摘要：去年11月，腾讯开源的混元3D 1.0版本，作为业界首个同时支持文字、图像生成3D的开源大模型，能力固然够让人感到新奇。但是这才过去2个月，他们居然就折腾出了2.0？这么短的时间内，他们到底能有多大进步？

文/九莲宝灯

AI生成3D模型，似乎即将进入一个新阶段。

就在这周二(1月21日），腾讯混元宣布开源3D生成大模型2.0版本。

去年11月，腾讯开源的混元3D 1.0版本，作为业界首个同时支持文字、图像生成3D的开源大模型，能力固然够让人感到新奇。但是这才过去2个月，他们居然就折腾出了2.0？这么短的时间内，他们到底能有多大进步？

葡萄君很快就去体验了一下。结果真挺令人惊讶：这模型，完全是冲着当实用工具来的。

根据我个人的体验，就目前这款模型所制作的资产质量而言，说它能直接用于很多小游戏和休闲游戏，并不夸张。如果人工介入对这些模型做一些修改，或许还可以用于更大的项目。再结合它分钟级别的出图速度……细思极恐。

01

混元3D有多实用？

在我看来，一款工具是否实用，分为两个点：一个是能力达标；另一个则是功能齐全，可以接入实际工作流。

目前，混元3D模型可以在GitHub、Hugging Face等平台上直接下载并使用，也可以通过他们发布的一站式3D内容AI创作平台「混元3D AI创作引擎」体验它的功能。

官网地址：http://3d.hunyuan.tencent.com

而通过混元3D AI创作引擎，我们可以看到，混元3D生成大模型的核心能力是「文生模」和「图生模」。

从体验来看，用户只需要输入中/英文提示词，提供对模型主题的描述、特征、风格等Prompt，就能快速同时生成4个3D模型，葡萄君自己实际体验的感受是，如果仅对模型做最基础的要求，那么基本上只要30秒左右，4个模型就能全部生成。

在混元3D AI创作引擎的Prompt输入框下方，还提供了多个更加细化的功能。这些功能几乎都在告诉你，混元3D不打算只当个玩具，而是真想要介入生产。

比如用户可以选择低多边形模型生成，据官方介绍，它可以根据物体复杂程度，自适应生成几百至数千面的三角mesh，拓扑布线更符合美术标准，更适用于游戏引擎模型渲染；

再比如用户可以选择不同纹理风格。混元3D还同时支持PBR贴图，可以通过模拟物理特性生成更具真实感的材质贴图效果。

混元3D在生成的过程中，也会考虑用户需求。比如生成一个3D角色，其他模型可能会把3000面平均分布在这个角色身上。而混元3D会考虑到在开发中，角色的动作和表现力主要来自与面部和动作，所以他会按照头部最多，上身其次，下肢最少的逻辑分配3D模型的面数。

如果用户采用图生模，制作出来的模型质量明显会更高。不过目前，混元3D AI创作引擎还仅支持单图生成模型，腾讯混元3D负责人郭春超表示，他们在近期还会推出多个视图生成3D模型的功能，可控性会有比较好的提升，更适合制作游戏资产。

混元3D 2.0的「实用」不仅在于让用户可以直接拿来用，同样也在于它可以让用户定制更多流程上的细节。

观察它的模型生成过程，我们不难发现，这个流程可以分为几何和纹理生成两部分。

官方表示，这实际上是因为混元3D实际上由多种模型组合。几何大模型由Hunyuan3D-DiT模型和Hunyuan ShapeVAE组成，专注于捕捉物体的形状、结构和空间关系，能实现超高精度的白模生成。

而纹理大模型Hunyuan3D-Paint则采用多视图扩散生成的方案，专注于颜色、细节和表面特征，可以基于用户输入的参考图像对生成的几何白模进行纹理贴图。它可以单独使用，用户只需要用文本或图像引导混元3D，它就可以给输入的几何模型生成纹理。

这种二者分开的模式，可以让每个模型能在其领域内进行更深入的学习和优化，同时，几何与纹理解耦生成，也能让模型生成更精细和真实的3D结果。

通用风格PBR纹理下生成的汉堡

这个解耦的设计，也让混元3D AI创作引擎可以自主设计更细致的3D生成工作流。用户除了可以根据个人需求输入提示词或上传图片，还能调整节点生成参数，生成更加定制化、更具可控性的3D资产。

它还有更多有趣或实用的功能。在混元3D AI创作引擎上，我们除了能生成和编辑模型，以及刚才提到的单独使用纹理模型功能外，还能用草图生成3D、头像照片转3D人物、制作一些简单的3D人物动画，甚至直接创作3D小游戏等。

其中，最令我注意的还是3D动画生成。无论是用户用混元3D制作的模型，还是本地上传的模型，它都可以自主进行骨骼绑定，并按照预设的多种常用动作模板运动。对于游戏开发和动画制作而言，这个功能或许能节省不少时间。

总的来说，在我看来，对于小游戏或者休闲品类，目前混元3D基本上已经能够胜任角色和道具类等常用模型的生成工作。

当然，它依然还没有脱离那种早期的「稚气」。在文生模的条件下，对于一些讲究对称的工业产品，或者一些细节较多的道具，混元3D的表现还不尽如人意。

比如要是想用混元3D建一个正比例的、细致的人物模型，尤其是二次元风格，不论使用文生模还是图生模，多半情况下还是只能产生一些「邪神」：

再比如让它生成一辆汽车的模型，结果往往看起来会像是一块融化的蛋糕；

不过在图生模情况下，这个问题还是能得到比较好的改善。这是我采用图生模、低多边形和PBR贴图后产生的结果：

角色建模方面，如果是头像或胸像，或者是一些Q版风格的角色全身像，结果也挺不错：

根据腾讯混元自己从定量和定性两个维度所做的评估，不论是端到端最终3D资产的质量，还是几何结构以及生成纹理的质量，混元3D 2.0均优于包括闭源模型在内的当前最先进模型。

而从整体满意度、3D 物体质量和指令遵循三个维度进行用户主观评估，混元3D在生成质量上也优于当前最先进的开源模型。

02

3D生成模型，比赛还在上半场

实际上，混元3D早就已经开始在腾讯内部的一些业务和场景中开始应用，例如UGC 3D创作、商品素材合成、游戏3D资产生成等。

比如腾讯地图，他们基于腾讯混元3D大模型，发布了自定义3D导航车标功能，支持用户创作个性化的 3D 导航车标。据内部统计，这种方式相比传统的3D车标重建方案速度提升了91%。

腾讯内部游戏业务也开始使用混元3D生成能力，混元官方称，他们生成3D的质量在几何布线合理性、贴图准确性与骨骼蒙皮合理性等方面，已能满足部分游戏3D资产标准。

腾讯某在研游戏研发制作人王智刚也分享了他的感受：「3D环节的成本之前是以天计算，现在分钟来计算。这个东西拿出来之后，不是100%用，但是花一两天，把AI做得不够的部分做一下修补，性价比提升非常显著。」

但腾讯混元3D负责人郭春超认为，目前的混元3D还有很大的进步空间。这主要是因为相比于对话和生图大模型，目前3D和视频大模型的成熟度还没有到充分的拐点。

「如果说对话模型的合格率可以达到95%，生图模型达到90%以上，那么3D生成模型的成熟度、可用性大概在60%，仍处于比赛的前半场。」

他表示，目前这类模型面临的最大挑战，一是数据的不足，只有千万量级的数据，并且没有被充分的利用；二是3D模型本身相对于别的模态约束比较少，比如视频虽然也是横向在时间轴上拓展，但是很少有突变，上一帧和下一帧只有部分的像素改变，但3D模型做任何动作，上一个切片和下一个切片可能有很多数不清的图片，所以模型本身的挑战比较大，无论从数据而言还是从技术特点本身而言，要解决的问题都很多。

因此，当下混元3D计划继续在提高生成单体3D质量的同时，进一步扩展管线和功能上的应用，争取从量变引发拐点级的质变。

3D生成大模型一旦产生质变，会发生什么？

或许很多人第一时间想到的，可能是会导致建模行业的萎缩。不过往好处看，这实际上或许更能推动不少中小团队的成长。

对于不少小游戏或者休闲赛道产品来说，比拼的不仅是出点子的能力，有时候更关键的是落地速度和质量。有了3D生成大模型的加持，对于很多原创团队来说，也就能够将自己的点子更快更好地呈现出来，具备更强的竞争力。对于一些独立游戏团队来说，也是同理。

另外，从生图大模型的发展历程来看，无论模型产出的图片品质有多高，仍然需要有专业人士来挑选和修改。郭春超也表示，「我们的目标并不是替代设计师，而是成为他们的好帮手，如果加了一些引导可以生成质量比较高的，之后再稍微的修一修，相辅相成，结伴前行，最终这件事能更好的推广起来」。

此前，米哈游蔡浩宇对AIGC时代游戏行业的发展预测，曾引发了不少争议。不过在我看来，相比于如今中小团队的生存困局，AI或许反而能够成为他们翻盘的胜负手。或许在未来，无论何种规模的团队，都会因此站在同一起跑线，通过更纯粹的创意品质，而非资金投入来一决高下。这样一来，产业会变得更好吗？我们难以预测，但我希望事情最终会偏向那一美好的可能性。

游戏葡萄招聘内容编辑，

来源：历史独具魅力