4D-fy

它做的是文本到 4D 生成：给一句文字描述，输出一个带时间维度、可以换视角观看的动态三维场景。和常见的文生图不同，它的结果不局限于某个固定角度，而是能绕看并随时间变化。

文生视频通常只给你一段固定视角的画面，改角度就得重新生成。4D-fy 产出的是场景表示本身，你可以从不同方向观察同一段动态内容，更适合做需要多角度查看的预演和展示。

可以理解成同时请几位老师来打分：不同的监督信号分别约束几何是否合理、外观是否清晰、动作是否连贯，再把它们的意见融合起来蒸馏进模型，减少单一监督下容易出现的模糊和视角不一致。

提示词的写法影响很明显。描述里包含主体、材质、光照和运动方式时，结果通常更可控；只写一个名词，模型需要自己补齐大量细节，出来的场景容易偏离预期，也更容易在运动上崩掉。

这类动态三维生成对显存和算力有要求，普通轻薄本或入门显卡跑完整流程会比较勉强。如果只是了解效果，先看官方展示的生成示例更省事，真要自己跑建议用带独立显卡的机器或服务器。

官网未说明版权与商用授权范围。如果计划把生成内容用于商业项目，建议先在官方页面确认授权条款，再决定是否投入使用。