Blender AI Wiki / Русский Поиск

ВОРКФЛОУ TEXT-TO-3D

Обзор Несколько подходов к генерации 3D моделей из текстовых промптов.

📚 Референсы ⭐⭐⭐⭐ 12 блоков кода обновлено 2026-10-02

Обзор

Несколько подходов к генерации 3D-моделей из текстовых промптов.


Метод 1: Hyper3D Rodin (через blender-mcp)

Лучше всего для: быстрых концепт-моделей, игровых ассетов Стоимость: кредиты API (есть бесплатный тариф) Качество: среднее-высокое, чистая топология

Воркфлоу

# 1. Включить в Blender
N-panel → MCP for Blender → отметить "Use Hyper3D" → добавить API-ключ (Preferences)

# 2. Через ИИ (OpenCode/Claude):
"Generate a 3D model of a medieval fantasy sword using Hyper3D Rodin"
# → Создаёт задачу → опрашивает статус → импортирует результат

# 3. Постобработка:
"Decimate the sword to 2000 tris, add bevel, create metal material"

Параметры

  • prompt: текстовое описание
  • seed: для воспроизводимости
  • generate_textures: необязательная генерация PBR

Метод 2: Hunyuan3D (через blender-mcp)

Лучше всего для: ассетов высокого качества, китайских/азиатских тем Стоимость: требуются SecretId/SecretKey Качество: высокое, годится для продакшена

Воркфлоу

# 1. Получить учётные данные: https://3d.hunyuan.tencent.com/
# 2. Включить в Blender: отметить "Use Hunyuan3D" → добавить SecretId/SecretKey/API URL

# 3. Через ИИ:
"Create a 3D model of a Chinese dragon using Hunyuan3D"
# → Задача → опрос → импорт

# 4. Чистка:
"Separate loose parts, apply scale, create materials for each part"

Метод 3: TripoSR (локально, бесплатно)

Лучше всего для: приватности, офлайна, экспериментов Стоимость: бесплатно (работает локально) Качество: ниже, годится для концептов Железо: рекомендуется 8GB+ VRAM

Установка

# Вариант A: pip
pip install triposr

# Вариант B: клонировать репозиторий
git clone https://github.com/VAST-AI-Research/TripoSR
cd TripoSR
pip install -r requirements.txt

# Скачать веса (автоматически при первом запуске)

Использование из Python

# Выполнять через execute_blender_code
import bpy
from triposr import TripoSR

model = TripoSR.from_pretrained("VAST-AI/TripoSR")
output = model.generate("a cute robot", num_inference_steps=50)
# output — словарь с мешем → импортировать в Blender

Интеграция с Blender

# Сохранить как .obj/.glb, затем импортировать
import bpy
bpy.ops.wm.obj_import(filepath="output.obj")
# или
bpy.ops.import_scene.gltf(filepath="output.glb")

Метод 4: MeshGPT / Shap-E (локально)

Лучше всего для: исследований, собственного обучения Стоимость: бесплатно Качество: экспериментальное

Shap-E (OpenAI)

git clone https://github.com/openai/shap-e
cd shap-e
pip install -e .
# Скачать веса
from shap_e.diffusion.sample import sample_latents
from shap_e.diffusion.gaussian_diffusion import diffusion_from_config
from shap_e.models.download import load_model, load_config
from shap_e.util.notebooks import decode_latent_mesh

xm = load_model('transmitter', device='cuda')
model = load_model('text300M', device='cuda')
diffusion = diffusion_from_config(load_config('diffusion'))

latents = sample_latents(
    batch_size=1,
    model=model,
    diffusion=diffusion,
    prompt="a red sports car",
    guidance_scale=15.0,
    device='cuda'
)

for i, latent in enumerate(latents):
    mesh = decode_latent_mesh(xm, latent).tri_mesh()
    with open(f'car_{i}.obj', 'w') as f:
        mesh.write_obj(f)

Метод 5: LGM (Large Gaussian Model)

Лучше всего для: высокого качества и скорости (Gaussian splatting) Стоимость: бесплатно (локально)

git clone https://github.com/ashawkey/LGM
cd LGM
pip install -r requirements.txt

Сравнительная матрица

Метод Локально/облако Стоимость Качество Скорость Топология UV
Hyper3D Облако $ ⭐⭐⭐⭐ Быстро Хорошая Есть
Hunyuan3D Облако $ ⭐⭐⭐⭐⭐ Средне Отличная Есть
TripoSR Локально Бесплатно ⭐⭐⭐ Быстро Базовая Базовые
Shap-E Локально Бесплатно ⭐⭐ Медленно Базовая Нет
LGM Локально Бесплатно ⭐⭐⭐⭐ Быстро Н/П (сплаты) Н/П

Рекомендуемый пайплайн (2026)

Для продакшен-ассетов

1. Сгенерировать базу: Hyper3D или Hunyuan3D (облако)
2. Импорт → Blender
3. Чистка: Decimate, Separate, Scale, Origin
4. Ретопология: Quad Remesher / Instant Meshes
5. UV: Smart UV Project / вручную
6. Запекание: Normal, AO, Curvature из high-poly
7. Текстуры: Substance Painter / Dream Textures
6. Экспорт: GLTF (игра) / USD (пайплайн)

Для быстрого прототипа

1. TripoSR (локально, бесплатно) → быстрый концепт
2. Если перспективно → Hyper3D ради качества
3. GenesisCore для сборки сцены
4. Dream Textures для материалов

Для приватности / local-first

1. Ollama (llama3.2/codellama) через GenesisCore
2. TripoSR для генерации 3D
3. Dream Textures (локальный SD) для текстур
4. Всё офлайн, без API-ключей

Шаблон скрипта автоматизации

# Выполнять через execute_blender_code
import bpy
import requests
import time

def generate_hyper3d(prompt, api_key):
    # Отправить задачу
    resp = requests.post(
        "https://api.hyper3d.ai/v1/jobs",
        headers={"Authorization": f"Bearer {api_key}"},
        json={"prompt": prompt, "generate_textures": True}
    )
    job_id = resp.json()["job_id"]
    
    # Опрашивать статус
    while True:
        time.sleep(10)
        status = requests.get(
            f"https://api.hyper3d.ai/v1/jobs/{job_id}",
            headers={"Authorization": f"Bearer {api_key}"}
        ).json()
        if status["status"] == "completed":
            return status["result_url"]
        elif status["status"] == "failed":
            raise Exception(status["error"])

# Использование
url = generate_hyper3d("futuristic motorcycle", "YOUR_KEY")
# Скачать и импортировать
import urllib.request
urllib.request.urlretrieve(url, "/tmp/model.glb")
bpy.ops.import_scene.gltf(filepath="/tmp/model.glb")

Чек-лист после генерации

  • Scale: применить масштаб (Ctrl+A → Scale), попасть в реальный размер
  • Origin: выставить в центр геометрии (Right-click → Set Origin → Origin to Geometry)
  • Topology: проверить трисы/квады, при необходимости decimate
  • Separation: разделить Loose Parts (P → By Loose Parts) под материалы
  • Naming: переименовать объекты осмысленно
  • Materials: назначить/создать PBR-материалы
  • UVs: развернуть (Smart UV Project), проверить наложения
  • LODs: создать LOD-версии (50%, 25%, 10%)
  • Export: GLTF для веба/игры, USD для пайплайна

🔗 СВЯЗИ


🎯 ЦЕЛЬ

Референс категории «Референсы», сложность ⭐⭐⭐⭐.

Связанные материалы

Подобраны по тегам и категории.