TL;DR: 本地在配备 32 GB 或以上显存的 NVIDIA GPU 上运行。示例仓库：https://github.com/MCPBytes/mcpbytes-image-to-3d 

uvx --python 3.12 --torch-backend=auto mcpbytes-image-to-3d chair.jpg

首次运行会下载约 19 GB 的模型文件并编译两个小型 CUDA 扩展。结果保存到 ./chair-3d/。

我是开发者。这是一个基于腾讯 Hunyuan3D 2.1（其代码由它提供）的包装，不是全新模型。你只需提供一张物体图片，即可得到可以立即使用的模型：

  • model.glb: 一个只包含漫反射和金属粗糙度纹理的单网格，分辨率 1024 px，Y 轴向上，立在地面上，最大边长为 1 单位
  • model.web.glb: 同样模型，使用 Draco 压缩几何和 WebP 纹理，适用于浏览器和引擎
  • model_preview.png: 完成的模型从六个侧面在一张图片上，可直接查看背面和底面，无需打开观看工具

工作原理：

  1. 将物体裁剪（透明 PNG 直接使用；否则 U²‑Net 会去除背景），并置于正方形画布中心。
  2. Hunyuan3D 2.1 的形状模型生成网格（50 步，八叉树 384），随后降采样至 120,000 面，并利用绘制模型从 8 个视角（768 px）进行贴图（6 个视角 512 px，卡片面数控制在 48 GB 以下）。
  3. 随后进行纯 CPU 清理：焊接、去除微小漂浮碎片、居中、贴地、缩放至 1、重新计算法线、生成网页版本并渲染六个视图。

相同的种子、图像、设置和 GPU 让我得到的文件字节完全相同。它还作为 MCP 服务器运行，使 Claude、Cursor 等 MCP 客户端能够自行生成模型。

它不能做的事情：背面和底面是基于单张图片推测的，不包含物理尺寸、 rigging（骨骼绑定）、 watertightness（无缝性）或可打印准备性的信息。使用前请先查看预览。

硬件要求：NVIDIA 显卡至少 32 GB 显存，在 Linux 或 WSL2 系统上，需配备 CUDA 12 工具包和 C++ 编译器用于首次编译。在 A40 上，完整细节模型耗时 386 秒（峰值 41 GB），简化细节模型耗时 203 秒（峰值 28 GB），包括约两分钟的加载时间。

我的代码采用 AGPL-3.0 许可；打包的 Hunyuan3D 代码和权重遵循腾讯社区许可，该许可不覆盖欧盟、英国或韩国。你生成的内容归你所有。

仓库：https://github.com/MCPBytes/mcpbytes-image-to-3d

如果你尝试使用，请告诉我在哪里出现问题。奇怪的物体欢迎。

如果你没有足够强大的 GPU，可以尝试云端选项或 https://mcpbytes.com/tools/text-to-game-asset（是的，这需要花费，我为此为资源不足的所有朋友贡献了开源代码）。