騰訊發佈混元三維模型

騰訊正式發表新一代統一多模態三維模型「Hunyuan3D-Buffalo 1.0」，這項技術突破將三維理解、生成與編輯功能整合在單一架構內，為電腦視覺與三維內容創作領域帶來全新解決方案。該模型由騰訊多媒體實驗室團隊主導開發，論文已於 arXiv 公開，並在 GitHub 與專案頁面提供完整技術細節。 近年來，影像生成領域已證明統一多模態模型能同時處理理解、生成與編輯任務，但三維建模領域因缺乏大規模且幾何一致的編輯資料，進展相對緩慢。為解決此問題，騰訊團隊提出 Hunyuan3D-Buffalo 1.0，以單一架構同時支援三維理解、文字轉三維生成、指令引導三維編輯，以及文字驅動的部件生成，讓模型不再僅能處理單一任務，而是具備完整的三維內容創作能力。 為了實現大規模訓練，團隊建構了一個規模達 8700 萬筆樣本的三維多模態語料庫。其中包含 2500 萬筆理解樣本、5000 萬筆文字轉三維配對資料，以及 1200 萬筆編輯配對資料。這些編輯配對資料是透過團隊自行開發的 Nano3D-v2 工具自動生成，確保訓練資料在多樣性與一致性上達到足夠水準，為統一模型的訓練奠定堅實基礎。 在架構設計上，Hunyuan3D-Buffalo 1.0 結合了兩個核心模組：Hunyuan3D-VLM 負責語義、結構與空間理解，提供多模態語義條件；Hunyuan3D DiT 則負責高保真三維合成。當模型執行編輯或部件生成任務時，會額外以來源物件的表徵作為擴散過程的條件輸入，確保整體結構與未編輯區域得以保留，避免產生不連貫的變形或破壞。 這套統一框架在實際應用中的優勢相當明顯。過去，三維模型往往需要針對不同任務分別訓練專用模型，不僅耗費大量運算資源，也難以在不同任務間共享知識。Hunyuan3D-Buffalo 1.0 透過單一模型同時處理多種任務，不僅簡化了部署流程，也讓模型在理解與生成之間互相增益，提升整體表現。 根據團隊在論文中公布的實驗結果，Hunyuan3D-Buffalo 1.0 在文字轉三維生成與三維編輯基準測試上均達到最先進或領先水準，同時展現出強大的理解能力與部件生成能力。分析更進一步指出，生成任務與理解任務之間的相互促進，證明了統一三維多模態訓練的有效性，也為未來三維模型發展提供了新方向。 專案頁面目前已上線，提供模型論文、視覺化展示與更多技術細節。團隊成員包括 Junliang Ye、Kenkun Liu、Guocun Wang、Yang Li、Yansong Qu、Chunshi Wang、Jingwei Xu、Yunhan Yang、Zibo Zhao、Jiachen Xu、Jiaao Yu、Lifu Wang、Zhihao Liang、Zhuo Chen 與 Chunchao Guo，論文於 8 月 3 日提交，8 月 5 日由社群使用者上傳至 arXiv 平台。 業界觀察人士指出，騰訊此次推出的統一三維模型，不僅展現了其在多模態 AI 領域的技術積累，也為自動化三維內容創作、虛擬世界建構、遊戲開發、工業設計等應用場景提供了更高效的工具。隨著數位孿生、元宇宙等概念持續升溫，能夠同時理解、生成與編輯三維內容的統一模型，將有望大幅降低內容創作的門檻與成本。 值得注意的是，Hunyuan3D-Buffalo 1.0 的訓練資料規模達到 8700 萬筆，其中編輯配對資料的生成工具 Nano3D-v2 本身就是一個創新點。過去三維編輯資料難以大規模取得，團隊透過自動化方法解決了這個瓶頸，讓統一模型的訓練成為可能。這也意味著，未來三維 AI 模型的發展將不再受限於資料稀缺，而可以更專注於架構與演算法的精進。 目前，該模型已在 Hugging Face 社群獲得超過 73 個讚好，並有多篇相關論文在 Semantic Scholar 中被推薦比較，顯示學術界對此工作的關注度相當高。雖然尚未有模型或資料集直接引用此論文，但隨著專案頁面與論文的公開，預計後續將有更多研究團隊基於此框架進行延伸應用。 整體而言，Hunyuan3D-Buffalo 1.0 的發表標誌著三維多模態模型從「分離任務」走向「統一框架」的重要一步。騰訊透過建構大規模語料庫與創新架構，成功打破了過去三維理解、生成與編輯之間的壁壘，為未來更智慧、更靈活的三維內容創作平台鋪平了道路。