HAI 與 NVIDIA ,為開發者提供一鍵部署及生圖的能力,讓開發者體驗3D 模型的同時,也了解云的便利性。
混元3D 2.0是騰訊推出的尖端3D?成模型,能夠創建帶有?分辨率紋理貼圖的?保真3D資產
參賽報名:https://marketing.csdn.net/questions/Q2503111509331158927?shareId=2244
活動時間:2025年5月13日 - 6月15日
目錄
- 博主作品
- 創意賽道
- 3D表情包
- 場景創作賽道
- 經驗分享
- 混元3D?模型介紹
- 基本信息
- 服務介紹
- 混元3D模型
- ?性能應?服務HAI
- 環境準備
- 開通HAI
- 部署?模型
- ?成3D圖?
- 環境清理
- 輔助工具
- Blender
- DeepSeek+文心一言
- 編碼小技巧
- **一行代碼實現「列表元素頻率統計」**
- **場景**:快速統計一個列表中各元素出現的次數(比如詞頻統計、數據分布分析)。
- **傳統寫法**(手動循環 + 字典計數):
- **Pythonic 寫法**(用 `collections.Counter`):
- **進階技巧**(獲取最高頻的 N 個元素):
博主作品
下面是博主提交的3D作品,都是通過一張靜態圖一鍵生成,非常簡單,大概一分鐘內都可以出來效果圖。
也歡迎大家的投票支持,感謝感謝,感興趣的也可以點擊報名和參賽,好玩有趣,至少都有參與獎~~~
創意賽道
投票地址:
https://marketing.csdn.net/voteDetail/949
作品描述:
這款 3D 手辦中的萌萌鎧甲小戰士超吸睛!身著精巧鎧甲,手持武器,圓溜溜眼睛透著機靈,模樣可愛又颯爽。
3D表情包
投票地址:
https://marketing.csdn.net/voteDetail/950
作品描述:
3D 小恐龍超兇表情包!張大嘴露利齒,瞪圓眼怒目,前爪揮舞,尾巴擺動,氣勢洶洶。
更換了表情圖
場景創作賽道
投票地址:
https://marketing.csdn.net/voteDetail/965
作品描述:
月光下,一只白色拖鞋孤零零地躺在角落,鞋面還留著半枚模糊的腳印。它始終保持著微微傾斜的弧度,仿佛下一秒就會等來那只熟悉的腳——卻永遠停在了抬腳瞬間的永恒里。
經驗分享
在不進行任何參數精調的情況,要想輸出高質量3D實物圖,博主的建議是使用盡量簡單的靜態的3D圖,不要太復雜。
盡量不要調參數,否則會遠超出生成時間,畢竟部署的服務器資源有限。
在完成滿意作品且暫時不使用后,記得銷毀資源,否則會多扣費幾次的小時費用。
完成報名后,記得找小助手獲取優惠卷!
混元3D?模型介紹
基本信息
開發者在騰訊云?性能應?服務(HAI)上部署并使?混元3D 2.0?模型進?3D
資產?成。
利?先進的AI技術,只需簡單的圖?輸?或?本提示(暫時不支持文生圖,本次活動只支持圖生圖),即可快速創建?質量的3D模型和紋理。
混元3D 2.0是騰訊推出的尖端3D?成模型,能夠創建帶有?分辨率紋理貼圖的?保真3D資產。
結合騰訊云HAI提供的?性能GPU算?,開發者可以低成本地體驗專業級3D模型?成能?,?
幅降低3D內容創作?檻。
適合對3D資產?成感興趣的開發者、設計師、游戲開發?員以及希望探索AI輔助內容創
作的技術愛好者。
?需專業的3D建模經驗,任意開發者都可輕松完成從零到擁有???成的3D資產的全過程。
服務介紹
混元3D模型
混元 3D 2.0 是?款先進的?規模 3D 資產創作系統,它可以?于?成帶有?分辨率紋理貼圖的
?保真度3D模型。
該系統包含兩個基礎組件:?個?規模?何?成模型 — 混元 3D-DiT,以及?個?規模紋理?成模型 — 混元 3D-Paint。
?何?成模型基于流擴散的擴散模型構建,旨在?成與給定條件圖像精確匹配的?何模型,為下游應?奠定堅實基礎。 紋理?成模型得益于強?的?何和擴散模型先驗知識,能夠為AI?成的或??制作的?格模型?成?分辨率且?動逼真的紋理貼圖。 此外,我們打造了混元 3D 功能矩陣,?個功能多樣、易于使?的創作平臺,簡化了 3D 模型的制作以及修改過程。它使專業?戶和業余愛好者都能?效地對3D模型進?操
作,甚?制作動畫。
騰訊混元Hunyuan3D模型也已上架到騰訊云HAI,通過HAI上更?性價?的GPU算?、模型?鍵
部署能?和可視化圖形界?WebUI,有效降低模型開放和部署?檻。
- 附:騰訊3D模型訪問地址
Github 地址:
GitHub - Tencent/Hunyuan3D-2: High-Resolution 3D Assets Generation
with Large Scale Hunyuan3D Diffusion Models.
Hugging Face 模型地址:
https://huggingface.co/tencent/Hunyuan3D-2
?性能應?服務HAI
?性能應?服務(Hyper Application Inventor,HAI)是?款?向 AI 和科學計算的 GPU/NPU 應?服務產品,提供即插即?的強?算?和常?環境。
它可以幫助中?企業和開發者快速部署語?模型(LLM)、AI 繪圖、數據科學等?性能應?,原?集成配套的開發?具和組件,??提升應?層的開發?產效率。
環境準備
開通HAI
進?HAI官?:?性能應?服務HAI_GPU云服務器_騰訊云
點擊圖?中的 ?即使?
如未登錄騰訊云賬號,選擇合適的?式進?賬號登錄
如未注冊請點擊注冊按鈕,按照流程進?信息填寫即可
登錄后會先進?優惠券兌換,?于后續實驗,聯系?助?后進?鏈接:
https://console.cloud.tencent.com/expense/voucher
點擊兌換優惠券,輸?券碼即可
兌換成功后進? ?性能應?服務 的控制臺??:
https://console.cloud.tencent.com/hai/instance?rid=8
如果是第?次使? ?性能應?服務 會出現開通該服務的提示,點擊開通即可
部署?模型
點擊??中的新建按鈕
進?資源創建??后完成下列動作
- 在選擇應? tab 欄?中點擊 社區應?
- 在社區應?中選擇 混元Hunyuan3D-2
- 在點擊?即購買后會提示勾選協議,勾選后再次點擊?即購買即可
完成購買后會?動跳轉回控制臺??,看到如下情況即表示混元3D?成?模型正在部署中
等待實例部署完成,看到如下狀態即部署完成
溫馨提示:請耐?等待?分鐘
連接到混元3D?成?模型的 Gradio WebUI ,點擊算?連接,選中Gradio WebUI
看到如下界?即可進? 混元3D WebUI 界?
?成3D圖?
溫馨提示:請在?成可共享GIF?件之前驗證3D資產是否符合預期,因為GIF渲染?常慢。
在新窗?中,在 Image Prompt 處拖拽或點擊上傳圖?。?透明背景的圖?建議勾選 Remove
Background。
根據需求完成3D資產的?成
- Generate Shape Only:僅?成形狀
- Generate Shape and Texture:?成形狀和紋理
- Generate GIF:?成 GIF 動圖
下載對應的 GLB 格式?件 以及 GIF ?件即可到對應賽道進??件上傳完成提交
HAI 驗證截圖需要全屏截圖,瀏覽器窗?需要露出作品
GIF圖 以及 IP端? 例如:
環境清理
完成作品生成后,即可第一時間清理服務器,為避免不必要的資源占?和費?產?。
請按照以下步驟銷毀已創建的混元3D實例:
- 返回騰訊云?性能應?服務HAI控制臺
- 在實例列表中找到您部署的混元3D模型實例
- 點擊實例右側的【更多】→【銷毀】
- 在彈出的確認窗?中,閱讀提示信息后點擊【銷毀資源】
整體操作下來是不是很簡單,博主還嘗試問過,生成的3D作品是完全可以轉為STL格式進行3D實物手辦打印的。
輔助工具
Blender
Blender是一款免費開源三維圖形圖像軟件,提供從建模、動畫、材質、渲染、到音頻處理、視頻剪輯等一系列動畫短片制作解決方案。
Blender擁有方便在不同工作下使用的多種用戶界面,內置綠屏摳像、攝像機反向跟蹤、遮罩處理、后期結點合成等高級影視解決方案。Blender內置有Cycles渲染器與實時渲染引擎EEVEE。同時還支持多種第三方渲染器。
Blender為全世界的媒體工作者和藝術家而設計,可以被用來進行三維可視化,同時也可以創作廣播和電影級品質的視頻,另外內置的實時三維游戲引擎,讓制作獨立回放的三維互動內容成為可能(游戲引擎在2.8版本被移除)。
DeepSeek+文心一言
如果不知道用什么圖片,那么博主的建議是先用DeepSeek簡單描述你的目標圖片,發揮你的腦洞和想象力,讓DeepSeek給你出一些生成你目標圖片的提示詞。
經過多輪詢問和測試,得到還算滿意的提示詞
將你覺得滿意的提示詞貼到文心一樣里,讓它輸出圖片(博主覺得還算滿意,不要復雜的圖片內容)
發現生成出來的3D效果不太理想,就進一步詢問
編碼小技巧
學習AI,自然少不了掌握Python這門編程語言。
一行代碼實現「列表元素頻率統計」
場景:快速統計一個列表中各元素出現的次數(比如詞頻統計、數據分布分析)。
傳統寫法(手動循環 + 字典計數):
words = ["apple", "banana", "apple", "orange", "banana", "apple"]
freq = {}
for word in words:if word not in freq:freq[word] = 0freq[word] += 1
Pythonic 寫法(用 collections.Counter
):
from collections import Counterwords = ["apple", "banana", "apple", "orange", "banana", "apple"]
freq = Counter(words) # 一行搞定!
輸出:
Counter({'apple': 3, 'banana': 2, 'orange': 1})
進階技巧(獲取最高頻的 N 個元素):
top_2 = freq.most_common(2) # 直接輸出頻率最高的2個
結果:
[('apple', 3), ('banana', 2)]
🌟 優勢:
- 代碼極簡:無需手動處理字典和循環
- 高性能:
Counter
底層優化過,比純字典操作更快 - 功能豐富:支持直接排序、數學運算(如
freq1 + freq2
)
適用于 NLP 詞頻統計、數據分析、日志聚合等場景! 🚀