企业官网建设流程全解析

如何用 LocalAI 从一张图片生成带 PBR 贴图的 3D 网格（/3d/generations）？

【免费下载链接】LocalAILocalAI is the open-source AI engine. Run any model - LLMs, vision, voice, image, video - on any hardware. No GPU required.项目地址: https://gitcode.com/GitHub_Trending/lo/LocalAI

LocalAI 提供/3d/generations端点，由trellis2cpp后端（Microsoft TRELLIS.2 的 C++/GGML 移植）驱动，可以从一张单物体图片重建出带 PBR 材质的 3D 网格，输出为二进制 glTF（.glb）资产。这个功能只支持图片条件输入，没有文本提示词路径：你提供一张单个物体的照片或渲染图（最好是纯色背景），TRELLIS.2 会重建出完整的 3D 网格。适用前提是 LocalAI 已安装并能访问http://localhost:8080默认端口，且安装了带 PBR 纹理模型的trellis2-4b。

准备条件：启动 LocalAI 并安装模型

先启动 LocalAI。以 Docker 为例（完整镜像与硬件对应关系见 容器参考）：

docker run -p 8080:8080 --name local-ai -ti localai/localai:latest

然后通过 CLI 从模型库（gallery）安装模型（会下载模型文件，trellis2-4b约 18 GB）：

local-ai run trellis2-4b # 完整管线：1024³ 级联 + PBR 纹理（~18 GB）

如果要生成带 PBR 贴图的结果，必须安装trellis2-4b完整版。库中还有一个trellis2-4b-geometry（约 7 GB，仅 512³ 几何、无纹理、无 1024 级联），它只适合不需要贴图的场景。后端会自动检测已存在的 GGUF 组件并优雅降级：缺少纹理模型时产出无纹理几何，缺少 fine-flow 模型时回退到粗糙的 marching-cubes 预览。

调用 /3d/generations 生成网格

请求方法为POST，端点为/3d/generations，请求体是 JSON。必需字段只有两个：model（模型名）和image（条件图片，可以是 base64、data URI 或公网 URL）。其余常用可选参数及默认值：

几个关键参数的行为：

• quality选择网格分辨率：coarse是快速的 marching-cubes 预览，512是精细的 dual-grid 网格，1024是高分辨率级联（慢，需数分钟、约 10 GB VRAM），auto根据已安装的模型集合选择最佳管线。
• background控制在生成前对条件图片做纯色背景移除：auto检测与边框相连的近似纯黑/纯白区域，keep严格保留图片 alpha，black/white强制移除对应颜色。
• params中：texture_size是在启用 atlas 烘焙时的 UV 贴图分辨率提示；components可选tiny（移除小碎片）、largest（只保留最大连通体）、all（默认，全部保留）。

最短主路径命令（图片用公网 URL，质量选512）：

curl http://localhost:8080/3d/generations \ -H "Content-Type: application/json" \ -d '{ "model": "trellis2-4b", "image": "https://example.com/photo-of-a-chair.png", "quality": "512" }'

验证结果：获取并打开 GLB

响应使用 LocalAI 的 OpenAI 风格生成信封结构：

当response_format为默认的url时，响应中的data[0].url会是类似/generated-3d/b64123456789.glb的路径（文档示例），从同一台服务器下载即可。产出的 GLB 是标准 glTF 2.0，可以在 Blender、three.js、<model-viewer>以及大多数引擎中打开验证。

如果不想走 URL 下载，可以直接在请求中指定"response_format": "b64_json"并用管道把 base64 解码为本地文件（$(base64 -w0 chair.png)中的chair.png需替换为你自己的条件图片路径，-w0是 GNU coreutils 的折行关闭选项）：

curl http://localhost:8080/3d/generations \ -H "Content-Type: application/json" \ -d "{ \"model\": \"trellis2-4b\", \"image\": \"$(base64 -w0 chair.png)\", \"response_format\": \"b64_json\" }" | jq -r '.data[0].b64_json' | base64 -d > chair.glb

除了 API，React WebUI 的 Studio 中也有 3D 标签页（及/3d页面）：上传或粘贴图片、选择质量、在交互式 PBR 查看器中预览（支持轨道/平移/缩放和线框开关），历史记录保存在浏览器 IndexedDB 中。

资源与限制

• 512³ 管线在现代 GPU 上约需两分钟；1024³ 级联约需五分钟，且需要约 10 GB VRAM 加上一段临时的主机内存峰值。
• TRELLIS2_DEVICE=cpu可强制 CPU 推理（很慢，文档注明主要用于调试）。
• 生成的网格 winding 未定向（忠于 TRELLIS.2），以 Y-up 导出，使用 vertex-PBR 材质；如需 UV-atlas 贴图烘焙，可在后端通过T2GLB_XATLAS环境变量启用。

下一步

如果需要用于 3D 打印的水密网格，可用POST /3d/remesh对已生成的 GLB 做 CGAL Alpha Wrap 重网格化（multipart/form-data，返回重网格化的 GLB），细节见 3D Generation 文档 的 "Watertight print remeshing" 一节。模型文件清单与哈希可在 gallery/index.yaml 的trellis2-4b条目中查到，后端配置见 gallery/trellis2cpp.yaml。

【免费下载链接】LocalAILocalAI is the open-source AI engine. Run any model - LLMs, vision, voice, image, video - on any hardware. No GPU required.项目地址: https://gitcode.com/GitHub_Trending/lo/LocalAI