用 GPT-6 和 Blender，
把一份产品 3D 模型
做成宣传视频
Hello 啊，大家好，我是 CY
最近拿EasyInput 键盘做了一次尝试：
从一份已有的 3D 结构文件出发，让 AI 操作 Blender，调整产品的外观表达、布置灯光和镜头，再把按键、旋钮和软件功能编排进动画。
经过多轮修改，最终做出了一支 62 秒的产品展示视频，也留下了可以继续编辑的 3D 工程。
这次的成片画面。键盘模型、材质、灯光、相机和动画都可以继续调整。
这件事让我想分享的，是一个很具体的变化：如果你熟悉自己的产品，能说明想展示什么，也能指出哪里不对，就有机会让 AI 帮你把这些判断落实到专业软件里。
对正在做硬件、准备产品介绍，或者需要反复调整展示素材的小团队来说，这条路径值得了解。
产品宣传有一个很实际的要求：换一个镜头，按键的数量、旋钮的位置、外壳的比例都得对得上。
需要展示操作时，还要能控制哪个零件动、动多少、什么时候停。
用一份可编辑的 3D 模型来组织这些画面，就有了共同的产品依据。
01
这几个工具怎样配合。
GPT-6 发布后，我们关注它能否配合专业软件完成一整件事。
OpenAI 的官方说明也把跨代码、应用操作与结果检查列为 GPT-6 Astra 的使用方向。我们选择用自己的键盘来验证这件事。官方更新说明[1]
可以把 Blender 想成一个虚拟摄影棚：里面能放产品、安排灯光、摆相机，也能让零件运动，最后计算出图片和视频画面。这个计算画面的过程，就叫“渲染”。
当时去掉键帽图标后保留的 Blender 界面截图：中间查看产品，右侧管理零件，底部是时间轴。这里展示的是制作过程，旋钮和表面质感后来继续调整。
围绕这个摄影棚，几个工具各有分工：
名字 / 在制作中的作用
GPT-6
理解需求、拆解步骤、写操作代码，并根据结果继续修改的 AI 模型。
Codex
我们与 AI 协作的工作环境，让模型能调用工具、执行命令、读写项目文件。
Blender
实际保存和处理 3D 模型、材质、灯光、镜头与动画的软件。
bpy
Blender 的 Python 接口。AI 可以通过代码告诉 Blender：改哪个物体、用什么材质、在哪一帧移动。
Blender MCP
一类连接 AI 与 Blender 的工具集成，可以传递操作请求、读取场景信息；是否需要它，取决于采用的连接方式。
Computer Use
让 AI 通过界面操作软件，例如切换视图、拖动时间轴、播放视频，并结合截图检查结果。
bpy 属于 Blender 的官方 Python API。
常见的 Blender MCP 则是社区集成，例如 ahujasid/blender-mcp 明确说明它是第三方项目。
文章中提到 MCP，是解释一种协作路径，不能理解为 Blender 默认内置了官方 MCP。
Blender Python API[2]、Blender MCP 项目说明[3]
这些工具也不必每次全部经过一遍。本次大量批量操作，是通过 Blender 的命令行入口直接运行 bpy 脚本完成的。
命令行可以理解为：用文字命令启动软件并执行任务。需要现场观察和交互时，再结合 Computer Use。Blender 命令行说明[4]
整个过程可以这样理解：
我们说明目标 →
AI 拆解操作 →
Blender 执行 →
返回数据和画面 →
AI 与我们检查 →
继续修改。
Computer Use 也参与操作，并非只能看图；反过来，AI 看渲染图也不一定要操作界面，Blender 可以直接输出图片供检查。
工具各做适合的工作，就不需要把所有操作都变成鼠标点击。Computer Use 官方说明[5]
02
实际开始时，我们先处理的是“它到底是不是我们的产品”。
我们提供了一份 STEP 文件。这是一种工程中常见的 3D 数据格式，里面已经包含产品结构和零件的位置关系。
它需要经过合适的 CAD 读取与转换，才能进入 Blender 的展示流程。
键盘内部有电路板、电池、扬声器，外部有采购好的键帽和旋钮。
后来我们把修改边界明确下来：只调整允许改变的外壳造型，固定件的位置不动，整机的长、宽、厚度也不能增加。
这个前提会直接影响 AI 怎么做。如果只说“做得更好看”，它可能改变比例，或者给固定配件换一个外形；如果把不能改的部分列清楚，修改就有了可以核对的依据。
早期结构检查渲染：移开部分键帽和轴体，可以看清定位板开孔及零件关系。图中的键帽图标在后续版本中去掉；轴体为参考模型，不代表全部采购细节。
外壳边缘也做过局部调整。比较时固定机位、材质和灯光，让变化集中在同一处边缘，便于判断造型修改带来了什么影响。
当时的外壳评审图：左侧是平倒角，右侧改为小圆角；同一位置的亮带随截面变化而改变。图中数值属于该轮候选方案。
接下来才是银色铝合金的质感、灰白键帽、旋钮上的同心圆纹理，以及整体的灯光和构图。
这里有个印象很深的细节：有一版里，键帽顶面的浅凹看起来像消失了。
检查模型后发现，凹面还在，是打光让它变得不明显。
于是保留键帽原有形状，通过调整灯光让曲面重新可见，避免擅自把采购件的凹槽挖得更深。
键帽细节检查阶段的画面，能看到顶面浅凹与圆角侧面。此图用于说明键帽检查，旋钮仍是后续圆纹材质修订前的外观。
这说明专业软件的作用很实际：当画面不对时，我们能回到模型中检查原因，找到具体对象和参数，再改对应的部分。
03
从好看的产品图走到宣传片，还需要让功能真正发生。
最初的动画有不少不同角度的镜头，但看下来仍然单调。因为镜头虽然动了，观众却不一定知道这把键盘能帮自己做什么。
后来我们把注意力放到了操作与结果之间的关系上。
讲按键触发，就让键帽和轴芯出现按下、回弹的动作，把镜头靠近实际发生操作的位置。
按键触发段的特写帧。完整动画包含按压与回弹，让观众先看到实体动作，再理解它触发的结果。
讲旋钮选中文字，就让旋钮的转动与选中范围的变化对应起来；
讲固定文本，就让整段文字进入输入位置。
状态灯、热词和 AI 问答，也分别需要观众看得懂的开始、过程和结果。
用词卡和选择框说明操作关系。这里是功能动画示意，并非真实软件界面的录屏。
我们也多次拿苹果的产品广告作参考，逐渐把关注点放到了这些问题上：
- 这一段为什么用特写？
- 动作发生后停多久？
- 什么时候让观众看到整机？
- 字幕应该补充什么？
参考的镜头语言需要转化成适合自己产品的表达。一把服务于 Vibe Coding 的键盘，要把“怎样输入、怎样编辑、怎样触发操作”讲清楚。
为此，我们还回到 EasyInput 应用的项目文档和代码中核对功能。
打开应用、填入文字、发送内容、让外部 Agent 执行，是不同的步骤。
动画可以简化展示，但不能让观众误会键盘独立完成了软件或 Agent 的工作。
配件的可替换性也可以通过分离动作来表达：让键帽和轴体分别离开安装位置，观众就能理解它们是独立部件。
成片中的配件分离示意，用来表达可换键帽、可换轴体，不作为实际拆装操作教程。
04
这样做的好处，体现在后续每一次修改里。
首先，修改能落到具体部位。
“旋钮再哑光一点”“这段文字不要挡住产品”“结尾让镜头慢慢停下来”，都可以变成对指定材质、对象或时间段的调整。
AI 承担了查找和执行大量操作的工作，我们可以把更多注意力放在结果判断上。
其次，同一份模型能支持多个视角。
俯视图、侧面图、细节图和动态镜头，围绕同一个产品展开。只要管理好版本，键帽数量、旋钮位置和外壳比例就有共同依据，发现不一致也可以追查。
再往后，一次整理好的产品工程还能持续使用。
本次已经从它做出了多视角效果图、90 度俯视正式图和宣传动画。以后需要换一个场景、调整镜头或补充功能片段，也可以继续在这份资产上制作。
制作过程中单独输出的 90 度俯视正式图，同一产品工程也用于后续动画。此图属于当时的正式图版本，成片后来进一步柔化了旋钮反光。
局部修改还可以保留已经认可的成果。
这次最后调整片尾时，我们保留了前 56 秒的画面，把结尾重新安排得更舒展；更换配乐时，也可以沿用原来的视频画面。这样能减少重复制作，同时降低把其他地方改坏的机会。
这个过程也改变了参与制作的方式：
可以从描述需求、判断效果开始，在制作中逐步理解软件。
你未必一开始就知道某个功能藏在哪个菜单，但可以指出“凹面看不清”“按键应该压下去”“这个转场来不及读完”。
AI 可以把这类反馈转成操作，并把结果交回来继续讨论。
这次没有做完整的工时与成本对照，因此不把这些体验换算成“节省多少倍”。渲染仍需要计算时间，AI 调用和反复调整也有成本。
已经能看清的价值，是
修改更具体、成果可复用，
产品负责人更容易参与到制作过程中。
05
想尝试的话，可以从一个更小的任务开始。
先准备能运行 Blender 的电脑、可以执行工具的 AI 工作环境、一份产品模型和几张实物参考图。
连接好代码执行或 MCP 路径，并在需要界面检查时启用 Computer Use。普通聊天窗口并不会自动获得操作电脑的能力。
第一项任务可以只是做一张正式产品图。比如这样表达需求：
以我提供的模型为准，先检查尺寸和零件位置。
保留原文件，另存展示副本。
不要移动内部结构和采购件，先做一张 90 度俯视图，让外壳呈现细哑光银色铝合金质感，并让我能看清键帽的浅凹面。
等这一张图的产品外观确认后，再做一个“按下按键，出现结果”的短镜头。
把这个过程讲清楚，再逐步增加功能和场景，比一开始就要求一整支广告更容易判断哪里出了问题。
我们这次也经历过材质过亮、声纹挡字、转场遮挡和结尾仓促。比如蓝色声纹原本靠近标题，随着镜头变化与文字重叠，后来重新安排了它的位置和出现时机。
左列为修改前，右列为修改后：声纹移到词卡下方，识别结果在独立位置出现。上下两行对应不同时间点，能同时检查布局和时序。
这些问题需要通过实际看图、看片来发现。模型能力提升，让 AI 能承担更多操作；产品判断、审美和功能真实性，仍然需要参与制作的人持续把关。
下一次产品有变化时，我们可以打开保存好的工程，指明哪个部位变了、哪段功能需要重做，再从已经认可的版本接着制作。
对一个持续迭代的硬件产品，这种可接续的制作方式很有用。
