[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-nv-tlabs--LLaMA-Mesh":3,"tool-nv-tlabs--LLaMA-Mesh":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",159636,2,"2026-04-17T23:33:34",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":10,"env_os":89,"env_gpu":90,"env_ram":89,"env_deps":91,"category_tags":96,"github_topics":98,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":103,"updated_at":104,"faqs":105,"releases":106},8865,"nv-tlabs\u002FLLaMA-Mesh","LLaMA-Mesh","Unifying 3D Mesh Generation with Language Models","LLaMA-Mesh 是一款创新性的开源项目，旨在让大型语言模型（LLM）直接具备生成和理解 3D 网格（Mesh）的能力。简单来说，用户只需通过自然的文字对话描述需求，LLaMA-Mesh 就能创作出对应的 3D 模型，甚至能在对话中交替输出文本与 3D 内容，实现真正的“聊天造 3D\"。\n\n传统上，训练 AI 生成 3D 模型通常需要专门的架构或复杂的预处理流程。LLaMA-Mesh 巧妙解决了这一难题：它无需扩展模型词汇表，而是将 3D 模型的顶点坐标和面定义直接转化为纯文本格式。这种独特的方法让预训练的语言模型能够无缝读取并处理空间几何信息，既利用了模型已有的海量文本知识（如 3D 教程），又避免了重新从头训练的巨大成本。实验表明，其在保持强大文本能力的同时，生成的 3D 模型质量可与专用模型媲美。\n\n这款工具非常适合希望探索多模态生成的研究人员、想要快速原型设计的 3D 开发者，以及希望通过自然语言交互降低 3D 创作门槛的设计师。项目不仅提供了完整的推理代码和在线演示，还推出了 Blender 插件，方便用户直接将生成的模型融入现有工作流。作为首个证明语言模型可通过微调掌握","LLaMA-Mesh 是一款创新性的开源项目，旨在让大型语言模型（LLM）直接具备生成和理解 3D 网格（Mesh）的能力。简单来说，用户只需通过自然的文字对话描述需求，LLaMA-Mesh 就能创作出对应的 3D 模型，甚至能在对话中交替输出文本与 3D 内容，实现真正的“聊天造 3D\"。\n\n传统上，训练 AI 生成 3D 模型通常需要专门的架构或复杂的预处理流程。LLaMA-Mesh 巧妙解决了这一难题：它无需扩展模型词汇表，而是将 3D 模型的顶点坐标和面定义直接转化为纯文本格式。这种独特的方法让预训练的语言模型能够无缝读取并处理空间几何信息，既利用了模型已有的海量文本知识（如 3D 教程），又避免了重新从头训练的巨大成本。实验表明，其在保持强大文本能力的同时，生成的 3D 模型质量可与专用模型媲美。\n\n这款工具非常适合希望探索多模态生成的研究人员、想要快速原型设计的 3D 开发者，以及希望通过自然语言交互降低 3D 创作门槛的设计师。项目不仅提供了完整的推理代码和在线演示，还推出了 Blender 插件，方便用户直接将生成的模型融入现有工作流。作为首个证明语言模型可通过微调掌握复杂空间知识的案例，LLaMA-Mesh 为文本与 3D 模态的统一开辟了新的道路。","# LLaMA-Mesh: Unifying 3D Mesh Generation with Language Models\n\n[**Paper**](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2411.09595) | [**Project Page**](https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Ftoronto-ai\u002FLLaMA-Mesh\u002F) | [**Model Weights**](https:\u002F\u002Fhuggingface.co\u002FZhengyi\u002FLLaMA-Mesh) | [**Huggingface Demo**](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FZhengyi\u002FLLaMA-Mesh) | [**Blender Addon**](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmeshgen)\n\nCreate 3D meshes by chatting.\n\n[Zhengyi Wang](https:\u002F\u002Fthuwzy.github.io\u002F), [Jonathan Lorraine](https:\u002F\u002Fwww.jonlorraine.com\u002F), [Yikai Wang](https:\u002F\u002Fyikaiw.github.io\u002F), [Hang Su](https:\u002F\u002Fwww.suhangss.me\u002F), [Jun Zhu](https:\u002F\u002Fml.cs.tsinghua.edu.cn\u002F~jun\u002Findex.shtml), [Sanja Fidler](https:\u002F\u002Fwww.cs.utoronto.ca\u002F~fidler\u002F), [Xiaohui Zeng](https:\u002F\u002Fwww.cs.utoronto.ca\u002F~xiaohui\u002F)\n\n\n\nAbstract: *This work explores expanding the capabilities of large language models (LLMs) pretrained on text to generate 3D meshes within a unified model. This offers key advantages of (1) leveraging spatial knowledge already embedded in LLMs, derived from textual sources like 3D tutorials, and (2) enabling conversational 3D generation and mesh understanding. A primary challenge is effectively tokenizing 3D mesh data into discrete tokens that LLMs can process seamlessly. To address this, we introduce LLaMA-Mesh, a novel approach that represents the vertex coordinates and face definitions of 3D meshes as plain text, allowing direct integration with LLMs without expanding the vocabulary. We construct a supervised fine-tuning (SFT) dataset enabling pretrained LLMs to (1) generate 3D meshes from text prompts, (2) produce interleaved text and 3D mesh outputs as required, and (3) understand and interpret 3D meshes. Our work is the first to demonstrate that LLMs can be fine-tuned to acquire complex spatial knowledge for 3D mesh generation in a text-based format, effectively unifying the 3D and text modalities. LLaMA-Mesh achieves mesh generation quality on par with models trained from scratch while maintaining strong text generation performance.*\n\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F11291517-6309-453c-9e7d-087198a8bd87\n\n## TODO List\n\n- [x] Release [model weights](https:\u002F\u002Fhuggingface.co\u002FZhengyi\u002FLLaMA-Mesh) and [online demo](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FZhengyi\u002FLLaMA-Mesh). (2024\u002F11\u002F18)\n- [x] Release inference code.\n- [ ] Upload training dataset.\n\n## Method\n\nOverview of our method. LLaMA-Mesh unifies text and 3D mesh in a uniform format by representing the numerical values of vertex coordinates and face definitions of a 3D mesh as plain text. Our model is trained using text and 3D interleaved data in an end-to-end manner. Therefore, our model can generate both text and 3D meshes in a unified model.\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_LLaMA-Mesh_readme_cf2eb82d0f38.jpg\">\n\u003C\u002Fp>\n\n## Inference\nWe suggest using Gradio UI for visualizing inference.\n```\npython app.py\n```\n![UI](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_LLaMA-Mesh_readme_5942884565de.png)\n\nOr using LLaMA-Mesh with `transformers`:\n```python\nfrom transformers import AutoModelForCausalLM, AutoTokenizer\n\nmodel_path = \"Zhengyi\u002FLLaMA-Mesh\"\ntokenizer = AutoTokenizer.from_pretrained(model_path)\nmodel = AutoModelForCausalLM.from_pretrained(model_path, device_map=\"auto\")\n```\n## Acknowledgements\n\nThanks to [Dylan Ebert](https:\u002F\u002Fdylanebert.com\u002F) for implementing the [blender addon](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmeshgen).\n\n## BibTeX\n\n```bibtex\n@article{wang2024llamameshunifying3dmesh,\n    title={LLaMA-Mesh: Unifying 3D Mesh Generation with Language Models},\n    author={Zhengyi Wang and Jonathan Lorraine and Yikai Wang and Hang Su and Jun Zhu and Sanja Fidler and Xiaohui Zeng},\n    journal={arXiv preprint arXiv:2411.09595},\n    year={2024}\n}\n```\n","# LLaMA-Mesh：统一语言模型与三维网格生成\n\n[**论文**](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2411.09595) | [**项目页面**](https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Ftoronto-ai\u002FLLaMA-Mesh\u002F) | [**模型权重**](https:\u002F\u002Fhuggingface.co\u002FZhengyi\u002FLLaMA-Mesh) | [**Hugging Face 演示**](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FZhengyi\u002FLLaMA-Mesh) | [**Blender 插件**](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmeshgen)\n\n通过聊天创建 3D 网格。\n\n[Zhengyi Wang](https:\u002F\u002Fthuwzy.github.io\u002F)、[Jonathan Lorraine](https:\u002F\u002Fwww.jonlorraine.com\u002F)、[Yikai Wang](https:\u002F\u002Fyikaiw.github.io\u002F)、[Hang Su](https:\u002F\u002Fwww.suhangss.me\u002F)、[Jun Zhu](https:\u002F\u002Fml.cs.tsinghua.edu.cn\u002F~jun\u002Findex.shtml)、[Sanja Fidler](https:\u002F\u002Fwww.cs.utoronto.ca\u002F~fidler\u002F)、[Xiaohui Zeng](https:\u002F\u002Fwww.cs.utoronto.ca\u002F~xiaohui\u002F)\n\n\n\n摘要：*本工作探索将基于文本预训练的大型语言模型（LLM）的能力扩展至在统一模型中生成 3D 网格。这一方法具有以下关键优势：(1) 充分利用 LLM 中已嵌入的空间知识，这些知识源自 3D 教程等文本资源；(2) 实现对话式的 3D 生成与网格理解。主要挑战在于如何有效地将 3D 网格数据编码为 LLM 能够无缝处理的离散标记。为此，我们提出了 LLaMA-Mesh，这是一种新颖的方法，它将 3D 网格的顶点坐标和面定义表示为纯文本，从而无需扩展词汇表即可直接与 LLM 集成。我们构建了一个监督微调（SFT）数据集，使预训练的 LLM 能够 (1) 根据文本提示生成 3D 网格，(2) 按需生成文本与 3D 网格交错的输出，以及 (3) 理解并解释 3D 网格。我们的工作首次证明，LLM 可以通过微调获得用于 3D 网格生成的复杂空间知识，并以文本形式呈现，从而有效统一 3D 和文本两种模态。LLaMA-Mesh 在网格生成质量上可与从头训练的模型相媲美，同时保持强大的文本生成性能。*\n\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F11291517-6309-453c-9e7d-087198a8bd87\n\n## 待办事项\n\n- [x] 发布 [模型权重](https:\u002F\u002Fhuggingface.co\u002FZhengyi\u002FLLaMA-Mesh) 和 [在线演示](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FZhengyi\u002FLLaMA-Mesh)。（2024年11月18日）\n- [x] 发布推理代码。\n- [ ] 上传训练数据集。\n\n## 方法\n\n我们的方法概述。LLaMA-Mesh 通过将 3D 网格的顶点坐标和面定义的数值表示为纯文本，以统一的格式整合文本与 3D 网格。我们的模型采用端到端的方式，使用文本与 3D 交错的数据进行训练。因此，该模型可以在一个统一的框架内同时生成文本和 3D 网格。\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_LLaMA-Mesh_readme_cf2eb82d0f38.jpg\">\n\u003C\u002Fp>\n\n## 推理\n我们建议使用 Gradio UI 来可视化推理过程。\n```\npython app.py\n```\n![UI](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_LLaMA-Mesh_readme_5942884565de.png)\n\n或者使用 `transformers` 库结合 LLaMA-Mesh：\n```python\nfrom transformers import AutoModelForCausalLM, AutoTokenizer\n\nmodel_path = \"Zhengyi\u002FLLaMA-Mesh\"\ntokenizer = AutoTokenizer.from_pretrained(model_path)\nmodel = AutoModelForCausalLM.from_pretrained(model_path, device_map=\"auto\")\n```\n## 致谢\n\n感谢 [Dylan Ebert](https:\u002F\u002Fdylanebert.com\u002F) 实现了 [Blender 插件](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmeshgen)。\n\n## BibTeX\n\n```bibtex\n@article{wang2024llamameshunifying3dmesh,\n    title={LLaMA-Mesh: Unifying 3D Mesh Generation with Language Models},\n    author={Zhengyi Wang and Jonathan Lorraine and Yikai Wang and Hang Su and Jun Zhu and Sanja Fidler and Xiaohui Zeng},\n    journal={arXiv preprint arXiv:2411.09595},\n    year={2024}\n}\n```","# LLaMA-Mesh 快速上手指南\n\nLLaMA-Mesh 是一个将大型语言模型（LLM）与 3D 网格生成统一起来的开源项目。它允许用户通过自然语言对话直接生成 3D 网格，或将文本与 3D 内容交错输出，无需扩展词表即可让 LLM 理解空间几何信息。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux (推荐) 或 macOS\n*   **Python**: 3.8 或更高版本\n*   **GPU**: 支持 CUDA 的 NVIDIA 显卡（推荐显存 16GB+ 以运行完整模型）\n*   **前置依赖**:\n    *   PyTorch (建议安装与 CUDA 版本匹配的最新版)\n    *   Transformers库\n    *   Gradio (用于运行可视化界面)\n\n**国内加速建议**：\n推荐使用国内镜像源安装依赖，以提升下载速度：\n```bash\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\npip install transformers gradio -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 安装步骤\n\n目前项目已发布推理代码和模型权重。请按照以下步骤克隆仓库并安装必要依赖：\n\n1.  **克隆项目仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmeshgen.git\n    cd meshgen\n    ```\n    *(注：推理代码位于 HuggingFace 组织的 meshgen 仓库中，该仓库包含了 LLaMA-Mesh 的相关实现)*\n\n2.  **安装 Python 依赖**\n    如果项目根目录包含 `requirements.txt`，请执行：\n    ```bash\n    pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n    若未提供文件，请确保已手动安装 `transformers`, `gradio`, `accelerate` 等核心库。\n\n3.  **模型自动下载**\n    首次运行时，代码会自动从 Hugging Face 下载模型权重。\n    **国内用户提示**：如果直接连接 Hugging Face 超时，建议设置镜像环境变量：\n    ```bash\n    export HF_ENDPOINT=https:\u002F\u002Fhf-mirror.com\n    ```\n\n## 基本使用\n\nLLaMA-Mesh 提供两种主要使用方式：图形化界面（推荐新手）和 Python 代码调用。\n\n### 方式一：使用 Gradio 可视化界面\n\n这是最直观的交互方式，可以直接在浏览器中输入提示词生成 3D 模型。\n\n在项目目录下运行：\n```bash\npython app.py\n```\n运行成功后，终端会显示一个本地访问地址（通常为 `http:\u002F\u002F127.0.0.1:7860`）。在浏览器打开该地址，输入如 \"A red chair\" 等英文提示词，即可生成并预览 3D 网格。\n\n### 方式二：使用 Python 代码调用\n\n您可以像使用普通 LLM 一样，通过 `transformers` 库加载模型进行推理。\n\n```python\nfrom transformers import AutoModelForCausalLM, AutoTokenizer\n\n# 指定模型路径\nmodel_path = \"Zhengyi\u002FLLaMA-Mesh\"\n\n# 加载分词器和模型\ntokenizer = AutoTokenizer.from_pretrained(model_path)\nmodel = AutoModelForCausalLM.from_pretrained(model_path, device_map=\"auto\")\n\n# 构建输入提示 (示例)\n# 注意：具体的 Prompt 格式需参考项目最新文档或训练数据格式\ninput_text = \"Generate a 3D mesh of a cube.\" \ninputs = tokenizer(input_text, return_tensors=\"pt\").to(model.device)\n\n# 生成输出\noutputs = model.generate(**inputs, max_new_tokens=512)\nresult = tokenizer.decode(outputs[0], skip_special_tokens=False)\n\nprint(result)\n```\n\n生成的输出将包含表示顶点坐标和面定义的纯文本序列，这些序列可直接解析为标准的 3D 网格格式（如 OBJ）。","独立游戏开发者小林正在为一款奇幻 RPG 快速原型设计大量风格统一的低多边形（Low-poly）道具模型。\n\n### 没有 LLaMA-Mesh 时\n- **工作流割裂严重**：必须先在文本中构思描述，再切换至 Blender 手动建模或依赖独立的 3D 生成 API，无法在同一界面完成“对话即创作”。\n- **修改迭代成本高昂**：若需调整模型细节（如“把剑柄变短”），往往需要重新运行整个生成流程或返回建模软件手动微调，难以通过自然语言直接修正。\n- **空间知识利用不足**：传统专用 3D 模型缺乏对复杂语义的理解，难以准确还原诸如“带有维京风格纹路的破损盾牌”等包含丰富文化背景的指令。\n- **格式转换繁琐**：生成的几何数据通常需要额外的脚本转换为标准 Mesh 格式，才能导入游戏引擎，增加了技术门槛和出错概率。\n\n### 使用 LLaMA-Mesh 后\n- **统一对话式创作**：小林直接在聊天窗口输入提示词，LLaMA-Mesh 即可输出包含顶点坐标和面定义的纯文本格式 3D 网格，实现“所聊即所得”。\n- **无缝交互式修改**：针对不满意的部位，只需继续对话（例如“让盾牌边缘更圆润”），模型便能理解上下文并直接生成修正后的网格数据，无需重启流程。\n- **深度语义理解**：依托大语言模型预训练的空间知识，LLaMA-Mesh 能精准捕捉“维京风格”与“破损”的几何特征，生成符合语境的高质量模型。\n- **原生格式兼容**：输出的文本可直接被解析为标准 3D 资产或通过 Blender 插件一键导入，彻底消除了中间格式转换的步骤。\n\nLLaMA-Mesh 通过将 3D 几何数据转化为纯文本令牌，真正打破了语言与空间的壁垒，让开发者能像写代码一样通过自然对话高效构建三维世界。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_LLaMA-Mesh_59428845.png","nv-tlabs","NVIDIA Spatial Intelligence Lab (SIL)","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fnv-tlabs_923b27b7.png","Our goal is to advance foundational technologies enabling AI systems to perceive, model, and meaningfully interact with the physical world.",null,"https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Fsil\u002F","https:\u002F\u002Fgithub.com\u002Fnv-tlabs",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,1147,78,"2026-04-12T11:40:30","NOASSERTION","未说明","需要 NVIDIA GPU（代码示例中使用 device_map=\"auto\"，通常用于多卡或单卡自动调度），具体显存大小和 CUDA 版本未说明",{"notes":92,"python":89,"dependencies":93},"该工具通过 Hugging Face Transformers 加载模型。推理支持两种模式：一是运行 app.py 启动 Gradio 可视化界面进行对话生成；二是直接使用 Python 代码调用。模型权重托管在 Hugging Face 上，首次运行需联网下载。项目还提供了一个 Blender 插件用于集成。",[94,95],"transformers","gradio",[35,14,97],"其他",[99,100,101,102],"3d-generation","llm","mesh-generation","multimodal","2026-03-27T02:49:30.150509","2026-04-18T14:25:45.489367",[],[]]