將一張參考圖片轉換為 3D 模型，可設定對齊、朝向、紋理、材質、幾何結構、比例和網格選項。
Meshy 7 相關模型
API 範例
提交範例
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;
輪詢範例
// 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));
}
提交範例
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']
輪詢範例
# 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)
提交範例
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"
}'
輪詢範例
# 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"
Meshy 7 Image to 3D 價格
| 參數 | 價格 | 原價 | 折扣 |
|---|
README
Meshy 7 Image-to-3D API（單張影像生成 3D，支援選用 PBR）
Meshy 7 Image-to-3D API 根據單張來源影像生成 3D 模型，適用於遊戲開發、數位設計、產品 視覺化及創意原型製作。開發者可設定拓樸結構、目標多邊形數量、重新網格化、對稱性、 類人角色姿勢及選用的 PBR 材質。此模型透過 Flaq AI 提供，也接受文字或影像引導， 用於紋理工作流程。
Meshy 7 Image-to-3D API 的主要功能
-
單張影像生成 3D： 使用一張參考影像引導生成的 3D 模型的主體與外觀。
-
可設定的拓樸結構： 依據後續工作流程的需求，選擇三角形或四邊形拓樸。
-
目標多邊形數量控制： 在支援範圍內設定目標多邊形數量，以引導網格密度。
-
重新網格化與對稱性選項： 控制是否重新生成網格，以及如何套用對稱性。
-
類人角色姿勢引導： 為合適的類人主體選擇支援的姿勢選項。
-
選用 PBR 與紋理引導： 啟用 PBR 材質生成，並使用提示詞或參考 影像引導紋理生成。
如何在 Flaq AI 上使用 Meshy 7 Image-to-3D API 生成 3D
-
輸入： 一個必填的影像 URL，以及選填的拓樸結構、目標多邊形數量、重新網格化、對稱性、類人角色姿勢、PBR、 紋理提示詞及紋理影像設定。
-
輸出： 生成的 3D 模型，可附帶 PBR 材質紋理，透過 Flaq AI 任務工作流程回傳。
-
網格控制： 選擇三角形或四邊形拓樸、設定目標多邊形數量，並選擇是否對生成的幾何體 進行重新網格化。
-
姿勢控制： 當來源影像中的主體適合姿勢引導時，使用支援的類人角色姿勢設定。
-
能力： 單張影像生成 3D，支援設定網格、姿勢、對稱性及紋理控制。
Meshy 7 Image-to-3D API 整合的最佳應用情境
-
概念圖轉 3D： 將角色、道具或環境參考圖轉換為初始模型，以供進一步開發。
-
產品視覺化： 根據產品影像建立 3D 概念模型，以供檢視並為互動式 體驗做準備。
-
角色設計： 根據合適的角色參考圖生成基礎模型，再於後續工具中繼續進行骨架綁定 及細化。
-
收藏品與公仔概念設計： 將已獲核准的美術作品轉換為基礎幾何體，以便後續檢查及製造 準備。
-
視覺特效與預演： 建立由參考圖引導的模型，用於場景規劃、佈局及早期資產探索。
注意 單張影像無法呈現物體的所有表面，因此不可見的幾何結構由模型推斷，需要進行 檢視。請確保來源影像符合適用的著作權與智慧財產權要求。
Meshy 7 Image-to-3D 與競品：比較分析
-
Meshy 7 Image-to-3D 與 Tripo Image-to-3D
比較這些模型時，團隊應評估輸入要求、拓樸控制、目標多邊形設定、紋理 工作流程及整合需求。Meshy 7 透過 Flaq AI 提供這些選項。 -
Meshy 7 Image-to-3D 與 Rodin Image-to-3D
最佳模型取決於主體、期望的幾何結構及後續工作流程。Meshy 7 將單張影像 生成與選用的重新網格化、姿勢引導、對稱性及 PBR 控制相結合。 -
Meshy 7 Image-to-3D 與 Stable Fast 3D
開發者可比較模型表現、可用的網格控制、輸出要求及部署方式。Meshy 7 透過 Flaq AI 上的代管任務 API 提供。 -
Meshy 7 Image-to-3D 與 CSM Image-to-3D
產品團隊應評估主體涵蓋範圍、幾何體控制、紋理引導及 API 整合。Meshy 7 接受一張來源影像及可設定的生成選項。 -
Meshy 7 Image-to-3D 與 Meshy 7 Multiview-to-3D
Image-to-3D 需要一張來源影像。當有更多視角的參考圖時，Multiview-to-3D 可接受多張參考影像。