新闻详情

新闻详情

首页 / 资讯中心 / 详情

Modly + TripoSG 本地离线 3D 生成部署实战|Ubuntu + RTX3060 踩坑全记录

发布时间:2026/11/12 9:18:58来源:尧图网络
Modly + TripoSG 本地离线 3D 生成部署实战|Ubuntu + RTX3060 踩坑全记录
最近看短视频刷到消费级显卡也可以本地部署离线的AI 3D 生成就是这个Modly可视化桌面工具可以通过单张图像一键生成3D 模型还支持部署好及款图生3D模型像TripoSR、Hunyuan3D、TripoSG。我这边采用3060显卡部署的是TripoSG但是在部署时也是踩很多坑像模型权重下载失败、路径识别错误等。1 简介ModlyModly 是基于 Electron 开发的本地 AI 3D 生成桌面 App支持各类 3D 生成模型扩展TripoSG / Hunyuan3D / TripoSR自带可视化界面、内置 FastAPI 后端自动管理每个扩展独立 Python 虚拟环境。核心特点每个扩展单独一套 venv互不干扰可以直接上传图片生成 3D 资产TripoSGVAST-AI 出品的图生 3D 模型生成质量优秀输出网格适合后续修复做 3D 打印缺点HuggingFace 权重国内无法直连下载必须代理推理显存在7G左右。2 部署2.1 下载直接登录git地址https://github.com/lightningpixel/modly下载Modly-0.4.2.AppImage2.2 运行chmod x Modly-0.4.2.AppImage ./Modly-0.4.2.AppImage #这样运行可能会有一些nvidia driver的警告如果想去掉告警 ./Modly-0.4.2.AppImage --no-sandbox中途会让你选择一个modly工作目录直接找个地方创建一个目录就行。这一步会下各种环境需要一段时间有可能失败需要代理解决。下面就是运行成功后的大概界面。2.3 安装TripoSG这一步就比较耗时了。1. 安装Extensions如下图进入Extensions菜单点击“Install From GitHub”填写URL地址https://github.com/lightningpixel/modly-triposg-extension下图有其他的模型地址可以自己选择安装好后就会有TripoSG的菜单出现如下图。这一步只是安装好了TripoSG的扩展包还没有安装模型需要点击Install才行。2.安装TripoSG模型这一步问题比较多。问题1点击安装会直接报错找不到文件通过查看这些文件都是存在的但是问题是软链接失效了因为Modly每次重启他都会重新使用新的挂载地址导致之前的软链接失效。解决cd /home/xxx/workspace/modly/extensions/triposg/venv/bin rm python3.11 ln -sf /tmp/.mount_Modly-s34GKf/resources/python-embed/bin/python3.11 python3.11 # mount_Modly-s34GKf地址要对应你现在的地址然后在点击Repair 进行修复这样就可以了。问题2点击install后会有闪退的情况就是直接退出下载没有任何报错这里不好截图主要的原因是使用了代理导致但是如果不使用代理可能也是安装不了的下载的是huggingface上的模型。解决采用代理手动下载模型。# 安装hf下载工具 pip install huggingface_hub # 下载TripoSG完整权重 huggingface-cli download VAST-AI/TripoSG --local-dir ~/workspace/triposg-model问题3下载好模型并拷贝到models/triposg下并重启Modly但是还是显示没有安装TripoSG这个问题找了很久问豆包也是乱说的。后面自己通过在他的代码中添加打印最后终于找到问题了是方的地址不对需要放到models/triposg/generate这个目录下才可以。解决mv ~/workspace/triposg-model/* models/triposg/generate/然后再重启Modly这样就成功了。2.4 添加工作流如下图添加图像的导入-》TripoSG-》Repair-》Add Scene3 运行在运行中需要下载一些全重这一步比较顺畅最后总共跑出效果可能要半个多小时。整体生成的效果还是可以的在消费级显卡上已经不错了终于可以实现3D自由了。显卡占用7GB左右我的是12GB足够了。实操视频modly_triposg如果本文对你有帮助欢迎点赞、关注、收藏。遇到问题可以评论区留言交流也欢迎转发给需要的朋友。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/11 9:31:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/11 5:36:08

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉