---
title: TripoSplat-MLX
canonical_url: "https://www.modelscope.cn/models/Jup33Q/TripoSplat-MLX"
md_url: "https://www.modelscope.cn/models/Jup33Q/TripoSplat-MLX.md"
repository: Jup33Q/TripoSplat-MLX
last_updated: 2026-07-24
license: other
parameters: 1.8B
tensor_type:
  - F16
  - F32
  - I64
  - BF16
library_name:
  - mlx
  - safetensors
frameworks:
  - MLX
downloads: 50
stars: 0
tags:
  - mlx
  - triposplat
  - 3d-gaussian-splatting
  - image-to-3d
  - apple-silicon
---

# TripoSplat-MLX

> TripoSplat-MLX - Jup33Q 在 ModelScope 开源的模型。TripoSplat 在 Apple Silicon 上的 MLX 原生实现。

Jup33Q/TripoSplat-MLX 是 ModelScope 魔搭社区上的 1.8B 参数机器学习模型，采用 other 许可。

- **Repository**: Jup33Q/TripoSplat-MLX
- **License**: other
- **Parameters**: 1.8B
- **Tags**: mlx, triposplat, 3d-gaussian-splatting, image-to-3d, apple-silicon
- **Downloads**: 50
- **Stars**: 0
- **Last updated**: 2026-07-24

Source: https://www.modelscope.cn/models/Jup33Q/TripoSplat-MLX

---

# TripoSplat MLX

[TripoSplat](https://github.com/VAST-AI-Research/TripoSplat) 在 Apple Silicon 上的 MLX 原生实现。

本仓库包含 TripoSplat 各子模块的 MLX 移植：

- **`mlx_models/dinov3_mlx.py`** — DinoV3 ViT-H/16+ 图像编码器
- **`mlx_models/flux2vae_mlx.py`** — Flux2 VAE 编码器
- **`mlx_models/flow_mlx.py`** — LatentSeqMMFlowModel（24 层多模态流 Transformer）

原版 TripoSplat 的 `OctreeGaussianDecoder` 由于动态采样逻辑复杂，仍保留在 PyTorch MPS 上运行。

## 权重文件

| 文件 | 大小 | 说明 |
|------|------|------|
| `dino_v3_vit_h.safetensors` | 1.6 GB | DinoV3 ViT-H/16+ 图像编码器 |
| `flux2-vae.safetensors` | 336 MB | Flux2 VAE 编码器 |
| `triposplat_fp16.safetensors` | 741 MB | LatentSeqMMFlowModel（流 Transformer） |
| `triposplat_vae_decoder_fp16.safetensors` | 576 MB | TripoSplat VAE 解码器 |
| `birefnet.safetensors` | 444 MB | BiRefNet 背景移除 |

## 下载

使用 ModelScope SDK（OAuth 访问令牌方式，见 https://modelscope.cn/my/myaccesstoken ）：

```bash
pip install modelscope

# 整仓下载
modelscope download --model Jup33Q/TripoSplat-MLX

# 或下载单个文件
modelscope download --model Jup33Q/TripoSplat-MLX triposplat_fp16.safetensors
```

Python 方式：

```python
from modelscope import snapshot_download

path = snapshot_download("Jup33Q/TripoSplat-MLX")
```

## 使用示例

```python
from mlx_models.dinov3_mlx import DinoV3ViT
from mlx_models.flux2vae_mlx import Flux2VAEEncoder
from mlx_models.flow_mlx import LatentSeqMMFlowModel

dino = DinoV3ViT()
dino.load_safetensors("dino_v3_vit_h.safetensors")

vae = Flux2VAEEncoder()
vae.load_safetensors("flux2-vae.safetensors")

flow = LatentSeqMMFlowModel(
    q_token_length=8192, in_channels=16, cam_channels=5, out_channels=16,
    model_channels=1024, cond_channels=1280, cond2_channels=128,
    num_refiner_blocks=2, num_blocks=24, num_heads=16, mlp_ratio=4,
    qk_rms_norm=True, share_mod=True, use_shift_table=True,
)
flow.load_safetensors("triposplat_fp16.safetensors")
```

## 完整流水线

完整的文本转 3D 流水线（FLUX.2-klein-9B → BiRefNet → TripoSplat）见主项目：

- GitHub: https://github.com/Jup33Q/tripoflux-mlx
- HuggingFace: https://huggingface.co/Jup33QE/tripoflux-mlx

## 许可证

本仓库为**混合许可证**。整体用途由限制最严格的文件决定 —— 由于包含
`flux2-vae.safetensors`，本仓库整体**仅限非商业用途**。

### ⛔ 非商业 —— 单独限制

| 文件 | 上游 | 许可证 | 条款 |
|------|------|--------|------|
| `flux2-vae.safetensors` | [black-forest-labs/FLUX.2-klein-9B](https://huggingface.co/black-forest-labs/FLUX.2-klein-9B) | **FLUX Non-Commercial License** | 权重上游为门控模型。权重或其输出的商业使用需要 Black Forest Labs 的付费许可。如需完全宽松的技术栈，请删除此文件并在运行时接受上游条款后从门控仓库加载 VAE。 |

### ⚠️ 自定义宽松许可证 —— 再分发需署名

| 文件 | 上游 | 许可证 | 条款 |
|------|------|--------|------|
| `dino_v3_vit_h.safetensors` | [facebook/dinov3](https://github.com/facebookresearch/dinov3) | **DINOv3 License** | 允许商业使用，但任何副本或衍生作品的再分发必须附带 DINOv3 许可证文本。上游下载为门控且在受制裁地区不可用。 |

### ✅ MIT —— 宽松核心

| 文件 | 上游 | 许可证 |
|------|------|--------|
| `triposplat_fp16.safetensors` | [VAST-AI/TripoSplat](https://huggingface.co/VAST-AI/TripoSplat) | MIT |
| `triposplat_vae_decoder_fp16.safetensors` | [VAST-AI/TripoSplat](https://huggingface.co/VAST-AI/TripoSplat) | MIT |
| `birefnet.safetensors` | [ZhengPeng7/BiRefNet](https://huggingface.co/ZhengPeng7/BiRefNet) | MIT |
| `mlx_models/*.py` | 本仓库（MLX 移植） | MIT |

`mlx_models/` 中的 MLX 移植代码以 [MIT 许可证](https://opensource.org/licenses/MIT)
发布，与主项目一致。