TripoSG

输入图片或文字，秒级生成高保真 3D 模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数字人3D 🍴 复刻 209 🐛 待处理 48 👀 关注 32

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1894

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可免费使用和部署。

项目预览

项目数据

分类数字人3D

开发团队VAST-AI-Research

官网地址https://yg256li.github.io/TripoSG-Page

GitHubhttps://github.com/VAST-AI-Research/TripoSG

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型3d-assets,3d-foundation-model,3d-genai,3d-generation,3d-reconstruction,generative-3d,image-to-3d,mesh-generation,rectified-flow,tripo

GitHub 星标★ 1894

上线时间2025-03-24 00:00:00

代码更新2025-04-18

仓库体积15.7 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

TripoSG 是一个基于大规模修正流模型的高保真 3D 形状生成开源项目，由 Tripo AI 团队开发。它解决了从单张图片或文本描述快速生成高质量 3D 模型的问题，核心能力包括：利用 rectified flow 技术实现稳定且细节丰富的 3D 形状合成，支持多视角输入，输出带有精细几何和纹理的网格模型。项目提供完整的训练和推理代码，以及预训练模型权重，方便研究者和开发者复现和二次开发。相比传统方法，TripoSG 在生成速度、几何精度和细节保真度上显著提升，适用于游戏资产、影视特效、电商展示等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1894

技术标签

3d-generation 3d-reconstruction image-to-3d

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 20 分钟部署方式：本地安装 6 步

环境要求

Python 3.10（README 中 conda 环境指定版本）
Conda（可选，README 用它创建隔离环境）
可访问 Hugging Face 的网络，用于自动下载模型权重
足够的磁盘空间存放预训练权重与输出模型

安装与启动步骤

1克隆代码仓库

从 GitHub 拉取 TripoSG 源码并进入项目目录，后续所有命令都在该目录下执行。
```
git clone https://github.com/VAST-AI-Research/TripoSG.git
cd TripoSG
```
2创建并激活环境

README 将 conda 环境标注为可选，环境名 tripoSG，Python 版本固定为 3.10。
```
conda create -n tripoSG python=3.10
conda activate tripoSG
```
3安装项目依赖

README 的 Installation 一节中「Install dependencies」代码块为空，未给出具体安装命令，请以仓库最新说明为准，这里不代填。
4从图片生成3D模型

用示例图片跑通图生3D流程，结果写入 --output-path 指定的 glb 文件。
```
python -m scripts.inference_triposg --image-input assets/example_data/hjswed.png --output-path ./output.glb
```
5限制输出网格面数

在基础命令上追加 --faces 参数控制生成网格的面数上限，示例为 5000 面。
```
python -m scripts.inference_triposg --image-input assets/example_data/hjswed.png --faces 5000 --output-path ./output.glb
```

6涂鸦加提示词生成

使用 scribble 脚本，需同时给出涂鸦图片、文本 prompt 和 --scribble-conf 强度。

python -m scripts.inference_triposg_scribble --image-input assets/example_scribble_data/cat_with_wings.png --prompt "a cat with wings" --scribble-conf 0.3 --output-path output.glb

关键配置

配置项	必填	说明	示例
`--image-input`	是	输入图片路径，图生3D必填	`assets/example_data/hjswed.png`
`--output-path`	是	输出 glb 网格文件的保存路径	`./output.glb`
`--faces`	否	限制输出网格的面数	`5000`
`--prompt`	否	涂鸦模式下的文本提示词	`a cat with wings`
`--scribble-conf`	否	涂鸦条件强度，涂鸦脚本使用	`0.3`
`pretrained_weights/TripoSG`	否	图生3D权重自动下载目录，无需手动配置	`pretrained_weights/TripoSG`

如何确认成功

推理命令执行完，在 --output-path 指定位置成功生成 output.glb 文件即表示运行成功；首次运行会先自动下载模型权重。

常见问题

Q：需要手动下载模型权重吗？

A：不需要。README 说明所需权重会自动下载：TripoSG、TripoSG-scribble 以及 RMBG-1.4，分别存放到 pretrained_weights 下的对应目录。

Q：安装依赖的命令是什么？

A：README 的「Install dependencies」代码块内容为空，未给出命令，本文不做推测，请查看仓库最新说明或依赖清单文件。

Q：生成出来的文件在哪里？

A：由 --output-path 参数决定，官方示例中输出为当前目录下的 ./output.glb 或 output.glb。

Q：涂鸦模式为什么必须写 prompt？

A：示例命令使用了 --image-input、--prompt 与 --scribble-conf 三个参数配合，缺少提示词无法复现官方用法。

注意事项

README 未提供依赖安装命令，实际安装方式请以仓库最新版本为准。
首次推理会自动下载多个预训练权重，耗时较长并占用较多磁盘空间。
conda 环境在 README 中标注为可选，也可以用其他 Python 3.10 环境替代。
示例命令依赖 assets/example_data 与 assets/example_scribble_data 中的示例图片，请确认克隆完整。

核心亮点

基于 rectified flow 的先进生成框架，几何细节和纹理质量远超传统方法
支持单图/多图输入，生成结果具有高拓扑质量和 UV 纹理
提供完整训练代码和预训练权重，便于学术研究和商业落地

不足之处

对输入图片质量较敏感，低分辨率或遮挡严重时生成效果下降
文档和社区支持尚待完善，英文资料为主，上手门槛较高

适用场景

游戏和影视行业快速生成 3D 资产
电商和 AR/VR 展示中创建产品模型
3D 打印和设计领域快速原型制作

替代项目

TripoSR、LGM (Large Multi-View Gaussian Model)、Zero123

上一篇：MotionGPT

下一篇：One-2-3-45