2026 年 8 月 3 日（当地时间）——腾讯（Tencent）发布了将可扩展的 3D 生成、理解与编辑整合为一体的多模态模型（multimodal model）「Hunyuan3D-Buffalo 1.0」。
Hunyuan3D-Buffalo 1.0 管线概览
Hunyuan3D-Buffalo 1.0 是作为「Tencent Hunyuan3D」项目的一环公开发布的，是一个集成了 3D 理解（3D understanding）、文本到 3D 生成（text-to-3D generation）、基于指令的 3D 编辑（3D editing）以及部件级 3D 生成的统一型 3D 多模态框架（multimodal framework）。它通过连接语言、3D 表示与生成式 3D 模块，在单一的处理流程中支持多种多样的任务。
该框架采用了共享的「Hunyuan3D-VLM」骨干网络（backbone）。由此，它能在 3D 空间中的问答（QA，Question Answering）、视觉定位（grounding，即语言与 3D 对象的对应绑定）、生成、编辑以及部件级拆解等各项任务之间起到桥梁作用。
此外，在统一表示的基础上结合「Hunyuan3D DiT」模块，实现了多模态生成的可扩展性（scalability）、高质量的 3D 编辑以及精密的部件生成。
四大主要功能
该管线主要由以下四项功能构成。
3D 理解（3D Understanding）
利用语言引导的推理，对 3D 模型执行问答（3D QA）与视觉定位（grounding）。
文本到 3D 生成（Text-to-3D）
基于输入的文本提示词（prompt），可生成全新的 3D 资产。
3D 编辑（3D Editing）
使用自然语言指令，即可对现有的 3D 对象进行编辑。
部件生成（Part Generation）
借助语言信息，可从 3D 模型中提取并生成具有语义的部件（零件）。
可将整个网格（mesh）与所有部件组件可视化。不仅能以组合状态显示，还能以分解图（爆炸视图，exploded view）呈现，有助于理解模型的结构。
借助该框架，仅用单一模型即可从生成到编辑、再到结构分析流畅地完成。作为一项能够梳理基于语言的 3DCG 制作流程、大幅提升作业效率的技术，备受期待。
评论留言