如何在10分钟跑通Hunyuan3D-2本地部署:一张图片生成带纹理3D模型的完整指南
2026/9/12 18:14:41 网站建设 项目流程

如何在10分钟跑通Hunyuan3D-2本地部署:一张图片生成带纹理3D模型的完整指南

【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

还在为"把一张图片变成能转着看的3D模型"而折腾一整天吗?找外包建模贵,云端服务既慢又要上传素材。Hunyuan3D-2 就是为解决这个问题而生的:你给它一张图片,它先在本地用 1.1B 的形状生成模型推出几何网格,再用 1.3B 的纹理合成模型贴上图,最终输出一个可直接进 Blender、游戏引擎的 glb 文件。整个过程跑在你自己的显卡上,官方给出的显存门槛很实在——只生成形状约 6GB 显存,形状加纹理全流程约 16GB,一块 RTX 3060 就能完整跑起来。

它的工作方式分两段,这也是后面所有参数的逻辑来源:

第一段 Hunyuan3D-DiT 负责"形",从图片还原出网格;第二段 Hunyuan3D-Paint 负责"皮",在网格上合成纹理贴图。两段解耦意味着你可以只跑第一段省显存,也可以给自己手建的模型补纹理。

Hunyuan3D-2 环境要求与依赖安装命令

动手前确认三件事:一张 NVIDIA 显卡(只跑形状 6GB 显存起步,带纹理建议 16GB)、Python 3.10、至少 20GB 磁盘空间——首次运行要下载形状模型和纹理模型的权重,加起来好几个 GB。Windows 用户还需要 Visual Studio 2022 并勾选"使用 C++ 的桌面开发"组件,因为后面要编译两个 C++ 扩展;Linux 有 gcc 即可。注意 PyTorch 要先按官方渠道装好与你 CUDA 版本对应的版本,再执行下面的命令。

# 克隆 Hunyuan3D-2 仓库 git clone https://gitcode.com/GitHub_Trending/hu/Hunyuan3D-2 # 进入项目根目录 cd Hunyuan3D-2 # 安装 Python 依赖(diffusers、trimesh、gradio 等) pip install -r requirements.txt # 以可编辑方式安装 hy3dgen 核心包 pip install -e .

接着编译纹理阶段依赖的两个 C++ 扩展(光栅化器和可微分渲染器,路径在hy3dgen/texgen/下)。如果你只生成形状、不做纹理,这两步可以跳过:

# 进入自定义光栅化器目录并编译安装 cd hy3dgen/texgen/custom_rasterizer && python setup.py install # 返回项目根目录 cd ../../../ # 进入可微分渲染器目录并编译安装 cd hy3dgen/texgen/differentiable_renderer && python setup.py install # 返回项目根目录 cd ../../../

到这里环境就齐了,代码、依赖、扩展三样都装上了。

一条命令启动 Gradio 界面生成第一个 3D 模型

回到项目根目录,执行:

# 启动 Gradio 界面(默认用 0.6B mini-Turbo 形状模型,速度最快;low_vram_mode 开启显存自动卸载) python3 gradio_app.py --low_vram_mode

首次启动会下载模型权重,等 1~2 分钟后浏览器自动打开界面。界面里上传一张图片,点生成,稍等片刻就能看到网格的 3D 预览,接着可以一键走纹理合成,最后导出 glb、obj、ply、stl 四种格式。

不同显卡和场景,换启动参数即可,核心就是下面几个组合:

档位追加的关键参数说明
快速档(默认)--low_vram_mode0.6B mini-Turbo 形状 + 1.3B 纹理,出图最快
全量档--model_path tencent/Hunyuan3D-2 --subfolder hunyuan3d-dit-v2-0 --low_vram_mode1.1B 形状模型,细节更好
多视角档--model_path tencent/Hunyuan3D-2mv --subfolder hunyuan3d-dit-v2-mv --low_vram_mode需上传正、侧、背多张图,几何更准
加速档再加--enable_flashvdmFlashVDM 加速采样,仅对 turbo 版 subfolder 有效

多视角模式下,每个视角传一张图即可,仓库里assets/example_mv_images/提供了现成示例,比如这个正面视角:

两个可选开关:--enable_t23d打开文字输入(会额外下载一个文生图模型);--disable_tex关闭纹理阶段,显存需求降到约 6GB。用 Blender 的话,启动 API 服务后把blender_addon.py当插件装进偏好设置,生成结果直接落到场景里。不想点界面、想写代码调用,examples/ 里是现成脚本,比如shape_gen.py展示了 50 步采样 + 380 八叉树分辨率的完整调用。

动手做一次完整的图片转 3D 示例

下面走一遍 API 路径,把仓库自带的那张海豚图变成带纹理的 glb。它和 Blender 插件底层是同一套接口,也是你以后集成本项目的方式:

# 启动 API 服务,监听 8080 端口并开启纹理阶段 python api_server.py --host 0.0.0.0 --port 8080 --enable_tex # 读取海豚示例图片并编码为 base64(macOS 上把 -w 0 换成 -i) img_b64=$(base64 -w 0 assets/example_images/example_002.png) # 发送生成请求:256 八叉树分辨率、带纹理,结果保存为 output.glb curl -X POST "http://localhost:8080/generate" -H "Content-Type: application/json" -d "{\"image\": \"$img_b64\", \"texture\": true, \"octree_resolution\": 256}" -o output.glb

等几分钟后output.glb就出来了,用任意 glb 查看器打开,从海豚侧面和腹部看纹理是否完整。请求体还支持这些字段:seed固定随机种子、num_inference_steps控制采样步数(默认 5)、guidance_scale控制对输入图的贴合度(默认 5.0)、face_count限制纹理阶段保留的面数(默认 40000)、type指定导出格式。想改成纯文字驱动,把image换成text字段并让服务端开启文生图即可。

Hunyuan3D-2 参数怎么调、常见坑怎么避

调参就围绕三对矛盾:细节、速度、显存。常用的参数和推荐值如下:

参数作用推荐值
octree_resolution几何细节的八叉树分辨率128 快速预览,256~380 出最终成品
num_inference_steps去噪采样步数turbo 版 5 步即可,标准版 30~50
guidance_scale对输入图片的条件强度默认 5.0,形态漂移就调高
--low_vram_mode形状/纹理模型在显存间自动搬运16GB 及以下显卡都建议加

调参套路:先用octree_resolution 128+ 少步数快速看轮廓对不对,满意后再用 256 以上出成品,比每次等完整生成快得多。

💡 首次运行下载权重慢的话,给终端设置一个国内的 HuggingFace 镜像环境变量再启动,之后权重会缓存在本地,不用重复下载。

最后集中说三个最常见的坑,都是"一句现象 + 一句解法":

  • 启动时打印 "Failed to load texture generator / Please try to install requirements by following README.md":两个 C++ 扩展没编译成功,回到安装一节重跑setup.py install,或临时加--disable_tex先用形状功能。
  • 生成中途报 "CUDA out of memory":加--low_vram_mode;还不行就--disable_tex只出形状,或把octree_resolution降到 256 以下。
  • Windows 上编译扩展报 "Microsoft Visual C++ 14.0 is required":在 Visual Studio Installer 里补装 C++ 桌面开发组件,然后从开发者命令提示符里重新编译。

更多参数细节可以翻 docs/ 下的 gradio、api、blender 使用文档。现在就做你的第一个小实验吧:打开 Gradio 界面,把assets/example_images/example_002.png这张海豚图丢进去,跑完形状和纹理后导出 glb,然后对比手里的 2D 原图,看看它还原得怎么样。

【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

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询