智东西

作者 | 陈骏达

编辑 | 心缘

智东西3月19日报道，今天，持续2天的混元3D开源日活动收官，腾讯混元一次性开源了5款全新的3D生成模型。其中，运用了腾讯自研3D生成加速框架FlashVDM的3款模型，实现了秒级3D资产生成，较今年早些时候开源的Hunyuan3D-2版本提速30倍左右。

▲左侧的Hunyuan3D-2 Turbo正高速生成3D模型

除了生成速度的提升之外，本次腾讯混元开源的3D模型还在贴图细节、材质表达上有明显提升。基于物理渲染（PBR）功能背后的模型从测试版升级到正式版，能让3D模型在渲染过程中更加真实，符合物理规律。

▲腾讯混元3D模型开源页面

面向创作者，腾讯自研的3D AI创作引擎迎来升级。新增的多视图输入功能可提升创作过程中的可控性，模型3D智能减面功能则可以降低模型的渲染压力。这一引擎还可以作为插件，直接在3D编辑工具Blender中生成3D资产。

现在，这一创作引擎已经支持了更多主流3D格式，可直接3D打印，也可将3D生成结果作为视频和动图分享，满足不同类型用户的使用需求。

体验链接：https://3d.hunyuan.tencent.com/

一、半秒钟生成3D模型，计算量暴砍超95%

本次开源活动中最大的亮点便是实现秒级3D资产生成的3款Turbo加速版模型，包括Hunyuan3D-2 Turbo、Hunyuan3D-2mini Turbo及Hunyuan3D-2mv Turbo。

这3款模型均采用了腾讯自研的FlashVDM通用加速架构，主要适用于在端侧快速生成3D资产，Hunyuan3D-2mv Turbo进一步支持了多视图输入。FlashVDM这一架构不仅能用于混元3D模型，也兼容大部分其他3D生成模型。

采用FlashVDM加速架构的模型，能将显存占用降低到5GB以内，生成时间缩短到1秒以内，兼容MacOS、Windows等操作系统，英伟达4050、3050、2060、1070等显卡均可以快速运行，若设备没有配备显卡，也可以在搭载M1等CPU的设备上流畅运行，获得比较合理的运行速度。

这一加速究竟是如何实现的呢？混元团队分享，3D模型的生成就好比堆积木，VAE解码是将画面分为多个积木，而将积木组装起来的流程便是DiT采样，上述两个环节占据了生成过程中超过99%的计算负载。

目前，主流3D生成模型采用Vecset架构。以采用这一架构的Hunyuan3D-2为例，生成一个3D模型大约需要半分钟。经过FlashVDM加速后，Hunyuan3D-2的生成耗时最短可以达到1秒钟，而Hunyuan3D-2 mini模型生成耗时最短可达半秒钟。

在DiT环节，FlashVDM的渐进式流蒸馏技术将标准版模型几十个推理步骤浓缩至个位数。在VAE环节，层次化体素解码技术将体素查询量减少了95%，动态KV选取降低30%，在与高效网络设计的结合后，计算量还可以进一步降低。

加速并未对模型的生成效果带来明显影响。在专业创作者的盲测中，仅用5-8步实现模型生成的Turbo模型，与未经加速的原版模型相比，可比率达到90%左右。

混元团队也分享了他们开发FlashVDM的原因。一方面，艺术家对3D模型的生成质量和可控性有一定要求，但在创作过程中，艺术家也需要有即时的反馈，才能快速迭代设计。在复杂场景中，如果能将单个模型的速度从30秒-60秒降低到1秒，将会极大地节约创作时间。

二、随手拍可生成3D手办，支持3D打印主流格式

腾讯混元3D AI创作引擎在开源日中迎来一系列升级。Web端多视图功能背后的模型Hunyuan3D-2mv，轻量版模型Hunyuan3D-2mini相应开源，而完整版的Hunyuan3D-2已经于今年稍早时候开源。

首先是多视图功能，这一功能支持用户上传2-4张标准视角图片，从而生成高精度、高质量的3D模型。

多视图模型提升了用户对生成结果的可控性，针对游戏制作、3D UGC创作等场景，可以大幅降低3D设计师从多视图原画到三维模型的制作成本。

在直播活动的实测中，测试人员用手机摄像头拍摄了随意放置在纸杯上的腾讯企鹅公仔，并上传正反面照片，模型在1分钟之后便给出了这一场景的3D建模。

▲左图、右图为手机实拍，中间为3D模型

腾讯混元3D AI创作引擎还引入了3D智能减面能力。在建模过程中，AI模型可能会将一些画面刻画得过于细致，切分为成千上万个三角面，这会给后续3D资产的渲染带来很大压力。

3D智能减面可以自适应生成几百至数千面的三角面，进一步提升几何边缘平滑度，生成结果可在低面片的基础上最大化体现模型细节，让模型布线更加规整，以降低渲染难度，提升模型可用率及生产效率。

实测中，在生成桌子这类几何结构较为简单的模型上，智能减面极大地减少了模型的三角面数量。而在生成下方的的青龙3D模型时，智能减面会在细节丰富的部位保留更多面数，在细节不多的部位自动减少面数，实现了成本和效果的平衡。

此次升级还实现了PBR（基于物理渲染技术）的材质生成效果提升，通过物理特性模拟技术，赋予模型更真实的颜色与材质表达。

兼容性上，除通用OBJ、GLB、FBX外，腾讯混元3D AI创作引擎现在可输出STL、USDZ、GiF、MP4等主流格式，无缝连接3D打印工具，也可支持模型快速预览及移动端实时交互，满足不同业务场景对3D模型格式的使用要求。

结语：多款模型获创作者好评，未来将持续升级

据腾讯混元团队分享，他们未来还将进一步提升模型和加速框架的性能。FlashVDM目前仅支持对3D模型生成的加速，而未来将加入对纹理生成的支持，从模型到纹理的生成管线总耗时有望控制在10秒钟以内，AI编辑功能也在研发过程中。

在腾讯混元3D开源日的直播过程中，有不少网友对混元3D模型的表现和开源决策表达了赞赏。相信无论是动漫创作者、游戏开发者等创意人士，还是3D模型的开发者，都能本次开源的模型中受益。