---
title: p_ai_3d_generator
canonical_url: "https://www.modelscope.cn/studios/hajiyang/p_ai_3d_generator"
md_url: "https://www.modelscope.cn/studios/hajiyang/p_ai_3d_generator.md"
repository: hajiyang/p_ai_3d_generator
chinese_name: "AI 3D模型生成器"
last_updated: 2025-08-03
sdk_type: gradio
sdk_version: 5.34.1
downloads: 0
stars: 3
---

# p_ai_3d_generator

> p_ai_3d_generator - hajiyang 在 ModelScope 创建的在线 Demo。基于Point-E和LLM的智能3D模型生成系统，支持中英文自然语言描述和并行处理。

hajiyang/p_ai_3d_generator 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 5.34.1 构建，中文名为「AI 3D模型生成器」。

- **Repository**: hajiyang/p_ai_3d_generator
- **SDK**: gradio
- **SDK version**: 5.34.1
- **Downloads**: 0
- **Stars**: 3
- **Last updated**: 2025-08-03

Source: https://www.modelscope.cn/studios/hajiyang/p_ai_3d_generator

---

# AI 3D模型生成器 🎨

基于Point-E和LLM的智能3D模型生成系统，支持中英文自然语言描述和并行处理。

## ⚠️ 重要提示

**魔搭创空间仅作功能展示，实际运行速度过慢。建议通过压缩包将源代码保存至本地，通过CUDA运行以获得最佳性能。**

## ✨ 核心特性

- 🧠 **智能理解**: 集成DeepSeek-V3 LLM，支持复杂中英文自然语言理解
- 🔄 **并行处理**: 多任务并发执行，模型池复用，提升生成效率
- 👥 **多用户支持**: 独立用户会话和工作空间，任务状态实时跟踪
- 🌍 **双语支持**: 完整支持中文和英文输入处理
- 🛡️ **降级处理**: 无API密钥时自动切换至关键词匹配模式
- 📱 **现代界面**: 基于Gradio 4.0的响应式Web界面
- 💾 **智能存储**: 自动文件管理和用户空间隔离

## 🚀 快速开始

### 环境要求
- Python 3.8+
- NVIDIA GPU (推荐GTX 1060+)
- CUDA 11.0+
- 至少8GB RAM
- 15GB可用磁盘空间

### 安装步骤

1. **克隆项目**
```bash
git clone <repository-url>
cd ai-3d-generator
```

2. **安装依赖**
```bash
pip install -r requirements.txt
```

3. **启动应用**
```bash
python app.py
```

4. **访问界面**
打开浏览器访问 `http://localhost:7860`

### 使用流程

1. **设置API密钥**（可选）
   - 获取SiliconFlow API密钥启用智能模式
   - 无密钥时使用简单关键词匹配模式

2. **初始化模型池**
   - 首次使用点击"初始化模型池"
   - 自动下载Point-E模型文件（约5-10分钟）

3. **输入模型描述**
   ```
   中文示例: "绿色的椅子", "现代风格的木质书桌"
   英文示例: "blue ceramic vase", "vintage leather sofa"
   复杂描述: "我想要一个简约风格的白色沙发，材质是皮革的"
   ```

4. **提交生成任务**
   - 调整Temperature控制创造性
   - 系统分配任务ID并开始处理

5. **查看生成进度**
   - 实时查看任务状态和处理进度
   - 支持多任务并行执行

6. **下载3D模型**
   - 生成完成后下载PLY格式文件
   - 使用推荐工具查看和编辑

## 🛠️ 技术架构

### 核心组件

- **文本处理器**: 集成LLM智能理解和简单关键词匹配
- **模型池管理**: ThreadPoolExecutor + 模型实例复用
- **用户会话管理**: 独立工作空间和任务跟踪
- **并行执行引擎**: 支持多任务同时处理

### 处理流程

1. **输入处理**: 自动语言检测和文本清理
2. **智能解析**: LLM生成结构化参数或关键词匹配
3. **任务调度**: 提交至线程池等待模型资源
4. **点云生成**: Point-E文本到点云转换
5. **网格转换**: Marching Cubes算法生成3D网格
6. **文件保存**: 输出标准PLY格式到用户空间

## 📊 性能优化

### 生成时间
- **CPU模式**: 20-40分钟
- **GPU加速**: 1-2分钟
- **并行处理**: 支持2-4个任务同时进行

### 系统配置
```python
# 可在app.py中调整
max_workers = 2          # 最大并行任务数
model_pool_size = 2      # 模型池大小
```

## 🔍 3D模型查看

### 推荐工具
- **在线查看**: [3D Viewer](https://3dviewer.net/), [ViewSTL](https://www.viewstl.com/)
- **专业软件**: Blender, MeshLab, CloudCompare
- **简单查看**: Windows 3D Viewer, macOS Preview

## 📋 API密钥配置

### SiliconFlow API获取
1. 访问 [SiliconFlow官网](https://siliconflow.cn/)
2. 注册并登录账号
3. 控制台创建API密钥
4. 在界面中输入密钥启用智能模式

### 费用说明
- 提供免费使用额度
- 智能文本理解功能消耗极少
- 正常使用免费额度完全够用

## 🔧 系统配置

### 环境变量（可选）
```bash
export KMP_DUPLICATE_LIB_OK=TRUE
export CUDA_VISIBLE_DEVICES=0
```

### 目录结构
```
ai-3d-generator/
├── app.py                 # 主应用程序
├── llm_module.py          # LLM智能处理模块
├── requirements.txt       # 依赖配置
├── output/               # 用户生成文件目录
├── cache/                # 缓存目录
└── models/               # 模型文件目录
```

## 🚨 故障排除

### 常见问题

1. **CUDA内存不足**
   ```bash
   # 减少模型池大小
   model_pool_size = 1
   # 或使用CPU模式
   device = torch.device('cpu')
   ```

2. **模型下载失败**
   - 检查网络连接
   - 确保磁盘空间充足
   - 尝试使用代理

3. **任务处理卡住**
   - 检查GPU资源占用
   - 重启应用释放资源
   - 查看控制台错误信息

4. **API调用失败**
   - 验证API密钥正确性
   - 检查网络访问权限
   - 确认API额度充足

## 📈 使用建议

### 最佳实践
- 使用NVIDIA GPU获得最佳性能
- 设置合适的并行任务数避免资源竞争
- 使用简洁明确的描述获得更好效果
- 合理设置Temperature值（推荐0.5-0.8）

### 输入优化
- **有效**: "红色的椅子", "wooden table", "modern lamp"
- **避免**: 过于复杂的组合描述和不常见的物体

## 📝 项目信息

### 技术栈
- **深度学习**: PyTorch, Point-E
- **自然语言处理**: OpenAI API, DeepSeek-V3
- **Web界面**: Gradio 4.0
- **并行处理**: ThreadPoolExecutor
- **文件格式**: PLY点云网格

### 开源协议
MIT License

### 贡献方式
欢迎提交Issue和Pull Request改进项目功能和性能。

---

**⚡ 性能提示**: 本地CUDA环境下生成速度比在线展示快10-20倍，强烈建议下载到本地运行。