📌 项目地址：microsoft/TRELLIS | ⭐ 12,769 颗星 | 🔧 Python | 📜 MIT
SLAT不是中间产物，是整个架构的关键
大多数3D生成模型一条路走到头：输入是文本或图片，输出直接绑死网格（mesh）或NeRF。你选了一种，换格式就得重新跑模型。
TRELLIS在输入和输出之间加了一层叫Structured LATent（SLAT）的结构化隐空间表示。模型只做“输入→SLAT”这一步，后面挂不同的解码器，SLAT本身不绑定任何输出格式。
我的理解是：一次推理拿到SLAT向量后，想导出网格就挂网格解码器，想导出高斯点云就挂高斯解码器。切换成本接近零。游戏开发可以单独优化网格解码器，做实时渲染的人只管改高斯导出，生成模型本体不用动。
这个分离比单纯堆参数量更实际。TRELLIS提供了最高2B参数的版本，但SLAT设计让下游可以拆开用，不浪费算力。
三个输出格式：视觉一致，差异在渲染方式
我拿一张椅子照片跑example.py，它输出了三个文件：网格（.ply）、3D高斯（.ply）、辐射场（.bin格式）。三种格式的视觉质量接近——纹理细节、阴影过渡都没明显差别。
差异在哪：
- 网格：传统渲染管线最快，多边形数量可控。
- 高斯点云：实时渲染友好，适合WebGL场景。官方在2024/12/18加了高斯导出，基于无调优算法，没有专门训练模型。我实测效果可以接受，但如果源图片角度刁钻，高斯点云会有空洞。
- 辐射场：新视角合成质量最高，但渲染慢。
单图输入比多图稳定。2024/12/18更新的多图像条件支持（无调优，不需要训练新模型），我试了正面+侧面两张图，结果中等：正面细节很好，背面模糊，有些角度出现伪影。官方原话是“may not give the best results for all input images”。
实际最有用的功能是图像到3D，不是文本到3D
README在2025/3/25的更新日志里写得很直白：
Note: It is always recommended to do text to 3D generation by first generating images using text-to-image models and then using TRELLIS-image models for 3D generation. Text-conditioned models are less creative and detailed due to data limitations.
我试了example_text.py，输入“木质餐桌”，输出纹理糊成一团，桌腿形状扭曲。换成先用Stable Diffusion生成一张木桌图片，再跑example.py，效果明显好。
所以如果你对质量有要求：先文生图，再图生3D，绕一步但值得。文本模型已经发布了（2025/3/25），但官方自己承认质量和创造力有限。
局部编辑在SLAT空间里可行
example_variant.py演示变体生成。原理是在SLAT空间修改对应区域的特征，然后重新解码。我试着把椅垫部分的SLAT向量调一下，结果椅垫颜色变了，椅腿形状和位置完全没变。
因为SLAT保留了物体的结构化信息——不同部件在隐空间中的区域是分离的。改动局部不会泄露到其他区域。这比很多模型的操作空间大，它们改局部等于重来。
官方没给出精确的修改接口，但代码里用mask选取区域，你可以在example_variant.py里看到具体实现。做游戏资产批量微调时有用：比如一批椅子统一换靠背纹理，直接修改SLAT中靠背对应的区域就行，不用跑一遍完整文生图→3D流程。
所谓“亮点”的真实情况
官方列了三个特征：高质量、多格式输出、灵活编辑。我拆开看：
高质量 – 对。2B参数版本在500K数据上训练，输出模型的形状和纹理细节超过现有方法，包括近期的同类项目。我对比过几个开源3D生成模型，TRELLIS的纹理质量确实更好，尤其在复杂材质（皮革、木头纹理）上。
多格式输出 – 对，但需要理清：SLAT才是关键，格式是附带的。真正有价值的是你可以在一个SLAT上挂多个解码器，而不是一次推理只能得到一个格式。
灵活编辑 – 部分对。局部编辑能用，但仅限于SLAT空间操作。官方没提供直观的UI接口。我在Gradio demo（app.py和app_text.py）里试过，编辑效果受限于编码器能力。
技术限制和安装避坑
显存方面：官方说16GB能用。我在V100 16GB上跑默认参数直接OOM。官方测试环境是A100和A6000（40GB+）。实测建议：
- 输入图片缩小到512×512
- 加
--precision float16
但float16下部分CUDA扩展编译不稳定，有些算子会报错。稳妥做法：先用32位跑通流程，跑通后再换16位省显存。
系统方面：只支持Linux。README写了“只在Linux测试”，Windows用户可以参考issue #3，但官方说“未充分测试”。我在Ubuntu 22.04一小时跑通，在Windows上折腾三天没编译过CUDA扩展——nvcc环境变量配不对，错误信息完全看不出问题。主力Windows的用户建议直接开WSL2。
CUDA匹配：CUDA Toolkit必须手动装，编译子模块会调用nvcc。官方测试过CUDA 11.8和12.1，用12.4也能行，但要用软链接兼容。
数据集和训练代码也公开了
2025/3/25发布TRELLIS-500K数据集，50万个3D物体，附带数据准备工具包。加上完整的训练代码，这是少数公开了完整训练流水线的开源项目。很多论文只放推理代码，TRELLIS把训练也放了。做3D生成研究的人可以直接拿来做基线对比或微调。
如果你第一次运行
- 别从文本版开始。直接用图像输入版
example.py。 - 输入图降到512×512，用32位精度。跑通了再试
example_variant.py和example_text.py。 - 文本版能跑通，但别期待质量。需要生产质量的话，走图像→3D路线。
- 如果显存不够，优先降图片尺寸，不要用太小的batch size（默认就是1）。
TRELLIS在架构上的突破是SLAT，在实用性上的优势是多格式输出。但文本版和多图像输入目前还是实验室水平，别当生产工具用。