สร้างโมเดล 3D ที่มีรายละเอียดจากคำอธิบายข้อความ พร้อมตัวเลือกพื้นผิว 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-text-to-3d',
prompt: 'A stylized red panda explorer wearing a small canvas backpack',
topology: 'quad',
remesh: true,
symmetry_mode: 'auto',
pose_mode: 'a-pose',
pbr: true,
texture_prompt: 'Hand-painted fur and weathered canvas with warm autumn colors',
texture_image: 'https://example.com/red-panda-texture.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-text-to-3d',
'prompt': 'A stylized red panda explorer wearing a small canvas backpack',
'topology': 'quad',
'remesh': True,
'symmetry_mode': 'auto',
'pose_mode': 'a-pose',
'pbr': True,
'texture_prompt': 'Hand-painted fur and weathered canvas with warm autumn colors',
'texture_image': 'https://example.com/red-panda-texture.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-text-to-3d",
"prompt": "A stylized red panda explorer wearing a small canvas backpack",
"topology": "quad",
"remesh": true,
"symmetry_mode": "auto",
"pose_mode": "a-pose",
"pbr": true,
"texture_prompt": "Hand-painted fur and weathered canvas with warm autumn colors",
"texture_image": "https://example.com/red-panda-texture.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 Text to 3D
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
README
Meshy 7 Text-to-3D API (สร้างโมเดล 3D จากพรอมป์ต์ พร้อมตัวเลือก PBR)
Meshy 7 Text-to-3D API สร้างโมเดล 3D จากคำอธิบายภาษาธรรมชาติสำหรับการพัฒนาเกม การสำรวจแนวทาง การออกแบบ เนื้อหาดิจิทัล และแอปพลิเคชันเชิงพื้นที่ นักพัฒนาสามารถกำหนดโทโพโลยี จำนวนโพลิกอนเป้าหมาย การสร้างเมชใหม่ ความสมมาตร ท่าทางของโมเดลรูปร่างมนุษย์ และเลือกใช้พื้นผิว PBR ได้ โมเดลนี้ให้บริการผ่าน Flaq AI โดยมี เวิร์กโฟลว์จากพรอมป์ต์สู่ 3D ที่ยืดหยุ่น พร้อมคำแนะนำเพิ่มเติมสำหรับพื้นผิวและการควบคุมซีดสุ่ม
คุณสมบัติหลักของ Meshy 7 Text-to-3D API
-
สร้าง 3D จากพรอมป์ต์: สร้างโมเดล 3D จากคำอธิบายที่ระบุสิ่งที่ต้องการสร้าง รูปทรง สไตล์ และ รายละเอียดด้านภาพ
-
กำหนดโทโพโลยีได้: เลือกโทโพโลยีแบบสามเหลี่ยมหรือสี่เหลี่ยมตามเวิร์กโฟลว์ในขั้นตอนถัดไป
-
ควบคุมจำนวนโพลิกอนเป้าหมาย: กำหนดจำนวนโพลิกอนเป้าหมายภายในช่วงที่รองรับเพื่อเป็นแนวทางในการกำหนดความหนาแน่นของเมช
-
ตัวเลือกการสร้างเมชใหม่และความสมมาตร: ควบคุมว่าจะสร้างเมชใหม่หรือไม่ และจะใช้ความสมมาตรอย่างไร
-
กำหนดท่าทางของโมเดลรูปร่างมนุษย์: ขอท่า A-pose หรือ T-pose เมื่อสร้างโมเดลรูปร่างมนุษย์ที่เหมาะสม
-
ตัวเลือก PBR และคำแนะนำสำหรับพื้นผิว: เปิดใช้การสร้างวัสดุ PBR และกำหนดแนวทางการสร้างพื้นผิวด้วยพรอมป์ต์หรือภาพ อ้างอิง
วิธีใช้ Meshy 7 Text-to-3D API เพื่อสร้างแอสเซ็ต 3D ด้วย AI บน Flaq AI
-
ข้อมูลนำเข้า: ต้องมีพรอมป์ต์ความยาว 1 ถึง 600 อักขระ และสามารถตั้งค่าโทโพโลยี จำนวนโพลิกอนเป้าหมาย การสร้างเมชใหม่ ความสมมาตร ท่าทางของโมเดลรูปร่างมนุษย์ PBR พรอมป์ต์พื้นผิว ภาพพื้นผิว และซีดสุ่มเพิ่มเติมได้
-
ผลลัพธ์: โมเดล 3D ที่สร้างขึ้น พร้อมพื้นผิววัสดุ PBR หากเลือกใช้ จะส่งกลับผ่านเวิร์กโฟลว์งานของ Flaq AI
-
การควบคุมเมช: เลือกโทโพโลยีแบบสามเหลี่ยมหรือสี่เหลี่ยม กำหนดจำนวนโพลิกอนเป้าหมาย และเลือกว่าจะสร้างเมชใหม่ ให้กับรูปทรงที่สร้างขึ้นหรือไม่
-
การควบคุมพื้นผิว: เปิดใช้ PBR และระบุข้อความหรือภาพเพื่อเป็นแนวทางให้พื้นผิวของโมเดลได้ตามต้องการ
-
ความสามารถ: สร้าง 3D จากข้อความ โดยกำหนดเมช ท่าทาง ความสมมาตร พื้นผิว และซีดได้
กรณีใช้งานที่เหมาะกับการผสาน Meshy 7 Text-to-3D API
-
แนวคิดแอสเซ็ตเกม: สร้างโมเดลตั้งต้นสำหรับอุปกรณ์ประกอบฉาก องค์ประกอบสภาพแวดล้อม ตัวละคร และเนื้อหาเชิงโต้ตอบ อื่น ๆ
-
ประสบการณ์ VR, AR และเว็บ: สร้างแนวคิด 3D ที่สามารถตรวจสอบและเตรียมใช้กับแอปพลิเคชันเชิงพื้นที่ได้
-
แนวคิดผลิตภัณฑ์และบรรจุภัณฑ์: สำรวจรูปทรงสามมิติก่อนเริ่มการสร้างโมเดลอย่างละเอียดและงานผลิต
-
การนำเสนองานออกแบบเป็นภาพ: เปลี่ยนโจทย์งานสร้างสรรค์สั้น ๆ ให้เป็นโมเดลสำหรับพัฒนาแนวคิด นำเสนอ และปรับปรุงต่อ
-
การเตรียมพิมพ์ 3D: สร้างรูปทรงพื้นฐานที่สามารถตรวจสอบ ซ่อมแซม และเตรียมพร้อมในซอฟต์แวร์ สำหรับการพิมพ์โดยเฉพาะ
หมายเหตุ ควรตรวจสอบรูปทรงที่สร้างขึ้นก่อนนำไปใช้ในงานผลิตจริง แอนิเมชัน การจำลอง หรือการผลิตชิ้นงาน โปรดตรวจสอบว่า พรอมป์ต์และภาพอ้างอิงสอดคล้องกับนโยบายเนื้อหาและทรัพย์สินทางปัญญาที่เกี่ยวข้อง
วิเคราะห์เปรียบเทียบ Meshy 7 Text-to-3D กับคู่แข่ง
-
เปรียบเทียบ Meshy 7 Text-to-3D กับ Tripo Text-to-3D
ทีมที่เปรียบเทียบโมเดลเหล่านี้ควรประเมินตัวเลือกโทโพโลยี การควบคุมจำนวนโพลิกอนเป้าหมาย เวิร์กโฟลว์พื้นผิว ข้อกำหนด ของผลลัพธ์ และความต้องการในการผสานระบบ Meshy 7 เปิดให้ใช้การควบคุมเหล่านี้ผ่าน Flaq AI API -
เปรียบเทียบ Meshy 7 Text-to-3D กับ Rodin Text-to-3D
ตัวเลือกที่เหมาะสมขึ้นอยู่กับสิ่งที่ต้องการสร้างและเวิร์กโฟลว์ 3D ในขั้นตอนถัดไป Meshy 7 ผสานการสร้างจากพรอมป์ต์ เข้ากับตัวเลือกการสร้างเมชใหม่ การกำหนดท่าทาง ความสมมาตร และการควบคุม PBR -
เปรียบเทียบ Meshy 7 Text-to-3D กับ CSM
นักพัฒนาสามารถเปรียบเทียบข้อมูลนำเข้าที่รองรับ การควบคุมเมช ตัวเลือกพื้นผิว และเวิร์กโฟลว์ API ได้ Meshy 7 รับพรอมป์ต์ ข้อความและมีการตั้งค่ารูปทรงกับพื้นผิวที่ปรับได้ -
เปรียบเทียบ Meshy 7 Text-to-3D กับ Luma Genie
ทีมผลิตภัณฑ์ควรประเมินพฤติกรรมของโมเดล การควบคุมที่มี ข้อกำหนดของผลลัพธ์ และรูปแบบการผสานระบบ Meshy 7 ให้บริการเป็น API แบบงานบน Flaq AI -
เปรียบเทียบ Meshy 7 Text-to-3D กับ Meshy 7 Image-to-3D
Text-to-3D เหมาะกับเวิร์กโฟลว์ที่เริ่มจากแนวคิดที่เขียนเป็นข้อความ ส่วน Image-to-3D เป็นตัวเลือกที่สอดคล้องกันเมื่อควรใช้ ภาพต้นฉบับเป็นแนวทางให้กับโมเดลที่สร้าง