Tencent представила Hunyuan3D-Omni — первую в индустрии модель для генерации 3D-объектов с мультиконтрольным управлением. В отличие от привычных систем, которые часто страдают от искажённой геометрии и кривых генераций, новая разработка предлагает настоящий ControlNet для 3D — подход, позволяющий точно управлять результатами и сочетать сразу несколько источников контроля.
В основе Hunyuan3D-Omni лежит open-source модель Hunyuan3D 2.1, но Tencent существенно расширила её возможности. Главное новшество — лёгкий унифицированный энкодер управления, который эффективно объединяет разные типы данных в единое представление. Второе ключевое улучшение — стратегия прогрессивного обучения по сложности, благодаря которой модель сохраняет устойчивость даже в самых сложных сценариях генерации.
Возможности впечатляют. Пользователи могут управлять объектами через изображение или быстрый набросок, что особенно полезно для создания анимаций и аватаров. Поддержка облака точек (в том числе построенного по глубине) устраняет визуальную неопределённость и помогает добиться реалистичной геометрии. Bounding box-контроль позволяет задавать точные пропорции объекта — длину, ширину и высоту — что важно для дизайнеров и инженеров. А voxel-контроль даёт возможность формировать топологию модели, открывая путь как к инженерным проектам, так и к творческим экспериментам.
Фактически Hunyuan3D-Omni превращает генерацию трёхмерных объектов в более управляемый и надёжный процесс. Это особенно актуально для индустрий, где от качества 3D-моделей зависит очень многое: от фильмов и игр до архитектуры, робототехники и промышленного дизайна.
Tencent сделала модель полностью открытой — опубликованы и код, и веса. Таким образом, Hunyuan3D-Omni может стать основой для новых open-source инструментов, которые ускорят развитие 3D-генерации и сделают её доступнее для широкой аудитории.
Делегируйте часть рутинных задач вместе с BotHub! Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке вы можете получить 100 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!
Автор: cognitronn
