เปลี่ยนภาพอ้างอิงหนึ่งภาพเป็นโมเดล 3D พร้อมตัวเลือกการจัดแนว ทิศทาง พื้นผิว วัสดุ รูปทรง สัดส่วน และเมชที่ปรับได้
โมเดล Meshy 7 ที่เกี่ยวข้อง
ตัวอย่าง API
ตัวอย่างการส่งคำขอ
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;
ตัวอย่างการดึงสถานะ
// 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));
}
ตัวอย่างการส่งคำขอ
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']
ตัวอย่างการดึงสถานะ
# 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)
ตัวอย่างการส่งคำขอ
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"
}'
ตัวอย่างการดึงสถานะ
# 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"
ราคา Meshy 7 Image to 3D
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
README
Meshy 7 Image-to-3D API (สร้าง 3D จากภาพเดียว พร้อมตัวเลือก PBR)
Meshy 7 Image-to-3D API สร้างโมเดล 3D จากภาพต้นฉบับเพียงภาพเดียวสำหรับการพัฒนาเกม การออกแบบดิจิทัล การนำเสนอผลิตภัณฑ์ เป็นภาพ และการสร้างต้นแบบเชิงสร้างสรรค์ นักพัฒนาสามารถกำหนดโทโพโลยี จำนวนโพลิกอนเป้าหมาย การสร้างเมชใหม่ ความสมมาตร ท่าทางของโมเดลรูปร่างมนุษย์ และเลือกใช้วัสดุ PBR ได้ โมเดลนี้ให้บริการผ่าน Flaq AI และยังรับข้อความหรือภาพเพื่อเป็นแนวทาง สำหรับเวิร์กโฟลว์พื้นผิวได้ด้วย
คุณสมบัติหลักของ Meshy 7 Image-to-3D API
-
สร้าง 3D จากภาพเดียว: ใช้ภาพอ้างอิงหนึ่งภาพเป็นแนวทางกำหนดสิ่งที่สร้างและรูปลักษณ์ของโมเดล 3D
-
กำหนดโทโพโลยีได้: เลือกโทโพโลยีแบบสามเหลี่ยมหรือสี่เหลี่ยมตามเวิร์กโฟลว์ในขั้นตอนถัดไป
-
ควบคุมจำนวนโพลิกอนเป้าหมาย: กำหนดจำนวนโพลิกอนเป้าหมายภายในช่วงที่รองรับเพื่อเป็นแนวทางในการกำหนดความหนาแน่นของเมช
-
ตัวเลือกการสร้างเมชใหม่และความสมมาตร: ควบคุมว่าจะสร้างเมชใหม่หรือไม่ และจะใช้ความสมมาตรอย่างไร
-
กำหนดท่าทางของโมเดลรูปร่างมนุษย์: เลือกท่าทางที่รองรับสำหรับโมเดลรูปร่างมนุษย์ที่เหมาะสม
-
ตัวเลือก PBR และคำแนะนำสำหรับพื้นผิว: เปิดใช้การสร้างวัสดุ PBR และกำหนดแนวทางการสร้างพื้นผิวด้วยพรอมป์ต์หรือภาพ อ้างอิง
วิธีใช้ Meshy 7 Image-to-3D API เพื่อสร้าง 3D บน Flaq AI
-
ข้อมูลนำเข้า: ต้องมี URL รูปภาพหนึ่งรายการ และสามารถตั้งค่าโทโพโลยี จำนวนโพลิกอนเป้าหมาย การสร้างเมชใหม่ ความสมมาตร ท่าทางของโมเดลรูปร่างมนุษย์ PBR พรอมป์ต์พื้นผิว และภาพพื้นผิวเพิ่มเติมได้
-
ผลลัพธ์: โมเดล 3D ที่สร้างขึ้น พร้อมพื้นผิววัสดุ PBR หากเลือกใช้ จะส่งกลับผ่านเวิร์กโฟลว์งานของ Flaq AI
-
การควบคุมเมช: เลือกโทโพโลยีแบบสามเหลี่ยมหรือสี่เหลี่ยม กำหนดจำนวนโพลิกอนเป้าหมาย และเลือกว่าจะสร้างเมชใหม่ ให้กับรูปทรงที่สร้างขึ้นหรือไม่
-
การควบคุมท่าทาง: ใช้การตั้งค่าท่าทางของโมเดลรูปร่างมนุษย์ที่รองรับ เมื่อตัวแบบต้นฉบับเหมาะกับการกำหนดท่าทาง
-
ความสามารถ: สร้าง 3D จากภาพเดียว โดยกำหนดเมช ท่าทาง ความสมมาตร และพื้นผิวได้
กรณีใช้งานที่เหมาะกับการผสาน Meshy 7 Image-to-3D API
-
เปลี่ยนคอนเซปต์อาร์ตเป็น 3D: เปลี่ยนภาพอ้างอิงตัวละคร อุปกรณ์ประกอบฉาก หรือสภาพแวดล้อมให้เป็นโมเดลตั้งต้นสำหรับพัฒนาต่อ
-
การนำเสนอผลิตภัณฑ์เป็นภาพ: สร้างแนวคิด 3D จากภาพผลิตภัณฑ์เพื่อตรวจสอบและเตรียมพร้อมสำหรับประสบการณ์ เชิงโต้ตอบ
-
การออกแบบตัวละคร: สร้างโมเดลพื้นฐานจากภาพอ้างอิงตัวละครที่เหมาะสม จากนั้นทำริกและปรับปรุงต่อ ในเครื่องมือขั้นตอนถัดไป
-
แนวคิดของสะสมและฟิกเกอร์: เปลี่ยนงานศิลป์ที่ได้รับอนุมัติให้เป็นรูปทรงพื้นฐานสำหรับตรวจสอบและเตรียมพร้อม เพื่อผลิตชิ้นงานในภายหลัง
-
VFX และการจำลองภาพล่วงหน้า: สร้างโมเดลจากภาพอ้างอิงเพื่อวางแผนฉาก จัดองค์ประกอบ และสำรวจแอสเซ็ตในระยะเริ่มต้น
หมายเหตุ ภาพเดียวไม่ได้แสดงทุกพื้นผิวของวัตถุ ดังนั้นรูปทรงส่วนที่มองไม่เห็นจะได้จากการอนุมานและควรได้รับ การตรวจสอบ โปรดตรวจสอบว่าภาพต้นฉบับสอดคล้องกับข้อกำหนดด้านลิขสิทธิ์และทรัพย์สินทางปัญญาที่เกี่ยวข้อง
วิเคราะห์เปรียบเทียบ Meshy 7 Image-to-3D กับคู่แข่ง
-
เปรียบเทียบ Meshy 7 Image-to-3D กับ Tripo Image-to-3D
ทีมที่เปรียบเทียบโมเดลเหล่านี้ควรประเมินข้อกำหนดของข้อมูลนำเข้า การควบคุมโทโพโลยี การตั้งค่าจำนวนโพลิกอนเป้าหมาย เวิร์กโฟลว์ พื้นผิว และความต้องการในการผสานระบบ Meshy 7 เปิดให้ใช้ตัวเลือกเหล่านี้ผ่าน Flaq AI -
เปรียบเทียบ Meshy 7 Image-to-3D กับ Rodin Image-to-3D
โมเดลที่เหมาะสมขึ้นอยู่กับสิ่งที่ต้องการสร้าง รูปทรงที่ต้องการ และเวิร์กโฟลว์ในขั้นตอนถัดไป Meshy 7 ผสานการสร้างจากภาพเดียว เข้ากับตัวเลือกการสร้างเมชใหม่ การกำหนดท่าทาง ความสมมาตร และการควบคุม PBR -
เปรียบเทียบ Meshy 7 Image-to-3D กับ Stable Fast 3D
นักพัฒนาสามารถเปรียบเทียบพฤติกรรมของโมเดล การควบคุมเมชที่มี ข้อกำหนดของผลลัพธ์ และแนวทางการติดตั้งใช้งานได้ Meshy 7 ให้บริการผ่าน API งานแบบมีผู้ดูแลบน Flaq AI -
เปรียบเทียบ Meshy 7 Image-to-3D กับ CSM Image-to-3D
ทีมผลิตภัณฑ์ควรประเมินขอบเขตสิ่งที่โมเดลสร้างได้ การควบคุมรูปทรง คำแนะนำสำหรับพื้นผิว และการผสาน API โดย Meshy 7 รับภาพต้นฉบับหนึ่งภาพและการตั้งค่าการสร้างที่ปรับได้ -
เปรียบเทียบ Meshy 7 Image-to-3D กับ Meshy 7 Multiview-to-3D
Image-to-3D ต้องใช้ภาพต้นฉบับหนึ่งภาพ ส่วน Multiview-to-3D รับภาพอ้างอิงหลายภาพได้เมื่อมีภาพจากมุมมอง เพิ่มเติม