定義
テキスト・トゥ・3Dとはテキスト（文章）の指示をもとに3Dモデルを自動生成するAI技術のこと。ゲーム・映像・EC商品ビジュアル制作の工数を大幅に削減する次世代クリエイティブ技術として注目を集めている。
テキスト・トゥ・3D (3Dモデル生成)とは（詳しく解説）
テキスト・トゥ・3Dとは、自然言語のプロンプトだけでポリゴンメッシュ・テクスチャ・UV展開済みの3Dモデルを出力するAI生成技術のこと。Stable Diffusionなどの2D画像生成の延長線上にあるが、三次元空間整合性の確保という点で技術難易度は格段に高い。 2026年時点の代表サービスはMeshy・Tripo3D・CSM（Common Sense Machines）など海外勢が中心で商用展開が進む。生成品質は「低〜中ポリゴンのゲームアセット向け」が実用ラインで、映画レベルのVFX素材には依然として人手修正が必要なのが実運用の現場の実態だ。 AI PICKS編集部が把握しているコストの相場感では月額$20〜$60のサブスク型が主流。1モデル生成に30秒〜3分かかり、生成後のリトポロジー（ポリゴン最適化）やリギング（骨入れ）は別工数となる点を見落とすと、結果的にゼロから手作りするより高コストになるケースも多い。 現場での選び方の鉄則は「用途を絞ること」。ECサイトの商品360度ビジュアルならテクスチャ品質重視、ゲームアセットならFBX/GLB出力対応、映像制作ならZBrush連携の可否が主な判断軸になる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「テキスト・トゥ・3D (3Dモデル生成)とは」 https://aipicks.jp/glossary/text-to-3d
テキスト・トゥ・3D (3Dモデル生成)の使用例
- 「ローポリの木アセット、オータムカラーの葉、ゲームエンジン向けFBX形式で出力」→秋の森エリア向けゲームアセット一括生成の典型プロンプト。
- 「モダンなオフィスチェア、黒メッシュ素材、アームレスト付き、360度表示対応のGLB形式」→EC商品ページの没入型ビジュアル制作に活用される事例。
