dream-textures

GitHub
8.1k 437 中等 1 次阅读 昨天GPL-3.0开发框架图像Agent插件
AI 解读 由 AI 自动生成,仅供参考

dream-textures 是一款将 Stable Diffusion 人工智能绘图能力直接集成到 Blender 中的开源插件。它让 3D 创作者无需离开熟悉的建模环境,仅通过简单的文字描述,即可快速生成纹理贴图、概念艺术图或背景素材。

这款工具主要解决了传统 3D 工作流中材质制作耗时费力、以及需要在不同软件间频繁切换的痛点。其独特亮点在于支持“无缝拼接”模式,能自动生成无接缝的完美平铺纹理;同时具备“深度投影”功能,可根据模型几何结构将图像精准投射到复杂场景表面。此外,它还支持局部重绘、智能扩图、4 倍 AI 超分辨率放大,甚至能在渲染阶段直接利用节点系统对动画进行风格化重制。所有计算均可在本地运行,保障了迭代效率与数据隐私。

dream-textures 特别适合 3D 设计师、游戏开发者及数字艺术家使用。只要您的设备配备支持 CUDA 的 NVIDIA 显卡或 Apple Silicon 芯片(建议显存大于 4GB),即可流畅体验。对于硬件配置较低的用户,它也提供了连接云端服务的选项。无论是需要快速原型设计的独立创作者,还是追求高效流程的专业团队,都能借此大幅提升创作自由度与工作效率。

使用场景

一位独立游戏开发者正在使用 Blender 为一款奇幻 RPG 制作古老的石墙资产,急需大量无缝且风格统一的纹理来填充庞大的地牢场景。

没有 dream-textures 时

  • 素材获取低效:必须频繁切换窗口,在外部图库网站搜索或等待在线 AI 生成,再手动下载并导入 Blender,打断创作心流。
  • 无缝拼接困难:找到的图片往往带有明显接缝,需在 Photoshop 中花费大量时间手动修复边缘或使用偏移滤镜,难以保证完美平铺。
  • 风格统一性差:不同来源的纹理光照和画风不一致,导致地牢墙面看起来拼凑感严重,缺乏整体艺术氛围。
  • 迭代成本高昂:若想调整纹理细节(如增加苔藓或裂痕),需重新走一遍外部生成流程,无法在本地快速验证效果。

使用 dream-textures 后

  • 工作流无缝集成:直接在 Blender 着色器编辑器中输入“长满青苔的古老石砖”提示词,即可原地生成高质量纹理,无需离开软件。
  • 一键完美平铺:勾选"Seamless"选项,dream-textures 自动计算出无任何可见接缝的平铺纹理,直接应用于模型 UV。
  • 场景风格可控:利用深度图投影(Depth to Image)功能,根据模型几何结构生成符合透视的光影纹理,确保整个地牢风格高度统一。
  • 实时快速迭代:依托本地 GPU 运算,开发者可即时微调提示词或重绘局部(Inpaint),几秒钟内即可看到修改后的效果,极大加速原型设计。

dream-textures 将生成式 AI 深度融入 3D 创作管线,让纹理制作从繁琐的外部搬运转变为流畅的本地化即时创造。

运行环境要求

操作系统
  • macOS
  • Windows
  • Linux
GPU
  • 必需
  • 支持 NVIDIA GPU (CUDA) 或 Apple Silicon (M1/M2 等)
  • 推荐显存 4GB 以上
  • 若硬件不支持,可使用 DreamStudio 进行云端处理
内存

未说明

依赖
notes1. 该工具是 Blender 的插件,需先安装 Blender。2. macOS 用户可能会遇到依赖项隔离问题,需在终端运行特定命令 (xattr -r -d com.apple.quarantine ...) 以允许 PyTorch 库加载。3. 支持在本地机器运行模型以避免服务延迟,也支持配置云端处理。4. 具体设置指南需参考项目 Wiki。
python未说明 (作为 Blender 插件运行,依赖 Blender 内置的 Python 环境)
Blender (宿主软件)
PyTorch (通过 .python_dependencies 自动安装)
Stable Diffusion 模型
dream-textures hero image

快速开始

梦幻材质,副标题:Blender 内置的 Stable Diffusion

最新版本 加入 Discord 总下载量 在 Blender Market 购买

  • 通过简单的文本提示即可创建材质、概念艺术、背景资源等
  • 使用“无缝”选项生成可完美平铺且无可见接缝的材质
  • 利用“投影梦幻材质”功能,结合深度到图像技术为整个场景贴图
  • 通过 Cycles 渲染通道重新风格化动画
  • 在本地运行模型,无需依赖外部服务,实现快速迭代

安装

下载最新版本,并按照其中的说明进行安装和启动。

在 macOS 上,您可能会遇到与依赖项相关的隔离问题。为了解决这个问题,请在应用程序的“终端”中运行以下命令:xattr -r -d com.apple.quarantine ~/Library/Application\ Support/Blender/3.3/scripts/addons/dream_textures/.python_dependencies。这将允许 PyTorch 的 .dylib.so 文件加载,而无需在系统偏好设置中手动逐一授权。

如果您需要更直观的安装指南,请观看 Ashlee Martino-Tarr 的视频教程:https://youtu.be/kEcr8cNmqZk

请确保始终安装最新版本的插件,以避免因过时指南导致的问题。

使用方法

以下是一些快速指南:

设置

适用于不同平台和配置的设置说明。

图像生成

通过文本提示创建材质、概念艺术等。学习如何使用各种配置选项,以获得您想要的结果。

展示图像生成流程各步骤的示意图

材质投影

利用深度到图像技术为整个模型或场景贴上材质。

展示材质投影流程各步骤的示意图

修复与扩展

使用修复功能修整图像,并自动将现有材质转换为无缝材质。

使用扩展功能可以向任意方向延伸图像,从而增大其尺寸。

展示图像扩展流程各步骤的示意图

渲染引擎

利用梦幻材质节点系统创建复杂效果。

展示渲染每一帧的画面,左侧为场景,右侧为生成结果的示意图

AI 升级

将低分辨率生成图像放大至 4 倍。

展示升级流程各步骤的示意图

历史记录

调用、导出和导入历史记录条目,以便日后使用。

兼容性

梦幻材质已在 CUDA 和 Apple Silicon 显卡上进行了测试。建议显存不低于 4GB。

如果您使用的受支持显卡出现问题,请提交一个问题。

云端处理

如果您的硬件不受支持,可以使用 DreamStudio 在云端进行处理。请按照发行说明中的指示设置 DreamStudio。

贡献

有关从源代码安装的详细说明,请参阅设置开发环境指南。

故障排除

如果您在运行梦幻材质时遇到困难,请检查 Blender 的系统控制台(位于左上角“窗口”下拉菜单中,“文件”和“编辑”旁边),查看是否有任何错误信息。然后根据您的错误信息和症状,在问题列表中进行搜索。

注意 在 macOS 上没有直接打开系统控制台的选项。您可以打开“终端”应用程序,输入命令 /Applications/Blender.app/Contents/MacOS/Blender 并按下回车键来获取日志。这将启动 Blender,所有错误信息都会显示在“终端”应用程序中。

Blender 中“窗口”>“切换系统控制台”菜单操作的截图

您也可以在问题页面上提出功能需求和反馈。如果您遇到未列出的问题,欢迎随时添加!

梦幻材质 Discord 社区也有常见问题列表和热情友好的社区成员,欢迎您前往寻求帮助。

版本历史

0.4.12024/08/26
0.4.02024/08/11
0.3.12023/11/07
0.3.02023/11/04
0.2.02023/04/21
0.1.02023/02/16
0.0.92022/12/15
0.0.82022/11/01
0.0.72022/10/06
0.0.62022/09/27
0.0.52022/09/18
0.0.42022/09/17
0.0.32022/09/10
0.0.22022/09/10
0.0.12022/09/10

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|昨天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|3天前
开发框架图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|昨天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|昨天
图像数据工具视频