ComfyUiについての3Dモデル生成の場合です。
チュートリアルに例題があります。
以下のボタンでcolabで起動します。(googleアカウントが必要)
途中で止まっても、止まったセルから実行すれば、起動すると思います。
チュートリアルまとめ
以下、notebookLMによるまとめ
hunyuan3d-dit-v2.safetensors とは
このモデルは、Tencentが公開したオープンソースの3D資産生成モデル「Hunyuan3D 2.0」における形状生成（ジオメトリ生成）モデルの核となるファイルです。
• 役割: テキストや画像から、テクスチャのない幾何学的な3Dモデルを生成します。
• アーキテクチャ: フロー拡散トランスフォーマー（flow diffusion Transformer）を採用しています。
• 最大の特徴: シングルビュー（単一視点）入力に特化したモデルであり、1枚の画像から3D形状を作成するワークフローで使用されます。
--------------------------------------------------------------------------------
モデルごとの主な違い
提供されている3つのモデルの主な違いは、**「入力できる視点数」と「生成スピード（推論方法）」**にあります。
モデル名 特徴・用途 入力の種類 hunyuan3d-dit-v2.safetensors 標準的なシングルビューモデル。1枚の画像から3Dモデルを生成する基本的な構成に使用されます。 単一視点（1枚） hunyuan3d-dit-v2-mv.safetensors マルチビュー（多視点）モデル。異なる角度からの画像を入力として受け取り、より詳細で正確な幾何構造を生成できます。 複数視点（マルチビュー） hunyuan3d-dit-v2-mv-turbo.safetensors 高速生成（蒸留）版モデル。マルチビューモデルをステップ蒸留（Step Distillation）したもので、品質を保ちつつより高速に生成可能です。 複数視点（マルチビュー） 補足的な違い
• 生成プロセス:
turbo版は、推論時間を短縮するために特別に調整されており、ワークフロー上ではCFG（Classifier-Free Guidance）を1.0に設定し、専用のガイダンスノード（flux guidanceなど）を併用して制御します。• ハードウェア要件: Hunyuan3D 2.0シリーズは軽量に設計されており、形状生成だけであれば標準バージョンで6GBのVRAMがあれば動作可能です。
例えるなら： これらは「3Dの彫刻家」のようなものです。
• 標準モデルは、1枚の写真だけを見て彫刻を作る職人。
• mv（マルチビュー）モデルは、前後左右からの写真を見て、より正確に彫り進める職人。
• turboモデルは、そのマルチビュー職人の技術をそのままに、超スピードで作業を終わらせるベテラン職人、といった違いです。
そのままだとテクスチャは生成されません。形状生成のみです。
hunyuan3d-dit-v2.safetensors
hunyuan_3d_v2.1.safetensorsに更新
テンプレートから流用できます。
背面は補完されています。
hunyuan3d-dit-v2-mv.safetensors
背面は図を参照しています。
hunyuan3d-dit-v2-mv-turbo.safetensors
こちらの方が簡略化されてそうです。
hunyuan3d-dit-v2-mv-turbo テクスチャ追加
テクスチャを生成するように追加したものです。
colabのT4で動かせる範囲なので、かなり制限されており、荒いです。
本来は上位のGPUで動かすもののようです。十分な環境だとまた違うと思います。
（07 (3dモデルテクスチャ生成)は制限して動くようにしたものです。）
(図のComfyUIのファイル)
メッシュ精度に関わる主な設定箇所
1. EmptyLatentHunyuan3Dv2 — 解像度（現在：3072）
- 3D潜在空間の解像度です。値を上げると形状の細かさが増しますが、VRAM・処理時間が増加します
- 目安：
1024（軽量） /2048（バランス） /3072（高精度・現在値）
2. VAEDecodeHunyuan3D — Octree解像度（現在：256）
- ボクセルのグリッド細かさです。メッシュ精度に最も直接的に影響します
- 値を上げると細部が増えますが重くなります
- 目安：
128（軽量） /256（現在値） /512（高精度・要高VRAM）
3. VAEDecodeHunyuan3D — num_chunks（現在：8000）
- デコード処理を分割するチャンク数です。VRAMが少ない場合は増やすと安定します（精度には直接影響しません）
4. VoxelToMesh — threshold（現在：0.6）
- ボクセルからメッシュを抽出する際のしきい値です
- 下げる（例：
0.4）→ 表面が滑らかに・薄い部分も残りやすい - 上げる（例：
0.8）→ 余分なノイズが除去される・細部が失われやすい
5. VoxelToMesh — algorithm（現在：surface net）
marching cubesに変更するとよりシャープなエッジが出やすくなります
テクスチャ精度に関わる設定
KSampler — steps（現在：20）
- ステップ数を増やすと（例：
30〜50）テクスチャ品質が上がりますが時間がかかります
KSampler — CFG（現在：4）
- 入力画像への忠実度です。上げると元画像に近くなります（
3〜7が一般的な範囲）
T4環境での推奨チューニング例
| 目的 | Octree解像度 | 潜在解像度 | steps |
|---|---|---|---|
| 速度優先 | 128 | 1024 | 15 |
| バランス（現在） | 256 | 3072 | 20 |
| 品質優先 | 512 | 3072 | 30 |
T4（16GB VRAM）では Octree=512 は厳しい場合があるため、256のままステップ数を上げる方が安全です。
コメント