混元3D 2.0 多檢視 Turbo
使用Hunyuan3D 2.0 MV Turbo從多個視角產生3D模型。
關於
HY 3D 2.0 MV Turbo 工作流程設計用於將多張 2D 圖像整合為一個完整的 3D 模型,核心採用先進的 Hunyuan3D 2.0 MV Turbo 模型。此流程結合多個專用節點,如 KSampler、CLIPVisionEncode 及 VAEDecodeHunyuan3D,將不同角度的圖像處理並合成為細節豐富的 3D 呈現。流程從 ImageOnlyCheckpointLoader 與 LoadImage 節點開始,負責匯入與準備圖像。接著由 Hunyuan3Dv2ConditioningMultiView 節點進行條件設定,確保 3D 模型能正確反映空間關係與材質細節。最後,VoxelToMesh 節點將處理後的資料轉換為網格格式,並透過 SaveGLB 節點匯出。
技術上,此流程透過多視角條件設定,提升 3D 模型的深度與真實感。整合騰訊 Hunyuan3D 模型,能高保真捕捉輸入圖像的細節,特別適合虛擬實境、遊戲開發與數位內容創作等需高真實度 3D 模型的應用。ModelSamplingAuraFlow 與 FluxGuidance 等節點提供彈性,可依需求微調輸出,達到最佳化結果。
您提供的內容
- 正在讀取工作流程
在 ComfyUI 中執行。 此工作流程無法在此頁面上執行。請在已載入所有內容的 Comfy Cloud 中開啟,或下載到您自己的 ComfyUI。
在 Cloud 中試用工作流程內部
節點圖的唯讀預覽。請在 Comfy Cloud 中開啟,或下載後編輯節點。
Loading the graph
Open full-size workflow preview需要自訂節點
- 正在讀取工作流程
從程式碼使用此工作流程
可行時會根據工作流程圖和輸入內容產生;否則會顯示儲存的範例。執行可能產生費用的程式碼前,請檢查認證資訊和端點。
What you need
- Runs on
- Comfy Cloud
- 金鑰
- COMFY_API_KEY
需要付費 Cloud 方案與點數。
# Python 3.10+: pip install comfy-sdk==0.4.0
import os
from comfy_sdk import Comfy
api_key = os.environ.get("COMFY_API_KEY", "").strip()
if not api_key: raise RuntimeError("Set COMFY_API_KEY")
os.environ.setdefault("COMFY_BASE_URL", "https://cloud.comfy.org")
client = Comfy(api_key=api_key)
workflow = client.workflows.from_json({
"3": {
"class_type": "KSampler",
"inputs": {
"cfg": 4,
"denoise": 1,
"latent_image": [
"66",
0
],
"model": [
"70",
0
],
"negative": [
"65",
1
],
"positive": [
"78",
0
],
"sampler_name": "euler",
"scheduler": "normal",
"seed": 528364197559477,
"steps": 20
},
"_meta": {
"title": "KSampler"
}
},
"51": {
"class_type": "CLIPVisionEncode",
"inputs": {
"clip_vision": [
"54",
1
],
"crop": "none",
"image": [
"56",
0
]
},
"_meta": {
"title": "CLIP Vision Encode"
}
},
"54": {
"class_type": "ImageOnlyCheckpointLoader",
"inputs": {
"ckpt_name": "hunyuan3d-dit-v2-mv-turbo_fp16.safetensors"
},
"_meta": {
"title": "Load Checkpoint Image Only (img2vid model)"
}
},
"56": {
"class_type": "LoadImage",
"inputs": {
"image": "3d_hunyuan3d_multiview_to_model_turbo_front_view.png"
},
"_meta": {
"title": "Load Image"
}
},
"61": {
"class_type": "VAEDecodeHunyuan3D",
"inputs": {
"num_chunks": 8000,
"octree_resolution": 256,
"samples": [
"3",
0
],
"vae": [
"54",
2
]
},
"_meta": {
"title": "Hunyuan 3D VAE Decode"
}
},
"65": {
"class_type": "Hunyuan3Dv2ConditioningMultiView",
"inputs": {
"back": [
"81",
0
],
"front": [
"51",
0
],
"left": [
"54",
1
],
"right": [
"54",
1
]
},
"_meta": {
"title": "Hunyuan3Dv2ConditioningMultiView"
}
},
"66": {
"class_type": "EmptyLatentHunyuan3Dv2",
"inputs": {
"batch_size": 1,
"resolution": 3072
},
"_meta": {
"title": "Empty Hunyuan 3D v2 Latent"
}
},
"67": {
"class_type": "SaveGLB",
"inputs": {
"filename_prefix": "mesh/ComfyUI",
"mesh": [
"83",
0
]
},
"_meta": {
"title": "Save 3D Model"
}
},
"70": {
"class_type": "ModelSamplingAuraFlow",
"inputs": {
"model": [
"54",
0
],
"sampling": "flow",
"shift": 1.0000000000000002
},
"_meta": {
"title": "ModelSamplingAuraFlow"
}
},
"78": {
"class_type": "FluxGuidance",
"inputs": {
"conditioning": [
"65",
0
],
"guidance": 3.5
},
"_meta": {
"title": "FluxGuidance"
}
},
"81": {
"class_type": "CLIPVisionEncode",
"inputs": {
"clip_vision": [
"54",
1
],
"crop": "none",
"image": [
"82",
0
]
},
"_meta": {
"title": "CLIP Vision Encode"
}
},
"82": {
"class_type": "LoadImage",
"inputs": {
"image": "3d_hunyuan3d_multiview_to_model_turbo_back_view.png"
},
"_meta": {
"title": "Load Image"
}
},
"83": {
"class_type": "VoxelToMesh",
"inputs": {
"algorithm": "surface net",
"threshold": 0.6,
"voxel": [
"61",
0
]
},
"_meta": {
"title": "Voxel to Mesh"
}
}
})
# run() also passes api_key to the partner nodes in this workflow.
job = client.run(workflow, api_key=api_key)問答
從多個角度拍攝、光線與解析度一致的圖像能產生最佳 3D 模型效果。
將 cfg scale 設定在 4 到 8 之間,並確保輸入圖像品質高且光線充足。
可以,Hunyuan3D 模型具備先進的條件節點,能有效處理複雜材質。
目前僅支援 GLB 匯出,但可用第三方工具將 GLB 轉換為其他格式。