HY-3D-3.1

Mis on HY-3D-3.1?

HY-3D-3.1 on Tencenti spetsialiseeritud 3D-varade genereerimise mudel Hunyuan 3D mudelite perekonnas. Selle eesmärk on luua visuaalsete või tekstiliste juhiste põhjal kolmemõõtmelisi objekte. Tekstilise vastuse asemel genereerib see allalaaditavaid 3D-mudelifaile, mida saab uurida, muuta või importida teistesse tootmistööriistadesse.

Tencent esitleb versiooni 3.1 võrreldes mudeliga HY-3D-3.0 geomeetrilise täpsuse ja tekstuuride detailsuse parandamisena. Kättesaadav uuring toetab seda väidet teenusepakkuja kirjeldusena, kuid sõltumatuid võrdlustulemusi siin ei esitata, mistõttu paranduse ulatust ei saa täpselt hinnata.

Mudel on saadaval Tencent Cloudi HY-3D professionaalse API ja TokenHubi kaudu. Mõlemad on mõeldud tootmiskeskseteks genereerimistöövoogudeks, kus päringuid töödeldakse asünkroonsete ülesannetena, mitte koheste vestlusvastustena.

Toetatud sisendid ja väljundid

HY-3D-3.1 toetab mitut tüüpi juhendavat sisendit:

• Tekst: Hiinakeelsete viipadega saab kirjeldada genereeritavat objekti või stseeni.
• Üksikpildid: Üles laaditud pildid või piltide URL-id võivad suunata pildi põhjal 3D-generatsiooni.
• Visandid: Toetatud töövoogudes saab visandeid või joongraafikat kasutada visuaalse juhisena.
• Mitme vaatenurga pildid: Rekonstrueerimiseks saab kasutada kuni kaheksat eri suunast tehtud pilti, kui üks vaade ei kirjelda varjatud pindu piisavalt.

Väljund on 3D-vara, mitte tekst, heli, pilt ega video. Sõltuvalt valitud töövoost ja parameetritest võib tulemuseks olla tekstuuriga mudel või ainult geomeetriat sisaldav valge mudel. Dokumenteeritud ekspordivormingud on OBJ, GLB, STL, USDZ ja FBX, kuigi vormingute kättesaadavus võib sõltuda liidesest ja päringuparameetritest. TokenHubi töövoos on OBJ ja GLB kirjeldatud vaikimisi tulemusevormingutena.

Praktikas võib tootemeeskond anda sisendiks tootefoto, et luua esialgne 3D-vara, samal ajal kui mänguarenduse kunstnik võib esitada tegelase rekvisiidi tekstikirjelduse või mitu vaadet. Mitme vaatenurga sisend on eriti kasulik siis, kui ainult eestvaade jätaks mudeli tagaosa või külgede geomeetria ebaselgeks.

Võimekused ja roll tootmises

Mudeli peamine tugevus on keskendumine 3D-varade loomisele. See hõlmab mitut etappi, mille jaoks oleks muidu vaja eraldi modelleerimis- või rekonstrueerimistööd:

• 3D genereerimine hiinakeelsete kirjelduste põhjal.
• 3D-rekonstrueerimine üksikpildi põhjal.
• Mitme vaatenurga rekonstrueerimine kuni kaheksa toetatud vaate põhjal.
• Visandiga juhitud varade genereerimine.
• Tekstuuriga varade genereerimine visuaalseks esitluseks.
• Ainult geomeetria genereerimine töövoogude jaoks, mis vajavad alusvõrku või valget mudelit.
• Eksport levinud 3D-vormingutesse edasiseks kasutamiseks.

Seetõttu sarnaneb HY-3D-3.1 rohkem spetsialiseeritud 3D-genereerimisteenuse kui üldotstarbelise AI-assistendiga. See aitab kiiresti luua esmase vara, kuid esitatud teave ei kinnita, et iga genereeritud objekt oleks ilma inimese kontrollita lõplikuks tootmiseks valmis. Vajalikuks võivad endiselt osutuda puhastamine, topoloogia parandamine, UV-töötlus, rigging, materjalide kohandamine ja mootoripõhine optimeerimine.

API töövoog ja dokumenteeritud piirangud

TokenHub kasutab esitamise ja päringu töövoogu. Klient saadab päringu, mis sisaldab mudeli hy-3d-3.1 identifikaatorit ning asjakohast viipa, pilti või mitme vaatenurga sisendeid. Teenus tagastab ülesande identifikaatori. Hilisema päringuga kontrollitakse ülesande olekut ja töötlemise lõppedes saadakse genereeritud failide lingid.

See asünkroonne ülesehitus on mudeli hindamisel oluline. See sobib varatootmise torujuhtmetesse, kus saab oodata genereerimisülesande lõpetamist, kuid ei ole mõeldud märgihaaval voogedastuseks ega koheseks vestluslikuks suhtluseks. Dokumenteeritud ülesande identifikaator kehtib 24 tundi ning vaikimisi on lubatud korraga kolm ülesannet.

Tekstiviibad võivad sisaldada kuni 1 024 UTF-8 märki. Toetatud pildivormingud on JPG, PNG, JPEG ja WebP, kuid neile kehtivad Tencenti dokumenteeritud eraldusvõime- ja failisuuruse nõuded. Esitatud uuringus ei ole täpseid eraldusvõime ja failisuuruse väärtusi toodud, mistõttu tuleks need enne rakendamist aktiivsest API-dokumentatsioonist üle kontrollida.

TokenHubi liides ei toeta HY-3D-3.1 puhul parameetrit low_poly. Mõnes vanemas API töövoos on versiooni 3.1 valimisel piiratud ka teatud visandi- või low-poly-parameetreid. See on oluline meeskondadele, kes vajavad spetsiaalselt väikese polügoonide arvuga tulemust: mudel võib siiski olla kasulik alusvara allikana, kuid dokumenteeritud TokenHubi konfiguratsioon ei paku selleks otsest juhtimist.

Kontekstiakna suurust ega väljundi maksimaalset tokenite arvu ei ole dokumenteeritud, sest tegemist ei ole teksti genereeriva mudeliga. Väljund edastatakse 3D-failidena asünkroonse ülesande kaudu, mitte tokenivoo kujul.

HY-3D-3.1 hinnastamine

TokenHub küsib HY-3D-3.1 kasutamise eest tasu genereerimisülesande põhjal, mitte eraldi keelemudeli sisend- ja väljundtokenite hindade alusel. Avaldatud kuluvahemik on 15–60 krediiti ülesande kohta ning ühe krediidi hind on 0,12 CNY. Selle põhjal jääb ühe genereerimise ligikaudne hind vahemikku 1,80–7,20 CNY.

Lõplik tasu sõltub valitud genereerimiskonfiguratsioonist ja arvelduskirjest. Seetõttu tuleks seda vahemikku käsitleda suunisena, mitte iga päringu puhul garanteeritud kindla hinnana. Teksti- ja pildisisendid sisalduvad ülesandepõhises tasus, mitte eraldi tokenihinnas.

Arutlus, kodeerimine ja tööriistade tugi

HY-3D-3.1 ei ole üldotstarbeline arutlus- ega kodeerimismudel. See ei paku vestluslikku vastusekanalit programmeerimisülesannete lahendamiseks, tarkvara kirjutamiseks ega pikema tekstilise arutluse pidamiseks. Viiba või pildi 3D-varaks teisendamisega seotud kavandamine on osa mudeli genereerimisprotsessist, mitte eraldi dokumenteeritud arutlusrežiim.

Samuti ei ole dokumenteeritud tööriistade ega funktsioonikutsete võimalust. API töövoog ise pakub esitamise ja oleku päringu toiminguid, kuid neid ei tohiks segi ajada mudeli tööriistakasutusega. Esitatud spetsifikatsioonide kohaselt ei sirvi mudel iseseisvalt veebi, kutsu ärifunktsioone ega halda välist tarkvara.

Samal põhjusel ei tohiks HY-3D-3.1 valida siis, kui peamine vajadus on vestlus, koodi genereerimine, embedd ingud, kõne, reaalajas suhtlus või struktureeritud tekstiväljund. Nende ülesannete jaoks sobiks paremini üldotstarbeline mudel või spetsiaalselt kodeerimiseks, kõneks või embedding'ute loomiseks mõeldud teenus.

Tugevused ja kompromissid

HY-3D-3.1 peamine eelis on spetsialiseeritus. Võrreldes üldotstarbelise teksti- või pildimudeliga on see suunatud otse 3D-varade loomisele ja väljastab 3D-faile. Tekstuuriga ja ainult geomeetriat sisaldavate tulemuste tugi võimaldab meeskonnal valida esitluskõlbliku vara ja lihtsama alusvormi vahel. Mitme vaatenurga rekonstrueerimine on samuti praktiline eelis, kui saadaval on mitu võrdlusnurka.

Selle spetsialiseeritus toob kaasa ka kompromissid. Mudel ei paku vestlusliku AI-süsteemi laiahaardelisust ning asünkroonne töötlemine on interaktiivsete rakenduste jaoks vähem mugav. Kättesaadavas uuringus ei esitata genereerimise latentsuse võrdlusandmeid, mistõttu ei tohiks eeldada täpset kiiruse edetabelit. Toimetuslikust vaatenurgast võib selle hinnaprofiil olla partiipõhise varaloomise jaoks atraktiivne, sest esitatud ülesande hinnavahemikku on suhteliselt lihtne hinnata, kuid tegelik väärtus sõltub sellest, kui palju käsitsi parandamist iga genereeritud vara vajab.

TokenHubi low-poly-parameetri puudumine võib olla oluline ka mobiilimängude, stiliseeritud reaalajas stseenide või rangete polügoonieelarvetega töövoogude puhul. Sellistes töövoogudes võib meeskond pärast genereerimist vajada eraldi lihtsustamis- või optimeerimisetappi.

Millal valida HY-3D-3.1?

HY-3D-3.1 on mõistlik valik siis, kui peamine eesmärk on luua tekstist, tootepildist, visandist või mitmest võrdlusvaatest 3D-alguspunkt. See on eriti asjakohane järgmistes olukordades:

• Mängustuudiod, kes loovad esialgseid varakogusid või prototüüpe.
• Disainerid, kes vajavad visandist või kirjeldusest kiiresti 3D-kontseptsiooni.
• E-kaubanduse meeskonnad, kes loovad võrdluspiltide põhjal toodete visualiseerimiseks vajalikke varasid.
• Digitaalsete inimeste ja virtuaalkeskkondade töövood, mis vajavad genereeritud objekte.
• 3D-printimise projektid, mis vajavad lähtepunktina genereeritud võrgumudelit.
• Partiipõhised töövood, kus saab töid asünkroonselt esitada ja tulemusi hankida.

Vali teist tüüpi lahendus, kui vajad koheseid vestlusvastuseid, tekstilist arutlust, koodi genereerimist, kõnet, embedding'uid või genereerimispäringust otse juhitavat väikese polügoonide arvuga väljundit. Tavapärane 3D-modelleerimise töövoog võib samuti olla eelistatavam, kui täpsed mõõtmed, topoloogia, valmistatavus või tootmisvalmis rigging on kiirest varaloomest olulisemad.

Kokkuvõte

HY-3D-3.1 tuleks käsitleda tootmiskeskse 3D-varade generaatorina, mitte kõikehõlmava AI-mudelina. Selle peamised võimekused on teksti põhjal 3D loomine, pildi põhjal 3D loomine, visandite tugi, mitme vaatenurga rekonstrueerimine, tekstuuriga väljund ja ainult geomeetriat sisaldav väljund Tencent Cloudi teenuste kaudu. Hind 15–60 krediiti ülesande kohta, kuni kaheksa vaatenurga tugi, 1 024 märgi pikkune viibapiirang, asünkroonne API-ülesehitus ja TokenHubi low-poly-parameetri puudumine on hindamisel kõige olulisemad praktilised üksikasjad. See sobib hästi kiireks varaloomiseks ja prototüüpimiseks, kui meeskond arvestab aega tulemuste kontrollimiseks ja järgnevaks 3D-puhastuseks.