将一张参考图片转换为 3D 模型，可配置对齐、朝向、纹理、材质、几何结构、比例和网格选项。
Meshy 7 相关模型
API 示例
提交示例
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;
轮询示例
// 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));
}
提交示例
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']
轮询示例
# 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)
提交示例
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"
}'
轮询示例
# 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 价格
| 参数 | 价格 | 原价 | 折扣 |
|---|
README
Meshy 7 Image-to-3D API（单图生成 3D，支持可选 PBR）
Meshy 7 Image-to-3D API 根据单张源图像生成 3D 模型，适用于游戏开发、数字设计、产品 可视化和创意原型制作。开发者可以配置拓扑结构、目标多边形数量、重新网格化、对称性、 类人角色姿势及可选的 PBR 材质。该模型通过 Flaq AI 提供，还接受文字或图像引导， 用于纹理工作流。
Meshy 7 Image-to-3D API 的主要功能
-
单图生成 3D： 使用一张参考图像引导生成的 3D 模型的主体和外观。
-
可配置的拓扑结构： 根据后续工作流的需求选择三角形或四边形拓扑。
-
目标多边形数量控制： 在支持的范围内设置目标多边形数量，以引导网格密度。
-
重新网格化与对称性选项： 控制是否重新生成网格以及如何应用对称性。
-
类人角色姿势引导： 为合适的类人主体选择支持的姿势选项。
-
可选 PBR 与纹理引导： 启用 PBR 材质生成，并使用提示词或参考 图像引导纹理生成。
如何在 Flaq AI 上使用 Meshy 7 Image-to-3D API 生成 3D
-
输入： 一个必填的图像 URL，以及可选的拓扑结构、目标多边形数量、重新网格化、对称性、类人角色姿势、PBR、 纹理提示词和纹理图像设置。
-
输出： 生成的 3D 模型，可附带 PBR 材质纹理，通过 Flaq AI 任务工作流返回。
-
网格控制： 选择三角形或四边形拓扑，配置目标多边形数量，并选择是否对生成的几何体 进行重新网格化。
-
姿势控制： 当源图像中的主体适合姿势引导时，使用支持的类人角色姿势设置。
-
能力： 单图生成 3D，支持配置网格、姿势、对称性和纹理控制。
Meshy 7 Image-to-3D API 集成的最佳应用场景
-
概念图转 3D： 将角色、道具或环境参考图转化为初始模型，以供进一步开发。
-
产品可视化： 根据产品图像创建 3D 概念模型，以供审查并为交互式 体验做准备。
-
角色设计： 根据合适的角色参考图生成基础模型，再在后续工具中继续进行骨骼绑定 和细化。
-
收藏品与手办概念设计： 将已获批准的美术作品转化为基础几何体，以便后续检查和制造 准备。
-
视觉特效与预演： 创建由参考图引导的模型，用于场景规划、布局和早期资产探索。
注意 单张图像无法展示物体的所有表面，因此不可见的几何结构由模型推断，需要进行 审查。请确保源图像符合适用的版权和知识产权要求。
Meshy 7 Image-to-3D 与竞品：对比分析
-
Meshy 7 Image-to-3D 与 Tripo Image-to-3D
比较这些模型时，团队应评估输入要求、拓扑控制、目标多边形设置、纹理 工作流和集成需求。Meshy 7 通过 Flaq AI 提供这些选项。 -
Meshy 7 Image-to-3D 与 Rodin Image-to-3D
最佳模型取决于主体、期望的几何结构和后续工作流。Meshy 7 将单图 生成与可选的重新网格化、姿势引导、对称性和 PBR 控制相结合。 -
Meshy 7 Image-to-3D 与 Stable Fast 3D
开发者可以比较模型表现、可用的网格控制、输出要求和部署方式。Meshy 7 通过 Flaq AI 上的托管任务 API 提供。 -
Meshy 7 Image-to-3D 与 CSM Image-to-3D
产品团队应评估主体覆盖范围、几何体控制、纹理引导和 API 集成。Meshy 7 接受一张源图像和可配置的生成设置。 -
Meshy 7 Image-to-3D 与 Meshy 7 Multiview-to-3D
Image-to-3D 需要一张源图像。当有更多视角的参考图时，Multiview-to-3D 可接受多张参考图像。