Нейросеть для 3д: что умеет, что нет

Что делает нейросеть для 3д на самом деле?

Нейросеть для 3д превращает текстовое описание или одну картинку в трёхмерный меш — сетку из треугольников с натянутой текстурой. Модель угадывает форму целиком, за один проход, а не собирает её из примитивов, как человек в Blender. На выходе получается файл OBJ, GLB или PLY, который дальше открывают в редакторе и доводят руками.

Спрос в русском поиске распадается надвое. Wordstat в августе 2026 отдаёт 3 570 показов в месяц у фразы «нейросеть для 3д»; внутри куста 331 показ у «нейросеть для 3д печати» и 232 у «нейросеть для 3д принтера». Остальные ищут ассеты для игр, рекламы и визуализации. Требования у принтера и у игрового движка разные, и одна модель их не закрывает.

Оговорка про нас: 3D-генератора в каталоге Trackly нет, доступ к нему мы не продаём. Дальше идёт разбор чужих проектов, выложенных в открытый доступ.

Почему смотреть стоит именно репозитории

Русские подборки «топ-7 нейросетей для 3D» перечисляют названия и тарифы, но обходят стороной главное: что физически лежит в скачанном файле и на каком железе это запускается. Открытый репозиторий отвечает на оба вопроса — там есть README с требованиями, аргументы командной строки со значениями по умолчанию и дата последнего коммита. Ниже цифры взяты именно оттуда.

Text-to-3D и image-to-3D: два разных маршрута

Image-to-3D работает надёжнее, чем генерация сразу из текста, и это признают сами авторы моделей. В README проекта TRELLIS от Microsoft Research стоит прямая рекомендация: делать text-to-3D в два хода — сначала получить картинку у text-to-image модели, потом отдать её image-версии TRELLIS. Причина названа там же: текстовые модели выходят менее детальными из-за ограничений обучающих данных.

В 2024 году Microsoft Research опубликовала TRELLIS вместе со статьёй Structured 3D Latents for Scalable and Versatile 3D Generation. Модели обучены на наборе из 500 тысяч объектов, старшая версия несёт 2 миллиарда параметров. Код вышел под лицензией MIT и к 7 августа 2026 собрал больше 13 тысяч звёзд, при этом в репозитории нет ни одного тега релиза — ставится только текущая ветка main.

Отсюда рабочая схема для новичка. Если нужна конкретная вещь (стул, кружка, шлем персонажа), сначала добейтесь верной формы и ракурса на плоской картинке и только потом поднимайте картинку в объём.

Какие открытые 3д-модели лежат на GitHub?

Живых проектов немного, и делятся они по входу: одни принимают картинку, другие текст. В таблице — состояние на 7 августа 2026.

Проект	Кто выложил	Вход	Что на выходе	Лицензия
TRELLIS	Microsoft Research	картинка или текст	меш, гауссианы, radiance field, экспорт в GLB	MIT
TripoSR	Tripo AI и Stability AI	одна картинка	OBJ с цветом в вершинах	MIT
Hunyuan3D 2.1	Tencent	картинка	меш плюс PBR-материалы	своя лицензия Tencent
Shap-E	OpenAI	текст	неявная функция, из неё меш или NeRF	MIT
Point-E	OpenAI	текст	облако точек, затем меш	MIT

Самый быстрый в списке — TripoSR от Tripo AI и Stability AI. В техническом описании заявлена реконструкция быстрее 0,5 секунды на видеокарте NVIDIA A100. Качество формы там ниже, чем у TRELLIS, зато модель влезает в скромную память и годится для быстрой прикидки силуэта.

Отдельная история — китайские разработки, их ищут прямо по фразе «китайская нейросеть для 3д» (260 показов в месяц). Веса Hunyuan3D 2.1 Tencent выложила 14 июня 2025 года: модель формы весит 3,3 миллиарда параметров, а вместе с ней в открытый доступ ушёл и код обучения. Технический отчёт опубликован как arXiv 2506.15442. Главное отличие от предыдущих версий — генерация PBR-материалов вместо одной запечённой раскраски.

Что из этого уже не развивается

Проекты OpenAI Point-E и Shap-E остановились: последние коммиты в обоих репозиториях датированы 2024 годом. Работают они по-прежнему, но качество меша заметно уступает моделям 2025–2026 годов. Для учебного разбора механики они годятся, для реальной работы уже нет.

В каком виде модель отдаёт результат?

Тут прячется подвох. TripoSR по умолчанию сохраняет .obj, и цвет в нём лежит в вершинах, а не в текстуре: в скрипте запуска за это отвечает флаг --bake-texture, который надо включить руками, чтобы получить текстурный атлас (по умолчанию его разрешение 2048 пикселей). Вершинный цвет умирает при первом же упрощении сетки — на плотном меше он выглядит нормально, после децимации превращается в кашу.

Детальность формы у TripoSR задаётся параметром --mc-resolution со значением по умолчанию 256. Это разрешение сетки marching cubes: чем выше число, тем мельче детали и тем больше треугольников. Крутить его вверх бесконечно нельзя — растёт и время, и память.

TRELLIS отдаёт три представления сразу: гауссово облако, radiance field и меш. Сборка GLB в примере из репозитория вызывается с двумя параметрами: simplify=0.95, то есть по умолчанию выбрасывается 95% треугольников, и texture_size=1024. Если модель кажется вам угловатой, первое, что стоит поправить, — это как раз коэффициент упрощения.

GLB — это контейнер glTF, который Khronos Group продвигает как единый формат передачи 3D: геометрия, материалы и текстуры лежат в одном файле. Его понимают браузеры, Unity и Unreal. А вот STL, который ждёт слайсер 3D-принтера, ни один из перечисленных проектов напрямую не выдаёт.

Годится ли меш из нейросети для 3д-печати?

Как есть — почти никогда, и причина формальная. Спецификация 3MF требует от сетки манифольдности: каждое ребро треугольника делится ровно с одним соседним треугольником, а нормали смотрят наружу. В 3MF Core Specification прямо сказано, что при выполнении этих правил меш становится непрерывной поверхностью без дыр, щелей и открытых рёбер, а сетка с отрицательным объёмом просто не будет напечатана.

Генеративная модель такой гарантии не даёт. Она восстанавливает видимую поверхность, а не замкнутое тело, и легко оставляет самопересечения, вывернутые нормали и незакрытое дно предмета. На форуме ixbt люди годами ищут «бесплатную нейросеть для генерации 3d-модели в STL» — короткий ответ: такой кнопки в открытом доступе нет, ремонт геометрии остаётся ручным этапом.

Чинят это в редакторе. В Blender есть штатный поиск проблем: пункт Select All by Trait → Non Manifold подсвечивает рёбра без граней, дыры на границах, рёбра, принадлежащие трём и более граням, и пары граней с противоположными нормалями. Дальше руками: залатать, пересчитать нормали, проверить толщину стенок и только потом экспортировать в STL.

Второй момент — масштаб. Модель не знает, что кружка должна быть высотой 9 сантиметров: она работает в безразмерных координатах. Реальные размеры задаёт человек уже в редакторе или слайсере.

Подойдёт ли ассет для игрового движка?

Для фона и реквизита — да, для главного героя — нет. Сетка из генератора приходит хаотичной: нет чистой квадовой топологии, нет продуманной развёртки UV, нет петель рёбер по местам сгиба. Скелет к такому мешу привязывается плохо, деформации ломаются на первом же кадре анимации.

Рабочая практика выглядит так: сгенерированный объект берут как болванку, поверх делают ретопологию, заново разворачивают UV и запекают детали в карты нормалей. Экономия всё равно ощутимая — этап поиска формы и пропорций пропускается целиком.

Здесь и выстреливает PBR у Hunyuan3D 2.1. Текстурная часть там собирается из шести ракурсов при разрешении 512 пикселей и отдаёт физически корректные материалы, а не одну плоскую раскраску. Ассет с такими картами встаёт в Unity или Unreal без ручной перенастройки шейдера.

Какое железо нужно, чтобы запустить это у себя?

Разброс огромный, и это главный практический критерий выбора. TRELLIS требует видеокарту NVIDIA минимум с 16 гигабайтами памяти; в README указано, что код проверяли на A100 и A6000 и тестировали только под Linux, а инструкция для Windows живёт в issue № 3 с пометкой «проверено не полностью».

TripoSR на этом фоне почти домашний: в README сказано, что настройки по умолчанию для одной картинки занимают около 6 гигабайт видеопамяти. Hunyuan3D 2.1 самый прожорливый — авторы приводят три цифры: 10 ГБ на генерацию формы, 21 ГБ на текстуры и 29 ГБ, если делать всё за один прогон. Для слабых карт там предусмотрен флаг --low_vram_mode.

Есть и путь без своего железа — публичные демо на Hugging Face. У TRELLIS и Hunyuan3D открыты Spaces, где модель крутится на чужих видеокартах. Очередь бывает длинной, зато ставить CUDA и собирать зависимости не придётся.

Где взять исходную картинку для image-to-3D

Из чистой картинки меш выходит заметно лучше, чем из случайного фото, и этот шаг решается обычным генератором изображений. Требования к исходнику простые: один предмет в кадре, ровный светлый фон, ракурс три четверти, силуэт не обрезан краем. TripoSR, кстати, вырезает фон сам, если не передать ему флаг --no-remove-bg.

Такую заготовку удобно собрать в каталоге моделей Trackly: Nano Banana Pro понимает русский, держит форму предмета при правках и стоит 90 токенов за картинку. Дальше вы скачиваете PNG и отдаёте его в TRELLIS, TripoSR или Hunyuan3D. Оплата рублями, VPN не нужен, интерфейс на русском.

Само описание предмета тоже пишется по правилам — про структуру запроса есть разбор промптов для нейросетей. Если объём нужен не ради предмета, а ради комнаты, посмотрите гайд по дизайну интерьера нейросетью: там задача закрывается плоской визуализацией, без всякого меша. А тем, кому важны размеры и посадочные места, полезнее статья про нейросети для чертежей.

Что выбрать под свою задачу

Выбор упирается в то, куда поедет результат, и в объём видеопамяти. Для максимального качества формы берите TRELLIS, если есть карта на 16 ГБ. Для быстрой прикидки силуэта на слабом железе — TripoSR с его шестью гигабайтами. Для игрового ассета с честными материалами — Hunyuan3D 2.1, при условии, что найдёте 21 ГБ под текстурный проход.

Под печать не берите ничего вслепую: сначала меш, потом обязательная починка геометрии по правилам 3MF, и только потом слайсер. Сервисы, которые обещают «текст → STL» одной кнопкой, делают этот ремонт за вас — просто не рассказывают об этом.

Источники

• TRELLIS — репозиторий Microsoft Research, README: требования к железу и рекомендация по text-to-3D (проверено 07.08.2026)
• Structured 3D Latents for Scalable and Versatile 3D Generation, arXiv 2412.01506 (проверено 07.08.2026)
• TripoSR: Fast 3D Object Reconstruction from a Single Image, arXiv 2403.02151 (проверено 07.08.2026)
• Hunyuan3D 2.1 — репозиторий Tencent, README: размер модели и расход видеопамяти (проверено 07.08.2026)
• Технический отчёт Hunyuan3D 2.1, arXiv 2506.15442 (проверено 07.08.2026)
• Shap-E — репозиторий OpenAI (проверено 07.08.2026)
• 3MF Core Specification, требования к сетке (проверено 07.08.2026)
• Blender Manual: Select All by Trait, Non Manifold (проверено 07.08.2026)
• glTF — обзор формата, Khronos Group (проверено 07.08.2026)