[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kijai--ComfyUI-Hunyuan3DWrapper":3,"tool-kijai--ComfyUI-Hunyuan3DWrapper":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,2,"2026-04-05T10:45:23",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[19,13,20,18],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,1,"2026-04-03T21:50:24",[20,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},2234,"scikit-learn","scikit-learn\u002Fscikit-learn","scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。\n\n对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。\n\n其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最",65628,"2026-04-05T10:10:46",[20,18,14],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":10,"last_commit_at":63,"category_tags":64,"status":22},3364,"keras","keras-team\u002Fkeras","Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。\n\n无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。\n\nKeras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。",63927,"2026-04-04T15:24:37",[20,14,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":69,"owner_company":69,"owner_location":79,"owner_email":69,"owner_twitter":80,"owner_website":69,"owner_url":81,"languages":82,"stars":103,"forks":104,"last_commit_at":105,"license":106,"difficulty_score":107,"env_os":108,"env_gpu":109,"env_ram":110,"env_deps":111,"category_tags":121,"github_topics":69,"view_count":10,"oss_zip_url":69,"oss_zip_packed_at":69,"status":22,"created_at":122,"updated_at":123,"faqs":124,"releases":154},2590,"kijai\u002FComfyUI-Hunyuan3DWrapper","ComfyUI-Hunyuan3DWrapper",null,"ComfyUI-Hunyuan3DWrapper 是腾讯混元 3D-2（Hunyuan3D-2）模型在 ComfyUI 平台上的专用集成插件。它让用户能够直接在熟悉的节点式工作流中，利用强大的混元 3D-2 算法，将文本或图像提示快速转化为高质量的 3D 资产，并支持后续的纹理生成与网格优化。\n\n该工具主要解决了前沿 3D 生成大模型部署门槛高、难以与现有创作流程融合的问题。通过封装复杂的底层依赖和推理逻辑，它免去了用户手动配置繁琐环境的痛苦，同时提供了自动下载模型和可视化预览功能。其技术亮点在于针对纹理生成部分进行了深度优化，提供了预编译的加速模块以提升渲染效率，并可选集成 BPT 等先进算法来进一步提升几何细节表现。\n\n这款插件特别适合已经在使用 ComfyUI 进行 AI 绘画或 3D 创作的设计师、数字艺术家，以及希望快速验证 3D 生成效果的研究人员。对于具备一定动手能力的开发者，它也开放了源码编译接口以适应特定系统环境。虽然安装过程涉及部分环境配置，但它成功将顶尖的 3D 生成能力带入了大众化的创作工作流，是探索 AI 3D 内容生产的有力助手。","\n# ComfyUI wrapper for [Hunyuan3D-2](https:\u002F\u002Fgithub.com\u002FTencent\u002FHunyuan3D-2)\n---\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-Hunyuan3DWrapper_readme_128a53b107d6.png)\n\n## Models\nMain model, original: https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuan3D-2\u002Fblob\u002Fmain\u002Fhunyuan3d-dit-v2-0\u002Fmodel.ckpt\n\nConverted to .safetensors: https:\u002F\u002Fhuggingface.co\u002FKijai\u002FHunyuan3D-2_safetensors\n\nto `ComfyUI\u002Fmodels\u002Fdiffusion_models\u002F`\n\nRest of the models are diffusers models, so they are wrapped and autodownloaded for now. Very new version of ComyUI is also required for the Preview3D -node.\n\n---\n\n# Installation\nDependencies, in your python env:\n\n`pip install -r requirements.txt`\n\nor with portable:\n\n`python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\requirements.txt`\n\n\nFor the texturegen part compilation is needed, I have included my compilations as a wheel for the rasterizer, and compiled .pyd for the mesh_processor (already in place), these are compiled for:\n\n**Windows 11 python 3.12 cu126 (works with torch build on 124)**\n\nYou would do `pip install wheels\\custom_rasterizer-0.1-cp312-cp312-win_amd64.whl`\n\nor with portable (in `ComfyUI_windows_portable` -folder):\n`python_embeded\\python.exe -m pip install ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\wheels\\custom_rasterizer-0.1-cp312-cp312-win_amd64.whl`\n\n**Windows 11 python 3.12 torch 2.6.0 + cu126**\nCurrent latest portable was updated to use pytorch 2.6.0, for this you should use new wheel:\n`python_embeded\\python.exe -m pip install ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\wheels\\custom_rasterizer-0.1.0+torch260.cuda126-cp312-cp312-win_amd64.whl`\n\nThis was tested to work on latest ComfyUI portable install\n\n---\n\n## If this doesn't work or there isn't a suitable wheel available for your system. you need to compile yourself:\n\nRasterizer, to build and install:\n\n```\ncd hy3dgen\u002Ftexgen\u002Fcustom_rasterizer\npython setup.py install\n```\n\n**If you are using the portable ComfyUI installation:**\nFor example (check the paths on your system):\n```\ncd C:\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\hy3dgen\\texgen\\custom_rasterizer\nC:\\ComfyUI_windows_portable\\python_embeded\\python.exe -m pip install .\n```\n\nIf you get an error about Python.h missing, refer to the instructions here as it's the same compilation issue (you don't need Triton itself):\n\nhttps:\u002F\u002Fgithub.com\u002Fwoct0rdho\u002Ftriton-windows?tab=readme-ov-file#8-special-notes-for-comfyui-with-embeded-python\n\n\nOr build with `python setup.py bdist_wheel` which creates the .whl file to the dist -subfolder, which you then would pip install to your python environment. \nEnd result needs to be `custom_rasterizer_kernel*.pyd` file and `custom_rasterizer` folder in your python environments `site-packages` folder.\n\n---\n\nFor the mesh_processor extension the build command would be this:\n```\ncd hy3dgen\u002Ftexgen\u002Fdifferentiable_renderer\npython_embeded\\python.exe setup.py build_ext --inplace\n```\nThis file is supposed to be in that very folder. It is only used for the vertex inpainting, if this file doesn't exist the fallback is run on cpu and is much slower. The vertex inpainting is on it's own node and in the worst case can just be bypassed, downside would be worse filling of the textures.\n\nAgain, with portable you should use the embedded python to run the commands.\n\n---\n\n# Update:\n\n## Added [BPT](https:\u002F\u002Fgithub.com\u002Fwhaohan\u002Fbpt)\n\n**This has some hefty requirements, fully optional, install at your own discretion**\n```\ncd ComfyUI-Hunyuan3DWrapper\\hy3dgen\\shapegen\\bpt\npip install -r requirements.txt\n```\n\n## Installation with portable ComfyUI:\nfrom the portable's root directory:\n`python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\hy3dgen\\shapegen\\bpt\\requirements.txt`\n\nDownload weights \u003Chttps:\u002F\u002Fhuggingface.co\u002Fwhaohan\u002Fbpt\u002Fblob\u002Frefs%2Fpr%2F1\u002Fbpt-8-16-500m.pt>\n\nCopy `bpt-8-16-500m.pt` to `ComfyUI-Hunyuan3DWrapper-main\\hy3dgen\\shapegen\\bpt`\n\n# Xatlas upgrade procedure to fix UV wrapping high poly meshes\n\n`python_embeded\\python.exe -m pip uninstall xatlas`\n\nin the portable root folder (`ComfyUI_windows_portable`):\n\n`git clone --recursive https:\u002F\u002Fgithub.com\u002Fmworchel\u002Fxatlas-python.git`\n\n`cd .\\xatlas-python\\extern`\n\ndelete `xatlas` folder \n\n`git clone --recursive https:\u002F\u002Fgithub.com\u002Fjpcy\u002Fxatlas`\n\nin `xatlas-python\\extern\\xatlas\\source\\xatlas` modify `xatlas.cpp`\n\nchange line 6774: `#if 0` to `\u002F\u002F#if 0`\n\nchange line 6778: `#endif` to `\u002F\u002F#endif`\n\nFinally go back to portable root (`ComfyUI_windows_portable`) folder:\n\n`.\\python_embeded\\python.exe -m pip install .\\xatlas-python\\`\n\n---\n","# Hunyuan3D-2 的 ComfyUI 封装\n---\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-Hunyuan3DWrapper_readme_128a53b107d6.png)\n\n## 模型\n主模型（原始版本）：https:\u002F\u002Fhuggingface.co\u002Ftencent\u002FHunyuan3D-2\u002Fblob\u002Fmain\u002Fhunyuan3d-dit-v2-0\u002Fmodel.ckpt\n\n转换为 .safetensors 格式：https:\u002F\u002Fhuggingface.co\u002FKijai\u002FHunyuan3D-2_safetensors\n\n请将其放置于 `ComfyUI\u002Fmodels\u002Fdiffusion_models\u002F` 目录下。\n\n其余模型均为 Diffusers 模型，因此目前通过封装并自动下载的方式提供。此外，Preview3D 节点还需要使用非常新的 ComfyUI 版本。\n\n---\n\n# 安装\n在您的 Python 环境中安装依赖：\n\n`pip install -r requirements.txt`\n\n或者使用便携版：\n\n`python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\requirements.txt`\n\n\n对于 texturegen 部分，需要进行编译。我已经将光栅器的编译结果打包成 wheel 文件，并将 mesh_processor 编译为 .pyd 文件（已放置到位），这些文件是针对以下环境编译的：\n\n**Windows 11 Python 3.12 cu126（也可兼容 torch 124 构建版本）**\n\n您可以运行：`pip install wheels\\custom_rasterizer-0.1-cp312-cp312-win_amd64.whl`\n\n或者使用便携版（在 `ComfyUI_windows_portable` 文件夹中）：\n`python_embeded\\python.exe -m pip install ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\wheels\\custom_rasterizer-0.1-cp312-cp312-win_amd64.whl`\n\n**Windows 11 Python 3.12 PyTorch 2.6.0 + cu126**\n当前最新便携版已更新为使用 PyTorch 2.6.0，为此您应使用新的 wheel 文件：\n`python_embeded\\python.exe -m pip install ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\wheels\\custom_rasterizer-0.1.0+torch260.cuda126-cp312-cp312-win_amd64.whl`\n\n经测试，该版本可在最新的 ComfyUI 便携版中正常运行。\n\n---\n\n## 如果上述方法无效，或没有适合您系统的 wheel 文件，则需要自行编译：\n\n### 光栅器的构建与安装：\n```\ncd hy3dgen\u002Ftexgen\u002Fcustom_rasterizer\npython setup.py install\n```\n\n**如果您使用的是便携版 ComfyUI：**\n例如（请根据您系统中的路径调整）：\n```\ncd C:\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\hy3dgen\\texgen\\custom_rasterizer\nC:\\ComfyUI_windows_portable\\python_embeded\\python.exe -m pip install .\n```\n\n如果出现关于 Python.h 缺失的错误，请参考此处的说明，因为这是相同的编译问题（您不需要 Triton 本身）：\n\nhttps:\u002F\u002Fgithub.com\u002Fwoct0rdho\u002Ftriton-windows?tab=readme-ov-file#8-special-notes-for-comfyui-with-embeded-python\n\n\n或者使用 `python setup.py bdist_wheel` 命令构建，这会生成一个 .whl 文件到 dist 子目录中，然后您可以将其 pip 安装到您的 Python 环境中。\n最终结果需要在您的 Python 环境的 `site-packages` 文件夹中生成 `custom_rasterizer_kernel*.pyd` 文件和 `custom_rasterizer` 文件夹。\n\n---\n\n### 对于 mesh_processor 扩展，构建命令如下：\n```\ncd hy3dgen\u002Ftexgen\u002Fdifferentiable_renderer\npython_embeded\\python.exe setup.py build_ext --inplace\n```\n该文件应位于同一目录中。它仅用于顶点修复功能；如果该文件不存在，则会回退到 CPU 上运行，速度会慢很多。顶点修复功能位于单独的节点上，在最坏情况下可以直接跳过，但缺点是纹理填充效果会较差。\n\n同样地，使用便携版时，请使用内置的 Python 解释器来执行相关命令。\n\n---\n\n# 更新：\n\n## 新增 [BPT](https:\u002F\u002Fgithub.com\u002Fwhaohan\u002Fbpt)\n\n**此功能有一些较高的要求，完全可选，请根据自身情况决定是否安装**\n```\ncd ComfyUI-Hunyuan3DWrapper\\hy3dgen\\shapegen\\bpt\npip install -r requirements.txt\n```\n\n## 使用便携版 ComfyUI 的安装方法：\n从便携版的根目录运行：\n`python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\hy3dgen\\shapegen\\bpt\\requirements.txt`\n\n下载权重：\u003Chttps:\u002F\u002Fhuggingface.co\u002Fwhaohan\u002Fbpt\u002Fblob\u002Frefs%2Fpr%2F1\u002Fbpt-8-16-500m.pt>\n\n将 `bpt-8-16-500m.pt` 复制到 `ComfyUI-Hunyuan3DWrapper-main\\hy3dgen\\shapegen\\bpt` 目录下。\n\n# Xatlas 升级流程，用于修复高多边形网格的 UV 展开问题\n\n`python_embeded\\python.exe -m pip uninstall xatlas`\n\n在便携版的根目录（`ComfyUI_windows_portable`）中：\n\n`git clone --recursive https:\u002F\u002Fgithub.com\u002Fmworchel\u002Fxatlas-python.git`\n\n`cd .\\xatlas-python\\extern`\n\n删除 `xatlas` 文件夹\n\n`git clone --recursive https:\u002F\u002Fgithub.com\u002Fjpcy\u002Fxatlas`\n\n在 `xatlas-python\\extern\\xatlas\\source\\xatlas` 中修改 `xatlas.cpp`\n\n将第 6774 行的 `#if 0` 改为 `\u002F\u002F#if 0`\n\n将第 6778 行的 `#endif` 改为 `\u002F\u002F#endif`\n\n最后返回便携版的根目录（`ComfyUI_windows_portable`）：\n\n`.\\python_embeded\\python.exe -m pip install .\\xatlas-python\\`\n\n---","# ComfyUI-Hunyuan3DWrapper 快速上手指南\n\n本指南帮助中国开发者快速在 ComfyUI 中部署腾讯混元 3D-2 (Hunyuan3D-2) 模型，实现文本\u002F图像到 3D 模型的生成。\n\n## 1. 环境准备\n\n### 系统要求\n*   **操作系统**: Windows 11 (官方预编译包主要支持此环境)\n*   **Python 版本**: 3.12\n*   **ComfyUI 版本**: 需要非常新的版本以支持 `Preview3D` 节点。\n*   **CUDA 版本**: 推荐 cu126 (兼容 torch 124 构建版) 或 torch 2.6.0 + cu126。\n\n### 前置依赖\n确保已安装 Git 和对应的 Python 环境。如果使用 ComfyUI 便携版 (Portable)，请确保使用其内置的 `python_embeded`。\n\n## 2. 安装步骤\n\n### 第一步：下载模型\n将主模型转换为 `.safetensors` 格式并放置到指定目录：\n1.  下载地址：[Hunyuan3D-2_safetensors](https:\u002F\u002Fhuggingface.co\u002FKijai\u002FHunyuan3D-2_safetensors)\n2.  存放路径：`ComfyUI\u002Fmodels\u002Fdiffusion_models\u002F`\n    *   *注：其余 Diffusers 模型将在首次运行时自动下载。*\n\n### 第二步：安装基础依赖\n进入 ComfyUI 根目录或自定义节点目录，执行以下命令：\n\n**标准环境：**\n```bash\npip install -r requirements.txt\n```\n\n**ComfyUI 便携版 (Portable)：**\n```bash\npython_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\requirements.txt\n```\n\n### 第三步：安装纹理生成组件 (TextureGen)\n该部分需要编译扩展。作者已提供针对 **Windows 11 + Python 3.12** 的预编译 Wheel 包。\n\n**方案 A：使用普通 Torch 环境 (cu124\u002Fcu126)**\n```bash\npip install wheels\\custom_rasterizer-0.1-cp312-cp312-win_amd64.whl\n```\n*便携版用户:*\n```bash\npython_embeded\\python.exe -m pip install ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\wheels\\custom_rasterizer-0.1-cp312-cp312-win_amd64.whl\n```\n\n**方案 B：使用最新便携版 (Torch 2.6.0 + cu126)**\n如果使用的是更新了 PyTorch 2.6.0 的最新便携版，请使用新 Wheel：\n```bash\npython_embeded\\python.exe -m pip install ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\wheels\\custom_rasterizer-0.1.0+torch260.cuda126-cp312-cp312-win_amd64.whl\n```\n\n> **注意**：如果您的系统环境不匹配上述预编译包，则需要手动编译（需安装 C++ 构建工具和 Python 头文件），具体编译命令请参考原文档 \"If this doesn't work...\" 章节。\n\n### 第四步：(可选) 安装 BPT 增强模块\nBPT (Backward Projection Tracking) 为可选项，依赖较重，按需安装。\n\n1.  安装依赖：\n    ```bash\n    # 便携版示例\n    python_embeded\\python.exe -m pip install -r ComfyUI\\custom_nodes\\ComfyUI-Hunyuan3DWrapper\\hy3dgen\\shapegen\\bpt\\requirements.txt\n    ```\n2.  下载权重：\n    *   地址：[bpt-8-16-500m.pt](https:\u002F\u002Fhuggingface.co\u002Fwhaohan\u002Fbpt\u002Fblob\u002Frefs%2Fpr%2F1\u002Fbpt-8-16-500m.pt)\n    *   存放路径：`ComfyUI-Hunyuan3DWrapper-main\\hy3dgen\\shapegen\\bpt`\n\n## 3. 基本使用\n\n1.  **启动 ComfyUI**：确保无报错启动。\n2.  **加载工作流**：\n    *   在 ComfyUI 界面中加载包含 `Hunyuan3D` 相关节点的流程图。\n    *   核心节点通常包括模型加载器、提示词输入以及 `Preview3D` 预览节点。\n3.  **运行生成**：\n    *   输入文本提示词或上传参考图。\n    *   点击 \"Queue Prompt\"。\n    *   首次运行时，系统会自动下载剩余的 Diffusers 模型组件，请耐心等待。\n4.  **查看结果**：生成的 3D 网格和纹理将通过 `Preview3D` 节点直接在前端展示。\n\n> **提示**：如果 `mesh_processor` 编译失败，顶点修复 (vertex inpainting) 功能将回退到 CPU 模式，速度会变慢且纹理填充效果可能略差，但不影响基本生成流程。","某独立游戏开发者需要为即将上线的奇幻 RPG 项目快速批量生成高细节的 3D 怪物资产，以填补美术资源缺口。\n\n### 没有 ComfyUI-Hunyuan3DWrapper 时\n- **流程割裂严重**：开发者需在多个独立软件间手动切换，先跑文本生成模型，再导出中间文件导入另一工具进行网格生成，最后单独处理贴图，耗时且易出错。\n- **纹理质量低下**：缺乏高效的顶点修复（vertex inpainting）机制，生成的 3D 模型表面常出现明显的拉伸、空洞或接缝，需人工在 Blender 中花费数小时修补 UV。\n- **硬件门槛过高**：原生的 Hunyuan3D-2 部署复杂，依赖特定的编译环境和 CUDA 版本，普通开发机常因缺少 `Python.h` 或编译失败而无法运行。\n- **迭代成本高昂**：调整一个提示词意味着重跑整个断裂的流程，无法在统一界面中实时预览形状与贴图的生成效果，严重拖慢创作节奏。\n\n### 使用 ComfyUI-Hunyuan3DWrapper 后\n- **工作流一体化**：直接在 ComfyUI 节点图中串联从文本到最终带贴图模型的全流程，利用自动下载的 Diffusers 模型和封装好的推理节点，实现“一键式”生成。\n- **自动化纹理修复**：调用内置编译好的 `mesh_processor` 扩展，自动执行高性能的顶点修复算法，显著减少模型表面的纹理瑕疵，无需手动干预 UV 展开。\n- **开箱即用体验**：预置了适配 Windows 11 及特定 PyTorch 版本的 `.whl` 轮子文件，规避了复杂的底层编译步骤，让开发者能迅速在本地环境启动高性能推理。\n- **高效迭代优化**：结合可选的 BPT 模块提升形状生成精度，并在同一画布上即时对比不同参数下的 3D 产出，将单个资产的制作周期从天级缩短至分钟级。\n\nComfyUI-Hunyuan3DWrapper 通过将复杂的 3D 生成链路标准化与自动化，让中小团队也能低成本地构建高质量 3D 资产生产线。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkijai_ComfyUI-Hunyuan3DWrapper_078cb3e5.png","kijai","Jukka Seppänen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkijai_5a67a464.jpg","Finland","kijaidesign","https:\u002F\u002Fgithub.com\u002Fkijai",[83,87,91,95,99],{"name":84,"color":85,"percentage":86},"Python","#3572A5",95,{"name":88,"color":89,"percentage":90},"C++","#f34b7d",3.9,{"name":92,"color":93,"percentage":94},"Cuda","#3A4E3A",0.7,{"name":96,"color":97,"percentage":98},"JavaScript","#f1e05a",0.4,{"name":100,"color":101,"percentage":102},"Shell","#89e051",0,985,85,"2026-04-02T18:11:00","NOASSERTION",4,"Windows","需要 NVIDIA GPU，预编译版本支持 CUDA 12.4 和 CUDA 12.6 (cu124\u002Fcu126)，需配合 PyTorch 使用","未说明",{"notes":112,"python":113,"dependencies":114},"1. 目前主要明确支持 Windows 11 系统，提供针对 Python 3.12 的预编译文件（.whl 和 .pyd）。Linux\u002FmacOS 用户需自行从源码编译 rasterizer 和 mesh_processor 扩展。\n2. 必须使用非常新版本的 ComfyUI 以支持 Preview3D 节点。\n3. 主模型需手动下载并转换为 .safetensors 格式放入指定目录，其余 Diffusers 模型会自动下载。\n4. 纹理生成部分（texturegen）依赖本地编译的 C++ 扩展，若缺少预编译文件或编译失败，顶点修复功能将回退到 CPU 运行（速度极慢）或可被绕过。\n5. 若遇到 Python.h 缺失错误，需参考 Triton Windows 编译说明安装构建工具。\n6. 包含可选的 BPT 模块和高精度 UV 展开（Xatlas）升级步骤，后者需要手动修改源码并重新编译。","3.12",[115,116,117,118,119,120],"torch>=2.6.0","diffusers","custom_rasterizer (需编译或安装预编译 wheel)","mesh_processor (需编译)","xatlas (可选，需特定修改后编译)","bpt (可选额外依赖)",[18],"2026-03-27T02:49:30.150509","2026-04-06T08:42:05.741056",[125,130,135,140,145,150],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},11993,"遇到 'CUDA Error: no kernel image is available' 或 'custom_rasterize 未安装' 错误怎么办？","这通常是因为预编译的 wheel 文件与当前环境不匹配。解决方法是手动编译并安装 custom_rasterizer：\n1. 卸载旧版本：`python.exe -m pip uninstall custom_rasterizer`\n2. 进入插件目录下的 `hy3dgen\\texgen\\custom_rasterizer` 文件夹。\n3. 编译生成 wheel 文件：`python setup.py bdist_wheel`\n4. 在生成的 `dist` 文件夹中找到对应的 .whl 文件（例如 `custom_rasterizer-0.1-cp312-cp312-win_amd64.whl`）。\n5. 使用嵌入式 Python 安装该文件：`python_embeded\\python.exe -m pip install \u003C文件名>.whl`\n注意：如果是 ComfyUI 便携版，请确保在正确的 python_embeded 环境中执行安装命令。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-Hunyuan3DWrapper\u002Fissues\u002F7",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},11994,"在 Windows 上自行编译 wheel 时遇到 Microsoft Visual Studio 错误（如找不到 Python.h 或编译器失败）如何解决？","如果在便携版 Python 环境中编译失败（缺少头文件或编译器配置错误），建议尝试以下方案：\n1. 安装标准的 Python 3.12 版本（非便携版），并配合标准版 ComfyUI 进行编译，许多用户反馈此组合能成功构建 wheel。\n2. 确保已安装对应版本的 MSVC C++ Build Tools（如 v140 或 v142）。\n3. 如果无法自行编译，可以寻找社区分享的已编译 wheel 文件（需匹配你的 Python 版本、Torch 版本和 CUDA 版本），例如针对 Python 3.12 + Torch 2.6\u002F2.7 + CUDA 12.6\u002F12.8 的文件。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-Hunyuan3DWrapper\u002Fissues\u002F47",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},11995,"生成一个 3D 网格（mesh）需要多长时间？AMD 显卡支持情况如何？","生成时间高度依赖显卡性能：\n- NVIDIA 高端卡（如 RTX 4090）：速度较快。\n- NVIDIA 中端卡（如 RTX 3060）：可能需要数分钟到十几分钟。\n- AMD 显卡：目前支持不佳，速度极慢且容易报错。有用户反馈 RX 6600 XT 生成 mesh 耗时 33 分钟，后续处理又耗时 11 分钟，甚至最终失败。这是因为 Flash Attention 在 AMD 通过 Zluda 运行时可能无法正常工作，尽管代码使用的是标准 torch attention（理论上应支持内存高效注意力），但在 AMD 硬件上表现仍不理想。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-Hunyuan3DWrapper\u002Fissues\u002F27",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},11996,"如何让 preview3d 节点正确显示生成的 3D 模型？","要使 preview3d\u002Fload3d 节点正常工作，请遵循以下步骤：\n1. 确保生成的 mesh 文件保存在 ComfyUI 的 `outputs` 文件夹内。\n2. 节点返回的路径必须是相对于 `outputs` 文件夹的子路径。例如，如果文件实际路径是 `ComfyUI\u002Foutputs\u002Fhunyuan3d\u002Ftest.obj`，节点应仅返回 `hunyuan3d\u002Ftest.obj`。\n3. 如果更新工作流后节点仍报错（如 missing class_type 或显示 NaN），尝试右键点击该节点选择 'Fix Node' (修复节点) 或重新创建该节点。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-Hunyuan3DWrapper\u002Fissues\u002F4",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},11997,"安装 wheel 文件时提示 'is not a supported wheel on this platform' 是什么原因？","该错误表明下载的 wheel 文件与当前的运行环境不兼容。Wheel 文件名中包含了严格的版本限制，例如 `custom_rasterizer-0.1.0+torch260.cuda126-cp312-cp312-win_amd64.whl` 意味着它仅适用于：\n- Python 3.12 (cp312)\n- PyTorch 2.6.0 (torch260)\n- CUDA 12.6 (cuda126)\n- Windows 64 位 (win_amd64)\n如果你的环境是 Python 3.13、Torch 2.8 或 CUDA 12.9 等，则无法直接安装。解决方法是：要么降级\u002F升级本地环境以匹配 wheel 文件，要么寻找或自行编译匹配当前环境版本的新 wheel 文件。","https:\u002F\u002Fgithub.com\u002Fkijai\u002FComfyUI-Hunyuan3DWrapper\u002Fissues\u002F181",{"id":151,"question_zh":152,"answer_zh":153,"source_url":134},11998,"Ubuntu\u002FLinux 系统下编译失败或找不到兼容的 wheel 文件怎么办？","目前在 Ubuntu 22 等 Linux 系统上，官方或社区提供的预编译 wheel 文件可能较少，导致用户需要自行编译。如果编译一直失败，建议检查是否安装了完整的构建依赖（如 build-essential, python-dev, cuda-toolkit 等）。由于这是一个常见问题，用户可以关注仓库的 `wheels` 目录，看维护者是否会添加针对 Ubuntu 系统的兼容 wheel 文件，或者在社区 Issue 中寻求特定版本的编译帮助。",[]]