Verwandle ein Referenzbild in ein 3D-Modell mit einstellbaren Optionen für Ausrichtung, Orientierung, Textur, Material, Geometrie, Maßstab und Mesh.
Verwandte Meshy 7-Modelle
API-Beispiele
Anfragebeispiel
const response = await fetch('https://api.flaq.ai/api/v1/3d/task', {
method: 'POST',
headers: {
Authorization: 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json',
},
body: JSON.stringify({
model_name: 'meshy-v7-image-to-3d',
image_url: 'https://example.com/ceramic-lamp.png',
topology: 'triangle',
remesh: true,
symmetry_mode: 'auto',
pose_mode: 'a-pose',
pbr: true,
texture_prompt: 'Glazed blue ceramic with subtle gold details',
texture_image: 'https://example.com/ceramic-reference.png',
}),
});
const { data } = await response.json();
const taskId = data.task_id;
Polling-Beispiel
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/3d/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.files[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, 10000));
}
Anfragebeispiel
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/3d/task',
headers={
'Authorization': 'Bearer YOUR_API_KEY',
'Content-Type': 'application/json',
},
json={
'model_name': 'meshy-v7-image-to-3d',
'image_url': 'https://example.com/ceramic-lamp.png',
'topology': 'triangle',
'remesh': True,
'symmetry_mode': 'auto',
'pose_mode': 'a-pose',
'pbr': True,
'texture_prompt': 'Glazed blue ceramic with subtle gold details',
'texture_image': 'https://example.com/ceramic-reference.png',
},
)
response.raise_for_status()
task_id = response.json()['data']['task_id']
Polling-Beispiel
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/3d/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['files'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)
Anfragebeispiel
curl -X POST "https://api.flaq.ai/api/v1/3d/task" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model_name": "meshy-v7-image-to-3d",
"image_url": "https://example.com/ceramic-lamp.png",
"topology": "triangle",
"remesh": true,
"symmetry_mode": "auto",
"pose_mode": "a-pose",
"pbr": true,
"texture_prompt": "Glazed blue ceramic with subtle gold details",
"texture_image": "https://example.com/ceramic-reference.png"
}'
Polling-Beispiel
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/3d/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
Preise für Meshy 7 Image to 3D
| Parameter | Preis | Ursprünglicher Preis | Rabatt |
|---|
README
Meshy 7 Image-to-3D API (3D-Generierung aus einem Einzelbild mit optionalem PBR)
Die Meshy 7 Image-to-3D API generiert aus einem einzelnen Ausgangsbild ein 3D-Modell für Spieleentwicklung, digitales Design, Produktvisualisierung und kreatives Prototyping. Entwickler können Topologie, Zielpolygonanzahl, Neuvernetzung, Symmetrie, humanoide Pose und optionale PBR-Materialien konfigurieren. Das über Flaq AI verfügbare Modell akzeptiert auch Text- oder Bildvorgaben für den Texturierungsworkflow.
Hauptfunktionen der Meshy 7 Image-to-3D API
-
3D-Generierung aus einem Einzelbild: Verwenden Sie ein Referenzbild, um Motiv und Erscheinungsbild eines generierten 3D-Modells vorzugeben.
-
Konfigurierbare Topologie: Wählen Sie je nach nachgelagertem Workflow eine Dreiecks- oder Viereckstopologie.
-
Steuerung der Zielpolygonanzahl: Legen Sie innerhalb des unterstützten Bereichs eine Zielpolygonanzahl fest, um die Netzdichte zu beeinflussen.
-
Optionen für Neuvernetzung und Symmetrie: Steuern Sie, ob das Netz neu erzeugt wird und wie Symmetrie angewendet wird.
-
Vorgaben für humanoide Posen: Wählen Sie unterstützte Posenoptionen für geeignete humanoide Motive.
-
Optionales PBR und Texturvorgaben: Aktivieren Sie die Generierung von PBR-Materialien und steuern Sie die Texturierung mit einem Prompt oder Referenzbild.
So nutzen Sie die Meshy 7 Image-to-3D API für die 3D-Generierung auf Flaq AI
-
Eingabe: Eine erforderliche Bild-URL sowie optionale Einstellungen für Topologie, Zielpolygonanzahl, Neuvernetzung, Symmetrie, humanoide Pose, PBR, Texturprompt und Texturbild.
-
Ausgabe: Ein generiertes 3D-Modell mit optionalen PBR-Materialtexturen, das über den Aufgabenworkflow von Flaq AI zurückgegeben wird.
-
Netzsteuerung: Wählen Sie eine Dreiecks- oder Viereckstopologie, konfigurieren Sie eine Zielpolygonanzahl und legen Sie fest, ob die generierte Geometrie neu vernetzt werden soll.
-
Posensteuerung: Nutzen Sie die unterstützten Einstellungen für humanoide Posen, wenn das Ausgangsmotiv für Posensteuerung geeignet ist.
-
Funktionen: Einzelbild-zu-3D-Generierung mit konfigurierbaren Einstellungen für Netz, Pose, Symmetrie und Textur.
Wichtige Anwendungsfälle für die Integration der Meshy 7 Image-to-3D API
-
Von Konzeptzeichnungen zu 3D: Verwandeln Sie eine Figuren-, Requisiten- oder Umgebungsreferenz in ein Ausgangsmodell für die Weiterentwicklung.
-
Produktvisualisierung: Erstellen Sie aus Produktbildern 3D-Konzepte zur Prüfung und Vorbereitung für interaktive Erlebnisse.
-
Figurendesign: Generieren Sie aus einer geeigneten Figurenreferenz ein Basismodell und setzen Sie anschließend Rigging und Verfeinerung in nachgelagerten Werkzeugen fort.
-
Konzepte für Sammlerstücke und Miniaturfiguren: Wandeln Sie freigegebene Illustrationen in Basisgeometrie für eine spätere Prüfung und Fertigungsvorbereitung um.
-
Visuelle Effekte und Vorvisualisierung: Erstellen Sie referenzgestützte Modelle für Szenenplanung, Anordnung und erste Asset-Entwürfe.
Hinweis Ein einzelnes Bild zeigt nicht jede Oberfläche eines Objekts. Nicht sichtbare Geometrie wird daher abgeleitet und sollte geprüft werden. Stellen Sie sicher, dass Ausgangsbilder die geltenden Anforderungen an Urheberrechte und geistiges Eigentum erfüllen.
Meshy 7 Image-to-3D und Mitbewerber: Vergleichsanalyse
-
Meshy 7 Image-to-3D im Vergleich zu Tripo Image-to-3D
Teams sollten beim Vergleich dieser Modelle Eingabeanforderungen, Topologiesteuerung, Einstellungen zur Zielpolygonanzahl, Texturierungsworkflows und Integrationsbedarf bewerten. Meshy 7 stellt diese Optionen über Flaq AI bereit. -
Meshy 7 Image-to-3D im Vergleich zu Rodin Image-to-3D
Das bevorzugte Modell hängt vom Motiv, der gewünschten Geometrie und dem nachgelagerten Workflow ab. Meshy 7 kombiniert die Generierung aus einem Einzelbild mit optionaler Neuvernetzung, Posensteuerung, Symmetrie und PBR-Einstellungen. -
Meshy 7 Image-to-3D im Vergleich zu Stable Fast 3D
Entwickler können Modellverhalten, verfügbare Netzsteuerung, Ausgabeanforderungen und Bereitstellungsansatz vergleichen. Meshy 7 ist über eine verwaltete Aufgaben-API auf Flaq AI verfügbar. -
Meshy 7 Image-to-3D im Vergleich zu CSM Image-to-3D
Produktteams sollten die Bandbreite unterstützter Motive, Geometriesteuerung, Texturvorgaben und API-Integration bewerten. Meshy 7 akzeptiert ein Ausgangsbild und konfigurierbare Generierungseinstellungen. -
Meshy 7 Image-to-3D im Vergleich zu Meshy 7 Multiview-to-3D
Image-to-3D benötigt ein Ausgangsbild. Multiview-to-3D akzeptiert mehrere Referenzbilder, wenn zusätzliche Blickwinkel verfügbar sind.