3D建模 分类 - AI 工具网

腾讯自研大模型，提供对话、生图、生视频、文/图生 3D 和语音识别等多模态能力，适合在腾讯云与腾讯文档生态内使用的企业场景。当前旗舰是 Hy4（2026 年 8 月更新，770B / 49B、100 万 token 上下文），主打 Agent、编程与长文办公，但仍标注 preview 状态；Hy3 于 2026 年 7 月正式发布。多模态侧有 HY Image 3.0 Plus（生图）、生视频、文/图生 3D 和 Hy ASR 3.0。注意版本命名与 preview 状态容易混淆，生产环境接入前建议先确认版本稳定性。

一种高保真、多样化的文本生成 3D 方法，发表于 NeurIPS 2023，主要面向研究与算法验证场景，可作为理解文生 3D 技术路线的参考。仓库提供论文与复现说明，适合有 3D 生成研究需求的开发者。需要注意的是，这类方法对算力与显存要求较高，实际复现成本不低，落地前建议先评估硬件条件与预期投入。

文本或图像转 3D 网格的生成方案，输出的模型可导出用于后续编辑与渲染，主要面向研究与技术验证场景，适合需要了解文生 3D 实现方式的开发者参考。需要注意的是，该方案的生成耗时与算力开销较大，更适合研究与验证用途，落地生产前建议先评估硬件与时间成本。

高效的 3D 内容生成方法，发表于 ICLR 2024，主打在较短时间内由图像生成 3D 资产，适合有 3D 生成研究或快速原型需求的技术人员参考其实现细节。需要注意的是，这类方法生成的模型细节精度有限，若用于正式项目通常还需后续修复与优化，建议先在小样本上验证。

LGM（Large Multi-View Gaussian Model）是发表于 ECCV 2024 的 3D 内容生成方案，思路是用大规模多视图高斯表示，在较短时间内把文本或图像提示转成可渲染的 3D 资产。项目开放了论文与代码，主要面向研究与算法验证场景，也可作为理解高斯泼溅路线在 3D 生成中应用的参考。需要注意的是，这类研究型方案对显存与训练环境要求较高，复现成本不低，落地前建议先确认硬件条件与预期产出精度。

InstantMesh 是一个单图生成 3D 网格的开源方案，思路是从一张图片出发快速重建出带贴图的 3D 模型，输出网格可直接导入常见建模与实时渲染流程。项目由腾讯 ARC 实验室开源，提供论文与代码，主要面向研究与算法验证场景，也适合需要快速做 3D 原型的技术人员参考实现细节。需要注意的是，单图重建对原图视角与遮挡情况较敏感，生成模型在薄结构与背面细节上通常需要人工修补，正式使用前建议先做小样本验证。

HY-Motion 是腾讯混元团队推出的 3D 人体运动生成模型，用于根据文字描述生成角色动画动作，输出可用于 3D 角色驱动的运动数据。站内把它归入 3D 建模类，适合游戏开发、数字人与动画制作中需要快速获得动作草稿的场景。需要注意的是，生成的动作在物理合理性与风格细节上通常需要人工调整，正式用于项目前建议结合骨骼绑定做一次适配测试，确认与目标引擎的兼容性。

MMDetection3D 是 OpenMMLab 推出的 3D 目标检测开源工具箱，面向点云与多模态数据，提供统一的训练、推理与评测流程，覆盖自动驾驶、机器人感知等场景中常见的检测算法实现，方便研究者复现与横向对比不同方法。适合做 3D 感知方向的研究人员与算法工程师。需要注意的是，该工具箱面向开发与研究，使用前需要熟悉其配置体系与依赖环境，实际部署还要结合具体传感器与数据格式做适配。

Zero123++ 是一个单图生成一致多视图的扩散模型，作为 3D 生成流程中的基础组件，能从一张输入图片推断出多个角度的一致视图，再交由后续算法重建为 3D 模型。项目开源发布，主要面向研究与算法验证场景，适合关注文生 3D、图生 3D 技术路线的开发者参考其实现方式。需要注意的是，多视图推断的一致性有限，纹理细节与不可见区域的重建质量依赖输入图片与后续步骤，实际使用前建议先做小样本测试。

Objaverse-XL 是一个大规模 3D 对象数据集，收录超过 1000 万个 3D 资产，覆盖多种类别与来源，用于训练与评测 3D 生成、理解与检索类模型。适合需要大规模 3D 数据做训练或基准测试的研究团队与算法开发者。需要注意的是，数据集内的资产来源多样，许可与商用条件并不统一，直接用于商业产品或二次分发前需逐项确认授权；数据集体量较大，下载与存储也需要相应准备。

腾讯混元团队推出的 3D 世界生成项目，可依据文字描述或像素图生成可探索的 3D 场景，面向游戏原型、虚拟场景搭建与沉浸式内容创作等场景。站内把它归入 3D 建模类，适合希望快速产出可漫游场景草稿、而不想从零搭建地形的开发者与创作者。需要注意的是，生成场景在细节精度与物理合理性上通常需要后续加工，正式项目使用前建议先在目标引擎中测试导入效果与性能表现。

一个开源的 3D 模型生成与展示工具，站内描述其定位为交互式的 3D 创作工作台，可结合 AI 能力生成模型并直接在浏览器中查看与调整，适合做模型预览、快速原型与技术验证。项目在 GitHub 上开放源码。需要注意的是，这类早期项目在功能完整度与稳定性上仍在演进，正式项目使用前建议先确认其依赖环境与输出格式是否满足需求，并为后续可能的接口变更留出适配成本。

TRELLIS 系列的第二代 3D 生成方案，由微软相关团队开源，核心思路是在结构化的潜空间中对 3D 资产进行表示与生成，可用文字或图像提示产出带结构信息的 3D 模型，输出便于后续编辑与渲染。主要面向研究、算法验证与需要自建生成能力的技术团队。需要注意的是，这类研究型方案对显存与运行环境要求较高，从代码到可用服务之间还有较大的工程化工作量，落地前建议先评估硬件投入与团队适配成本。

Wonder3D 是一个单图生成 3D 的开源方案，通过跨域扩散模型在生成多视图图像的同时产出对应法线信息，再据此重建出带纹理的 3D 网格，思路对理解图生 3D 的一致性保持有参考价值。项目提供论文与代码，主要面向研究与算法验证场景。需要注意的是，单图重建对输入图片的视角与遮挡情况敏感，生成模型在复杂结构上需要人工修补，实际使用前建议先用多组图片测试重建质量。

WorldGen 是一个由文本生成 3D 场景的开源方案，主张在较短时间内产出可探索的场景，思路是先由文字生成全景表示再重建为三维场景，可用于理解大尺度场景生成的技术路线，适合研究与原型验证场景。项目在 GitHub 开放源码。需要注意的是，这类方案的产出在几何精度与纹理细节上通常比较粗糙，生成耗时与硬件条件密切相关，作为正式项目资产前一般还需经过重建与清理流程。

threestudio 是一个统一的 3D 内容生成研究框架，把基于分数蒸馏（SDS）等路线的多种方法整合到同一套训练与推理代码中，便于研究者对比不同算法、快速复现论文实验。适合做 3D 生成方向研究、需要统一实验环境的开发者。项目开源并持续更新。需要注意的是，该框架面向研究用途，依赖较重且训练对显存要求较高，从研究代码到稳定服务还有较大的工程化距离，落地前建议评估硬件与维护成本。

面向结构化 3D 生成的学术开源项目，采用按部件分解的思路，从图像生成带独立结构的 3D 网格，便于后续对单个部件做编辑、替换与装配。论文发表于 NeurIPS 2025，代码与权重已在项目主页开放，适合研究者与建模人员学习其生成流程并做二次实验。需要注意的是，此类研究项目的工程完整度通常有限，输出网格在拓扑质量与细节上可能仍需修复，正式用于生产前建议先在目标引擎中测试导入与渲染效果。

从单张图片重建 3D 网格的学术开源项目，可生成带贴图的物体模型，生成速度相对较快，适合为资产库快速补充原型模型或做概念验证。论文发表于 NeurIPS 2024，代码与权重已开放，适合研究者与建模人员学习与二次开发。需要注意的是，单图输入能提供的信息有限，模型对遮挡区域与背面细节主要依靠推断，复杂结构或细长部件容易出现形变，正式用于项目前建议先检查网格质量并按需精修。

由研究团队开源的大规模 3D 生成模型，采用结构化潜空间表示来统一处理不同输出格式，可从单张图片生成带材质的三维资产，在几何与外观一致性上做了针对性设计。论文发表于 CVPR，代码与模型权重已开放，适合研究者与 3D 内容创作者试用其生成流程。需要注意的是，生成资产的网格密度与拓扑通常不适合直接用于影视级生产，导入引擎前建议做减面与修复，显存占用也需按本机配置评估。

从单张图片生成三维物体的开源项目，采用分层式思路先构建几何再补充纹理，输出带贴图的 3D 网格，在细节表现上做了针对性优化。论文发表于 ICLR，代码已开放，适合研究者与建模人员参考其生成流程并做二次实验。需要注意的是，此类研究项目在运行环境与依赖版本上较为敏感，复现可能需要一定工程投入；生成网格的拓扑与面数不一定适合直接进生产管线，导入引擎前建议做修复与减面。

腾讯推出的 3D 资产生成模型，支持从文本或图片生成带贴图的网格模型，在几何细节与纹理质量上较上一代有明显提升，并提供在线体验与开放接口，可用于游戏原型、电商展示与概念设计等场景快速补充资产。适合需要快速获得三维素材的创作者与中小团队。需要注意的是，生成模型的网格拓扑不一定满足生产管线要求，导入引擎前通常需要清理与减面；商用范围与生成内容的权属按官方条款界定，正式投放前建议确认。