模型不再是一整块!Hunyuan3D-Part 实现可控组件式 3D 生成

在 3D 创作里,「整体模型难拆难改」 是许多人都遇过的麻烦:模型看起来完整,但一旦想换个车轮、调下护甲、给角色换个头盔,就会发现------整个 Mesh 黏成一块,牵一发动全身。这让游戏建模、资产复用、动画绑定和 3D 打印都变得成本很高。

Hunyuan3D-Part 由腾讯混元团队在 2025 年 9 月推出,目标是让 3D 模型真正能「拆开来做」。它由 P3--SAM 和 X--Part 两部分组成,可对整体 Mesh 进行自动、精确的结构分割,并生成高保真且可独立编辑的组件,支持 50+ 级组件拆解。实际流程中,你可以先用混元 3D 生成整体模型,再用 Hunyuan3D-Part 一键拆分,例如汽车模型自动分成车身、轮组、车灯,或角色模型拆成身体与装备,方便绑定、替换和组合,直接用于游戏、数字资产甚至 3D 打印。

换句话说,它让过去「一体成型的 3D 模型」,变成了可以像乐高一样拆、改、拼的结构化模型。

教程链接: https://go.openbayes.com/q2lFO

使用云平台: OpenBayes

http://openbayes.com/console/signup?r=sony_0m6v

首先点击「公共教程」,找到「Hunyuan3D-Part:组件式 3D 生成模型」,单击打开。

页面跳转后,点击右上角「克隆」,将该教程克隆至自己的容器中。

在当前页面中看到的算力资源均可以在平台一键选择使用。平台会默认选配好原教程所使用的算力资源、镜像版本,不需要再进行手动选择。点击「继续执行」,等待分配资源。

数据和代码都已经同步完成了。容器状态显示为「运行中」后,点击「 API 地址」,即可进入模型界面。

若显示「Bad Gateway」,这表示模型正在初始化,由于模型较大,请等待约 2-3 分钟后刷新页面。

注意:浏览器加载并显示 glb 文件需要 1 分钟左右,请耐心等待。

具体参数:

  • Post-processing:是否启用 P3-SAM 内部的后处理步骤。

  • Post-processing Threshold:当启用后处理时生效。这个阈值控制合并的强度。数值越小(如 0.8),表示允许合并的部件相似度要求越低,会导致更多的小部件被合并到相邻的大部件中,最终保留的部件数量越少。数值越大(如 0.99),则要求部件非常相似才会合并,保留的部件数量会更多。

  • Random Seed:控制 P3-SAM 分割过程中涉及的随机性(例如采样点、颜色分配等)。

以下是效果展示:

P3-SAM:原生 3D 部件分割

X-Part:高保真且结构一致的形体分解

相关推荐
aitoolhub4 分钟前
精选AI设计工具测评:创新性、易用性及行业应用
人工智能·在线设计
safestar201237 分钟前
n8n 架构深度解构:从设计哲学到企业级实践
人工智能·ai编程
喵手39 分钟前
AI在自动化与机器人技术中的前沿应用
人工智能·机器人·自动化
一只乔哇噻1 小时前
java后端工程师+AI大模型进修ing(研一版‖day55)
人工智能
小毅&Nora1 小时前
【AI微服务】【Spring AI Alibaba】② Agent 深度实战:构建可记忆、可拦截、可流式的智能体系统
人工智能·微服务·spring-ai
陈天伟教授2 小时前
基于学习的人工智能(7)机器学习基本框架
人工智能·学习
千里念行客2402 小时前
昂瑞微正式启动科创板IPO发行
人工智能·科技·信息与通信·射频工程
撸码猿3 小时前
《Python AI入门》第10章 拥抱AIGC——OpenAI API调用与Prompt工程实战
人工智能·python·aigc
双翌视觉3 小时前
双翌全自动影像测量仪:以微米精度打造智能化制造
人工智能·机器学习·制造
编程小白_正在努力中4 小时前
神经网络深度解析:从神经元到深度学习的进化之路
人工智能·深度学习·神经网络·机器学习