียนการศึกษาระดับสูงในเมืองวาเลนเซีย ประเทศสเปน ที่ซึ่งนักศึกษาปีที่สองใช้เวลาหกเดือนในการพัฒนาโครงการเกมตั้งแต่แนวคิดจนถึงการเผยแพร่ ในตารางเวลานั้น การพรีวิชวลไลเซชันเป็นขั้นตอนที่ได้รับผลกระทบมากที่สุด
เพื่อทดสอบว่า AI เชิงสร้างสรรค์สามารถเปลี่ยนแปลงสิ่งนั้นได้หรือไม่ Pau ร่วมกับอาจารย์อีกคนหนึ่งได้ดำเนินโครงการนำร่องสองสัปดาห์ในเดือนพฤศจิกายน 2025 ภายในโมดูลโครงการแอนิเมชันภาพและเสียง โดยใช้ Meshy 6 Preview เพื่อนำ AI ที่แปลงภาพเป็น 3D เข้าสู่ขั้นตอนพรีวิชวลไลเซชัน ด้วยการเข้าถึงสตูดิโอได้ไม่จำกัดตลอดระยะเวลา นักศึกษาที่ใช้ Meshy หยุดการสร้างสินค้าชั่วคราวด้วยมือ แต่พวกเขาใส่ภาพแนวคิดของตนเองเข้าไปใน Meshy สร้างโพรซีที่เป็นปริมาตรอย่างรวดเร็ว และใช้พวกมันในการทดสอบกล้อง ขนาด และองค์ประกอบในฉากจริง ทั้งหมดนี้ก่อนที่จะเริ่มงานการสร้างโมเดลขั้นสุดท้าย
การเปลี่ยนแปลงนั้นไม่เพียงแค่ประหยัดเวลา แต่ยังดึงพรีวิชกลับเข้าสู่หลักสูตรในฐานะขั้นตอนการทำงานจริงและเปิดโอกาสให้ทั้งทีม ไม่ใช่แค่ผู้เชี่ยวชาญหนึ่งหรือสองคนที่เคยเป็นเจ้าของ นอกจากนี้ยังให้ประสบการณ์แรกของกลุ่มกับท่อส่ง 3D ที่ได้รับการช่วยเหลือจาก AI ซึ่งเป็นประเภทเดียวกับที่สตูดิโอกำลังสร้างอยู่
ทำไม 3D Previs จึงกลายเป็นคอขวดในห้องเรียนแอนิเมชัน
ในการศึกษาแอนิเมชันและเกม การผลิตล่วงหน้ามักเป็นสิ่งแรกที่ถูกละเลยเมื่อกำหนดเวลาแน่นขึ้น สตอรี่บอร์ด แอนิเมติกส์ และ 3D พรีวิชฟังดูจำเป็นบนกระดาษ แต่สำหรับนักศึกษาที่ยังเรียนรู้ท่อส่งทั้งหมดมักจะกระโดดตรงไปที่���ารสร้างโมเดลขั้นสุดท้าย พรีวิชจะหดลงเป็นสเก็ตช์คร่าวๆ หรือหลุดออกจากตารางเวลาไปเลย
สำหรับ Pau นั่นคือจุดที่เปราะบางที่สุดในหลักสูตร ก่อนโครงการนำร่อง นักศึกษาของเขามักเจอปัญหาเดิมสี่ประการในงาน 3D ระยะแรก:
- ตัวแทนชั่วคราวที่ช้าและทำด้วยมือ ตัวแทนที่สร้างด้วยมือใช้เวลา 1 ถึง 2 ชั่วโมง ทำให้มีเวลาน้อยในการทดสอบกล้อง ขนาด และองค์ประกอบ
- ภาระงานที่กระจุกตัว ด้วยเวลาเพียงไม่กี่ชั่วโมงที่จัดสรรให้กับพรีวิช นักศึกษาหนึ่งหรือสองคนต่อกลุ่มจะสร้างเวอร์ชันเดียว ในขณะที่สมาชิกทีมที่เหลือยังคงยึดติดกับความเชี่ยวชาญของตนเอง
- แนวคิดเชิงพื้นที่ที่ยากต่อการสื่อสาร สเก็ตช์และคำอธิบายด้วยวาจาไม่เพียงพอที่จะทำให้ทีมเข้าใจตรงกันในเรื่องรูปแบบ ขนาด และการจัดเฟรมก่อนการผลิต
- จินตนาการที่นำหน้าทักษะ นักศึกษาบางคนสามารถจินตนาการถึงฉากได้อย่างชัดเจน แต่ยังไม่สามารถสร้างโมเดลจากศูนย์ได้ ดังนั้นไอเดียดีๆ จึงยังคงอยู่ในหัวของพวกเขา
ผลลัพธ์คือช่องว่างที่คุ้นเคยระหว่างสตอรี่บอร์ดและการบล็อก ช่องว่างนั้นคือจุดที่เครื่องมือแปลงภาพเป็น 3D ที่ดีกว่าสร้างความแตกต่างได้มากที่สุด
การออกแบบโครงการนำร่องสองสัปดาห์ภายในโครงการเกมจริง
Pau ดำเนินการศึกษาในบริบทการผลิตที่ใช้งานจริง ไม่ใช่การฝึกฝนแบบแยกต่างหาก:
- นักศึกษาปีที่สอง 49 คน ในการฝึกอบรมวิชาชีพระดับสูงในแอนิเมชัน 3D และสภาพแวดล้อมเชิงโต้ตอบ (ระบบการฝึกอบรมวิชาชีพของสเปน)
- 8 ทีมพัฒนา แต่ละทีมผลิตตัวอย่างภาพยนตร์หรือเกมสำหรับชื่อเรื่องของตนเอง
- หน้าต่างพรีวิชสองสัปดาห์ ภายในโครงการหกเดือนที่กว้างขึ้น
- การเข้าถึง Meshy ไม่จำกัด ในโหมดสตูดิโอตลอดระยะเวลา
- การประเมินแบบผสมผสาน: แบบสำรวจก่อนและหลังโครงการนำร่อง บันทึกสินค้าบนแพลตฟอร์ม และการทบทวนเชิงคุณภาพของโมเดลที่สร้างขึ้นและผลลัพธ์ของทีม
ขอบเขตของงานถูกกำหนดไว้อย่างชัดเจนตั้งแต่วันแรก Meshy ถูกกำหนดขอบเขตเฉพาะสำหรับขั้นตอนการพรีวิสตั้งแต่วันแรก ซึ่งความเร็วและการทำซ้ำมีความสำคัญมากกว่าคุณภาพการผลิตขั้นสุดท้าย คำถามที่แคบลง: AI สามารถช่วยรักษาขั้นตอนพรีวิสไม่ให้ถูกละทิ้งได้หรือไม่ และช่วยให้นักเรียนตัดสินใจได้ดีขึ้นก่อนที่จะทุ่มเทเวลาหลายร้อยชั่วโมงในการสร้างโมเดล?
วิธีที่นักเรียนใช้ Meshy ในการแปลงภาพเป็น 3D สำหรับพรีวิส
รูปแบบที่ชัดเจนปรากฏขึ้นภายในไม่กี่วันแรก แทนที่จะทำงานกับข้อความเพียงอย่างเดียว นักเรียนใช้ Meshy เป็น ตัวแปล 2D เป็น 3D: พวกเขาใส่ภาพคอนเซ็ปต์อาร์ตและสเก็ตช์ก่อนหน้านี้ของตัวเอง จากนั้นประเมินว่าการตีความเชิงปริมาตรที่กลับมานั้นคุ้มค่าที่จะนำไปต่อยอดหรือไม่
ขั้นตอนการทำงานจากภาพเป็น 3D ที่ทีมส่วนใหญ่เลือกใช้:
- อัปโหลดอ้างอิง. คอนเซ็ปต์อาร์ตหรือสเก็ตช์ 2D จากโครงการก่อนหน้า
- สร้างปริมาตร. Image-to-3D จะคืนพร็อกซี่ที่มีพื้นผิวอย่างรวดเร็วในไม่กี่นาที
- วางลงในฉาก. ทดสอบสัดส่วน การจัดกรอบ และขนาดเทียบกับส่วนที่เหลือของเลย์เอาต์
- ตัดสินใจ. เก็บสิ่งที่ใช้งานได้ ทำความสะอาดโทโพโลยีตามความจำเป็น และเข้าสู่การผลิตด้วยความเข้าใจที่ชัดเจนยิ่งขึ้นว่าภาพสุดท้ายควรมีลักษณะอย่างไร
![]()
![]()
สิ่งที่ Meshy มอบให้พวกเขาคือ สมุดสเก็ตช์เชิงปริมาตร: ภาพรวม 3D ที่ขั้นตอนพรีวิสต้องการจริงๆ ทีมสามารถลองจัดกรอบ โยนทิ้ง ลองอีกครั้ง และเข้าสู่ขั้นตอนการผลิตด้วยการตัดสินใจที่ถูกล็อกไว้แล้วแทนที่จะคาดเดา
มีกรณีการใช้งานบางอย่างที่เกิดขึ้นในเกือบทุกทีม:
- เติมฉากด้วยพร็อกซี่ที่มีพื้นผิว เพื่อก้าวข้ามกรอบสีเทาแบน
- ทดสอบมุมกล้องและขนาด กับปริมาตรจริงแทนที่จะเป็นจินตนาการ
- แปลงคอนเซ็ปต์อาร์ต 2D เป็นแบบจำลอง 3D ที่ทั้งทีมสามารถวิจารณ์ได้
- สื่อสารแนวคิดเชิงพื้นที่ ที่ยากต่อการอธิบายด้วยวาจาหรือสเก็ตช์อย่างรวดเร็ว
ตลอดกระบวนการ นักเรียนยังคงควบคุมงาน Meshy เสนอ และนักเรียนเลือก แก้ไข และตัดสินใจ การผสมผสานระหว่างการสร้าง AI ที่รวดเร็วกับการตัดสินของมนุษย์อย่างสม่ำเสมอคือสิ่งที่ทำให้ขั้นตอนการทำงานนี้ติดอยู่
"Meshy ช่วยให้นักเรียนชัดเจนในแนวคิดและแสดงออกในภาพ."
Pau Comes
3D Animation Professor, Florida Universitària
สิ่งที่ Meshy เปลี่ยนแปลงในห้องเรียน
การประเมินผลอย่างรวดเร็ว
หลังจากการทดลองสองสัปดาห์ นักเรียนให้คะแนน Meshy ในหกมิติ:
| Dimension | Rating |
|---|---|
| Ease of Use | 5 / 5 |
| Utility for Previsualization | 4.5 / 5 |
| Speed | 4.1 / 5 |
| Texture Quality | 4 / 5 |
| Fidelity to Reference | 3.2 / 5 |
| Geometry & Topology | 2 / 5 |
คะแนนที่ได้ตรงกับที่การทดลองถูกออกแบบมาเพื่อทดสอบ ความง่ายในการใช้งาน ประโยชน์สำหรับการพรีวิส และความเร็ว — สามมิติที่สำคัญที่สุดสำหรับการย้ายจากคอนเซ็ปต์ไปยังเลย์เอาต์ 3D ที่ใช้งานได้ — ทั้งหมดได้รับคะแนนมากกว่า 4 จาก 5
พรีวิสที่เร็วขึ้นเปลี่ยนโครงสร้างการทำงานของทีม
ผลประโยชน์ที่ใหญ่ที่สุดคือความเร็ว การสร้างตัวแทนลดลงจาก 1–2 ชั่วโมงเหลือประมาณ 5–15 นาทีต่อโมเดล ลดลงถึง 90% ตลอดสองสัปดาห์ ทีมทั้งแปดสร้าง 448 โมเดล ระหว่างกัน
การเปลี่ยนแปลงที่น่าสนใจยิ่งกว่าคือโครงสร้าง ตัวแทนที่เร็วขึ้นทำให้ทีมสามารถปรับโครงสร้างการแบ่งงานในขั้นตอนแรกได้:
- ทีมย่อยผลิตเวอร์ชันพรีวิสคู่ขนาน และเปรียบเทียบกันข้างๆ แทนที่จะยึดติดกับเวอร์ชันที่รีบเร่งเพียงเวอร์ชันเดียวตั้งแต่เริ่มต้น
- นักเรียนทุกคนสามารถมีส่วนร่วมในการตัดสินใจด้านภาพในระยะแรกๆ ได้ ไม่ใช่แค่ผู้เชี่ยวชาญหนึ่งหรือสองคนที่เคยครอบครองการสร้างภาพล่วงหน้าโดยปริยาย — แม้ว่าในทางปฏิบัติ การใช้งานจะกระจุกตัวอยู่ในกลุ่มผู้ใช้หนักไม่กี่คน
- มีเวลาโครงการมากขึ้นสำหรับการทดลองกล้องและจังหวะ พร้อมกับคำติชมจากผู้สอนมากขึ้นในแต่ละรอบ
![]()
![]()
สำหรับกลุ่มที่สร้างขึ้นรอบการทำงานเป็นทีมข้ามสาขาวิชา ข้อนี้สำคัญพอๆ กับความเร็ว นักเรียนไม่ถูกผลักดันให้เข้าสู่บทบาทแคบๆ ที่ผูกพันเฉพาะกับความเชี่ยวชาญของพวกเขา และการเป็นเจ้าของการตัดสินใจสร้างสรรค์ในระยะแรกๆ ก็ถูกแบ่งปันไปทั่วทีม
บทบาทใหม่: จากผู้สร้างโมเดลไปสู่ผู้กำกับ 3D
โครงการนำร่องยังเปลี่ยนสิ่งที่นักเรียนทำในระหว่างการสร้างภาพล่วงหน้า เวลาน้อยลงไปกับการสร้างโมเดลจากศูนย์ในขั้นตอนนี้ มากขึ้นไปกับการกำหนดคำสั่ง เลือกจากตัวเลือกต่างๆ วิจารณ์ผลลัพธ์ และวางแผนการแก้ไข
การเปลี่ยนแปลงนี้เปิดโอกาสให้สอนทักษะที่อุตสาหกรรมต้องการอยู่แล้ว:
- การออกแบบคำสั่งหลายรูปแบบ ทำงานได้อย่างคล่องแคล่วกับทั้งข้อความและภาพ
- การคัดเลือกผลลัพธ์ AI รู้ว่าเมื่อใดที่การสร้างสรรค์เป็นประโยชน์ในฐานะการอ้างอิงและเมื่อใดที่ไม่ใช่
- การรีทอพอโลจีและการทำความสะอาดเมชที่สร้างโดย AI ทักษะทางเทคนิคที่เป็นรูปธรรมที่ซ้อนทับกับกระบวนการสร้างสรรค์
บทบาทนี้เคลื่อนย้ายจาก ผู้สร้างโมเดล ไปสู่ ผู้กำกับ 3D: ผู้ที่กำหนดปัญหา ประเมินตัวเลือก และกำกับการปรับปรุง
AI เป็นโครงสร้างสนับสนุนทางปัญญา: การเข้าถึงในการศึกษา 3D
การค้นพบหนึ่งได้เปลี่ยนวิธีที่ทีมคิดเกี่ยวกับการนำไปใช้ นักเรียนที่มักจะมีปัญหากับการสร้างโมเดล 3D ด้วยมือสร้าง 57% ของโมเดลทั้งหมด ในโครงการนำร่อง สำหรับนักเรียนบางคน AI สร้างสรรค์ทำงานเป็นโครงสร้างสนับสนุนทางปัญญา: สะพานระหว่างจินตนาการและการดำเนินการที่ช่วยให้พวกเขาแสดงความคิดที่ยังไม่สามารถสร้างด้วยมือได้
นั่นชี้ให้เห็นถึงประโยชน์ด้านการเข้าถึงที่แท้จริงควบคู่ไปกับประสิทธิภาพ เครื่องมือ AI 3D สามารถขยายผู้ที่มีส่วนร่วมในงานสร้างสรรค์ในระยะแรกๆ ไม่ใช่แค่เร่งความเร็วให้กับผู้ที่ผลิตอยู่แล้ว สำหรับโปรแกรมที่สร้างขึ้นรอบการทำงานเป็นทีมข้ามสาขาวิชา นั่นคือการเปลี่ยนแปลงที่มีความหมาย นักเรียนที่อาจจะต้องมอบหมายงานสร้างโมเดลให้กับเพื่อนร่วมทีมสามารถมีส่วนร่วมโดยตรงในการกำหนดทิศทางภาพของโครงการของพวกเขา
"มันช่วยให้ฉันแสดงสิ่งที่ฉันไม่รู้ว่าจะสร้างโมเดลอย่างไร หรือช่วยฉันประหยัดเวลาหลายชั่วโมงในการค้นหา" นักเรียนคนหนึ่งกล่าว
มุมมองที่สมจริงเกี่ยวกับการนำไปใช้
การนำไปใช้ภายในกลุ่มไม่สม่ำเสมอ และนั่นกลายเป็นประโยชน์ ประมาณ 55% ของนักเรียนยอมรับ Meshy ในขณะที่ 45% เลือกที่จะไม่ใช้ ส่วนใหญ่ด้วยเหตุผลที่พิจารณาแล้วมากกว่าข้อจำกัดทางเทคนิค: ความชอบในงานฝีมือด้วยมือ ความกังวลเกี่ยวกับผลกระทบของ AI ต่อการสร้างสรรค์ หรือคำถามเกี่ยวกับลิขสิทธิ์และสไตล์ ทีมสอนสร้างการแบ่งแยกนั้นเข้าไปในโมดูลเอง โดยถือว่าเป็นโอกาสในการอภิปรายเกี่ยวกับวิธีการอยู่ร่วมกับ AI โดยไม่สูญเสียตัวตนทางศิลปะ เมื่อสิ้นสุดโครงการนำร่อง ทัศนคติได้เปลี่ยนจากความวิตกกว้างๆ ไปสู่ความเข้าใจที่ชัดเจนขึ้นว่าเครื่องมือนี้เหมาะสมกับที่ใด
สิ่งที่ต่อไป: การสร้าง Meshy เข้าสู่โปรแกรม
โครงการนำร่องครอบคลุมเฉพาะการผลิตล่วงหน้า ขั้นตอนต่อไปที่กำลังดำเนินการอยู่คือการใช้ทรัพย์สินการสร้างภาพล่วงหน้าที่สร้างด้วย Meshy เพื่อยืนยันกล้อง ขนาด และจังหวะการเล่าเรื่องก่อนที่จะผลิตทรัพย์สินสุดท้ายผ่านท่อส่งแบบดั้งเดิม ความแตกต่างเมื่อเทียบกับกลุ่มก่อนหน้านี้คือความไม่แน่นอนที่น้อยลงมากเมื่อเข้าสู่การผลิต
![]()
สำหรับ Florida Universitària โครงการนำร่องนี้ได้นำไปสู่การตัดสินใจที่เป็นรูปธรรมหลายประการเกี่ยวกับโปรแกรมเอง:
- วางตำแหน่ง Meshy เป็นเครื่องมือแนวคิดและ 3D previs ภายในหลักสูตร: เป็นชั้นการสร้างแบบจำลองและการสเก็ตช์เชิงปริมาตรอย่างรวดเร็ว โดยมีพื้นที่สำหรับพัฒนาไปสู่การผลิตขั้นสุดท้ายเมื่อเวลาผ่านไป
- ออกแบบการฝึก "Generate + Fix" ที่นักเรียนสร้างฐานใน Meshy, retopologize และ UV-unwrap ใน Blender และผสานผลลัพธ์เข้ากับ Unity หรือ Unreal
- เพิ่มโมดูลความรู้และจริยธรรม AI ในโปรแกรม เพื่อให้นักเรียนเรียนรู้การใช้เครื่องมือเหล่านี้อย่างมีวิจารณญาณแทนที่จะใช้โดยไม่วิจารณ์
- ขยายแนวทางไปยังวิชาอื่น ๆ หลักสูตรการแปลงเป็นดิจิทัลและโปรแกรมขั้นสูงเพิ่มเติมอยู่ระหว่างการพิจารณา อาจเป็นรูปแบบเวิร์กช็อปหรือบูตแคมป์
สำหรับครูที่ทำงานกับตารางเวลาที่แน่นและนักเรียนที่มีความต้องการสูง Meshy พบตำแหน่งที่เหมาะสมในจุดที่หลักสูตรเปราะบางที่สุด: การพรีวิชวลไลเซชัน
"คำถามไม่ใช่ว่า AI จะเข้าสู่ห้องเรียนหรือไม่ แต่คือเราต้องการให้มันอยู่ที่นั่นเพื่ออะไร"
Pau Comes
ศาสตราจารย์ด้านแอนิเมชัน 3D, Florida Universitària
ในโครงการนำร่องนี้ คำตอบชัดเจน: เป็นตัวเร่งสำหรับขั้นตอนที่เปราะบางที่สุดของกระบวนการสร้างสรรค์
Florida Universitària กำลังดำเนินการขั้นตอนถัดไปของการทดลองกับกลุ่มนักเรียนปีนี้ เราจะกลับมาพร้อมกับสิ่งที่พวกเขาค้นพบ


