腾讯 Hunyuan3D-1.0：文本转 3D 和图像转 3D 的统一框架

一、教程简介

Hunyuan3D-1.0 是由腾讯公司研究团队于 2024 年推出的 3D 生成扩散模型模型，包括一个轻量版和一个标准版，均支持从文本和图像输入生成高质量的 3D 资产，轻量版模型能在大约 10 秒内生成 3D 物体，而标准版则在大约 25 秒内完成，标准版本比精简版和其他现有模型多 3 倍参数。相关技术报告为「Tencent Hunyuan3D-1.0: A Unified Framework for Text-to-3D and Image-to-3D Generation」。

该框架框架涉及文本转图像模型，即 Hunyuan-DiT，Hunyuan3D-1.0 是一个统一的框架，可以应用于文本到 3D (Text-to-3D) 和图像到 3D (Image-to-3D) 的生成。模型采用两阶段方法进行 3D 资产的生成。第一阶段使用多视角扩散模型，大约在 4 秒内高效生成多视角 RGB 图像。第二阶段引入前馈重建模型，利用这些多视角图像在大约 3 秒内快速而准确地重建 3D 视图。该模型能够重建各种尺度的物体，从大型建筑到小型工具或花草都能轻松处理。它在两个公开的 3D 数据集——GSO 和 OmniObject3D 上的表现优于主流开源模型，整体能力属于国际领先水平。经过定性和定量的多维度评估，Hunyuan3D-1.0 在几何细节、纹理细节、纹理-几何一致性、 3D 合理性、指令遵循等方面的表现都非常出色。

Hunyuan3D-1.0 的发布，为 3D 创作者和艺术家提供了一个强大的工具，可以自动化生产 3D 资产，提高了 3D 生成的速度和泛化能力。

本教程是 Hunyuan3D-1.0 轻量版，使用了 3 个模型使 Web 界面包含 2 个功能：

两个功能：

• 图像生成 3D（image_to_3D）
• 文本转 3D（text_to_3D）

三个模型：

• Hunyuan3D-1/lite 用于多视图生成的精简模型
• Hunyuan3D-1/std 多视图生成的标准模型
• Hunyuan3D-1/svrm 稀疏视图重建模型

二、效果示例

三、运行步骤

启动容器后等待约 3 分钟（加载模型），点击 API 地址即可进入 Web 界面（否则将会显示 BadGateway）

1 、图像生成 3D（image_to_3d）

选择「Text to 3D」功能，按如下要求输入提示词和进行相关设置
如果需要生成 gif 必须选中「Render gif」，否则不会生成效果。其他功能无需选中

图 1 图像生成视频演示

2. 文本转 3D（image_to_video）

选择「Image to 3D」功能，按如下要求输入提示词和相关设置。
注意：自行上传图像时，请务必保证图片为 n*n 的正方形，否则会出现报错的情况
 如果需要生成 gif 必须选中「Render gif」，否则不会生成效果。其他功能无需选中

图 2 图像生成视频演示

交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓