huggingface/meshgen

Use AI Agents directly in Blender.

解決的問題

MeshGen 允許使用者使用自然語言控制 Blender，將複雜的 3D 建模任務轉化為簡單的文字提示。它將 AI 定位為輔助藝術家的工具，而非取代者。

運作方式

它作為一個 Blender 插件運作，利用 AI 代理將文字指令翻譯為軟體內的操作。使用者可以選擇本地推論（透過 llama.cpp 或 Ollama）或遠端 API（Hugging Face、Anthropic 或 OpenAI）。針對進階 3D 功能，它提供與 LLaMA-Mesh 的選用整合以進行本地網格理解與生成，以及與 Hyper3D 的整合以進行高保真 3D 網格創建。

目標對象

希望透過 AI 自動化創建與操作 3D 物件來加速工作流程的 3D 藝術家與 Blender 使用者。

特色亮點

  • 本地與遠端後端靈活性（Ollama、Hugging Face、OpenAI、Anthropic）。
  • 與 LLaMA-Mesh 整合以進行本地網格理解。
  • 透過 Hyper3D 整合實現高保真 3D 生成。
  • 可直接安裝為 Blender 插件。

相關

  • 專案
    sakalond/StableGen

    一個整合 TRELLIS.2 與 ComfyUI 的 Blender 增強模組，可從文字或圖像生成 3D 網格，並為現有模型應用 AI 驅動的貼圖。

  • 專案
    nexu-io/codex-slides

    專為 Codex 編碼代理設計的開源 AI 投影片工作室，透過可控的即時編輯工作流，將提示詞、程式碼庫或檔案轉換為專業的簡報。

  • 專案
    NVIDIA-NeMo/Megatron-Bridge

    NeMo Megatron Bridge 是一個 PyTorch 原生函式庫，用於連接 Hugging Face 模型檢查點與 NVIDIA 的 Megatron‑Core 訓練引擎。它提供雙向檢查點轉換、驗證和高吞吐量訓練（張量/管線並行、FP8/BF16/FP4）。該儲存庫附帶數十種 LLM、VLM 和擴散模型的現成配方（例如 Llama 3.2、Nemotron‑3 Ultra、K‑EXAONE‑2），並支援 SFT/LoRA 微調。可透過官方 NeMo Docker 容器或從原始碼安裝，並使用提供的快速入門腳本進行模型轉換、訓練或匯出。

  • 專案
    tensorflow/java

    TensorFlow‑Java 提供可發布至 Maven 的 Java/JVM 綁定，包含低階 JNI 包裝（`tensorflow‑core`）、高階神經網路 API（`tensorflow‑framework`）以及獨立的 ndarray 庫。支援 Linux（x86_64、arm64）與 macOS（Apple Silicon）二進位檔，可選 GPU 建構，並與標準 Java 建構工具整合。