Hunyuan3D-2 的 Hunyuan3D-DiT 系列模型v2-0、mini、mv、Turbo怎么根据需求选择【免费下载链接】Hunyuan3D-2High-Resolution 3D Assets Generation with Large Scale Hunyuan3D Diffusion Models.项目地址: https://gitcode.com/GitHub_Trending/hu/Hunyuan3D-2如果你的任务是用图片生成 3D 网格shape 生成而不是上色贴图那么 Hunyuan3D-2 项目里真正需要选的就是 Hunyuan3D-DiT 这一组模型。仓库文档给出的可选项有单图输入的标准版Hunyuan3D-DiT-v2-0、轻量版Hunyuan3D-DiT-v2-mini、多视角输入版Hunyuan3D-DiT-v2-mv以及三者各自的 Turbo步数蒸馏和 Fast引导蒸馏变体见 Model Zoo。本文按文档中给出的输入形式、模型参数规模和推理步数三个维度说明如何对号入座并给出每种选择对应的可运行代码与 Gradio 启动命令。先确定你的输入形式单图还是多视角选择的第一条依据是输入图片的形态Model Zoo 对各模型的定位描述如下模型系列文档描述参数规模对应 Hugging Face 仓库Hunyuan3D-DiT-v2-0含 Fast、TurboImage to Shape Model1.1Btencent/Hunyuan3D-2Hunyuan3D-DiT-v2-mini含 Fast、TurboMini Image to Shape Model0.6Btencent/Hunyuan3D-2miniHunyuan3D-DiT-v2-mv含 Fast、TurboMultiview Image to Shape Model1.1Btencent/Hunyuan3D-2mv只有一张前景图片时用 v2-0 或 v2-mini 系列。有正、左、背三视角图片时用 mv 系列。多视角示例 examples/shape_gen_multiview.py 中image参数传入的是一个字典键固定为front、left、backimages { front: assets/example_mv_images/1/front.png, left: assets/example_mv_images/1/left.png, back: assets/example_mv_images/1/back.png }也就是说 mv 不是单图质量更好的替代而是输入接口不同它要求按三视角组织图片。v2-0 与 v2-mini 的区别在文档中体现为参数规模1.1B 对 0.6B与Mini的定位描述文档没有给出两者输出质量的对比数据如果输入是单图且想使用较小的模型examples/shape_gen_mini.py 就是对应的运行示例。再看速度需求标准版、Fast 还是 Turbo第二条依据是推理步数与速度。README News 与 Model Zoo 对三类变体的说明标准版v2-0 / v2-mini / v2-mv示例代码中num_inference_steps50见 examples/shape_gen.py。Fast文档标注为 Guidance Distillation 版本。README 在发布Hunyuan3D-DiT-v2-0-Fast时说明它是 guidance distillation modelcould half the dit inference time能减半 DiT 推理时间。Turbo文档标注为 Step Distillation 版本配合pipeline.enable_flashvdm()使用示例中num_inference_steps5见 examples/fast_shape_gen_with_flashvdm.py。Turbo 版的关键差异在代码里是两处加载时指定 Turbo 子目录并在推理前调用enable_flashvdm()然后把步数降到 5pipeline Hunyuan3DDiTFlowMatchingPipeline.from_pretrained( tencent/Hunyuan3D-2, subfolderhunyuan3d-dit-v2-0-turbo, use_safetensorsTrue, ) pipeline.enable_flashvdm()mini-Turbo 的示例 examples/faster_shape_gen_with_flashvdm_mini_turbo.py 中调用的是pipeline.enable_flashvdm(topk_modemerge)与 v2-0-Turbo 的无参调用略有不同照对应示例保留即可。显存方面README 写的是shape 生成需要 6 GB VRAMshape texture 合计 16 GB而 docs/source/modelzoo.md 写的是shape 生成 6 GBshape texture 合计 24.5 GB。两处数字不一致本文不做取舍若只做 shape 生成两个文档一致为 6 GB。准备环境按 README 的安装说明支持 MacOS、Windows、Linux。安装顺序# 先从 PyTorch 官方渠道安装 PyTorchREADME 要求通过官方站点安装 pip install -r requirements.txt pip install -e . # for texture cd hy3dgen/texgen/custom_rasterizer python3 setup.py install cd ../../.. cd hy3dgen/texgen/differentiable_renderer python3 setup.py install注释# for texture之后的两个 C 扩展是贴图texture环节需要的。如果本次任务只做 shape 生成可以不执行这部分需要做完整贴图流程时再补上。输入图片若为 RGB 模式无透明通道示例代码会先用BackgroundRemover去背景再送入 pipeline示例使用的图片是仓库自带的assets/demo.png与assets/example_mv_images/1/下的三视角图。按选择执行 shape 生成四条选择对应四个可直接运行的官方示例公共调用参数为octree_resolution380、num_chunks20000、固定种子torch.manual_seed(12345)、output_typetrimesh。选择 1单图 标准 v2-0见 examples/shape_gen.pypipeline Hunyuan3DDiTFlowMatchingPipeline.from_pretrained( tencent/Hunyuan3D-2, subfolderhunyuan3d-dit-v2-0, variantfp16 ) mesh pipeline(imageimage, num_inference_steps50, octree_resolution380, num_chunks20000, generatortorch.manual_seed(12345), output_typetrimesh )[0] mesh.export(fdemo.glb)选择 2单图 mini见 examples/shape_gen_mini.py只改仓库与子目录pipeline Hunyuan3DDiTFlowMatchingPipeline.from_pretrained( tencent/Hunyuan3D-2mini, subfolderhunyuan3d-dit-v2-mini, variantfp16 )选择 3三视角 mv见 examples/shape_gen_multiview.pypipeline Hunyuan3DDiTFlowMatchingPipeline.from_pretrained( tencent/Hunyuan3D-2mv, subfolderhunyuan3d-dit-v2-mv, variantfp16 ) mesh pipeline(imageimages, # 上面的 front/left/back 字典 num_inference_steps50, octree_resolution380, num_chunks20000, generatortorch.manual_seed(12345), output_typetrimesh)[0]选择 4追求低步数用 Turbo 变体。v2-0-Turbo 示例中num_chunks为 200000、num_inference_steps为 5mv-Turbo 见 examples/fast_shape_gen_multiview.py同样enable_flashvdm() 5 步mini-Turbo 见 examples/faster_shape_gen_with_flashvdm_mini_turbo.py。不想写代码时可以直接用 Gradio 应用Gradio App 文档 给出的命令把仓库 子目录的选择压成两个参数# 标准版以 v2-0 为例 python3 gradio_app.py --model_path tencent/Hunyuan3D-2 --subfolder hunyuan3d-dit-v2-0 --texgen_model_path tencent/Hunyuan3D-2 --low_vram_mode # mv python3 gradio_app.py --model_path tencent/Hunyuan3D-2mv --subfolder hunyuan3d-dit-v2-mv --texgen_model_path tencent/Hunyuan3D-2 --low_vram_mode # mini python3 gradio_app.py --model_path tencent/Hunyuan3D-2mini --subfolder hunyuan3d-dit-v2-mini --texgen_model_path tencent/Hunyuan3D-2 --low_vram_modeTurbo 版在同一命令上加--enable_flashvdm并换成-turbo子目录# 以 v2-0-turbo 为例 python3 gradio_app.py --model_path tencent/Hunyuan3D-2 --subfolder hunyuan3d-dit-v2-0-turbo --texgen_model_path tencent/Hunyuan3D-2 --low_vram_mode --enable_flashvdm文档给出的标准版与 Turbo 版命令各三条分别对应 mini / mv / 2把--model_path、--subfolder按上表对应替换即可Gradio 应用默认会走贴图流程--texgen_model_path指向 Hunyuan3D-2。如何确认生成成功文档给出的判定依据pipeline 返回的mesh是 trimesh 对象代码文档docs/source/started/code.md说明它可以直接保存为 glb/obj 等其他格式。示例中的落盘方式是mesh.export(demo.glb)mv 与 Turbo 示例分别导出demo_mv.glb、run_{it}.glb等。各示例都会打印耗时例如--- %s seconds ---文档示例的输出格式数值因机器而异。同一输入下对比标准版50 步与 Turbo5 步的该数值就是 README 所描述的速度差异的直接体现。生成的.glb文件存在且可在 3D 查看器中打开即完成 shape 生成。限制说明本文只覆盖 shape 生成这一环节。若要得到带贴图的最终资产还需接 Hunyuan3D-Paint 系列hunyuan3d-paint-v2-0、hunyuan3d-paint-v2-0-turbo完整流程示例见 docs/source/started/code.md。mv 系列要求按 front/left/back 三个键提供图片单张图不能直接用于 mv 子目录。shape texture 的总显存需求在 README16 GB与 docs/source/modelzoo.md24.5 GB两处数字不同规划显存时以你实际使用文档对应的版本为准。【免费下载链接】Hunyuan3D-2High-Resolution 3D Assets Generation with Large Scale Hunyuan3D Diffusion Models.项目地址: https://gitcode.com/GitHub_Trending/hu/Hunyuan3D-2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考