# TripoSG 1.5B (lokales 3D-Modell)

> Lokales Image-to-3D: TripoSG 1.5B von VAST-AI verwandelt ein Bild in ein detailliertes, untexturiertes 3D-Mesh (GLB) mit scharfen, sauberen Oberflächen – auf deiner NVIDIA GPU mit 8 GB VRAM. Läuft offline in der Local Python models runtime. Gewichte MIT; Tencent-Code in der Inference ist in der EU, im Vereinigten Königreich und in Südkorea nicht lizenziert.

- Id: `aigd.model3d-triposg`
- Quelle: Offiziell (First-Party `aigd.*`)
- Kategorie: 3D
- Herausgeber: AI Game Dev (`aigd`), verifiziert
- Neueste Version: 1.0.4 (veröffentlicht am 2026-11-22)
- Lizenz: SEE LICENSE IN README.md
- Erfordert die AI Game Dev App: `>=0.32.0-beta.6`
- Nativer Code: nein
- Bewertung: noch nicht bewertet
- HTML-Seite: https://ai-game.dev/de/packages/aigd.model3d-triposg

## Installieren

Mit der gamedev CLI im Projektordner:

```bash
gamedev pkg add aigd.model3d-triposg
```

In der Desktop-App: Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle **Browse**, suche nach `aigd.model3d-triposg` und klicke auf **Add to Project**. Mehr: https://ai-game.dev/docs/wiki/app/packages

## Versionen

| Version | Veröffentlicht | Erfordert App | Hinweise |
|---|---|---|---|
| 1.0.4 | 2026-11-22 | `>=0.32.0-beta.6` | neueste |
| 1.0.3 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Beschreibung

````markdown
# TripoSG 1.5B (`aigd.model3d-triposg`)

TripoSG 1.5B verwandelt ein Bild in eine detaillierte 3D-Form auf deiner NVIDIA GPU (8 GB VRAM oder mehr) – mit [TripoSG](https://github.com/VAST-AI-Research/TripoSG) von VAST-AI. Das Ergebnis ist ein untexturiertes GLB mit scharfen, sauberen Oberflächen. In AI Game Dev läuft es lokal über die **Local Python models runtime** (`aigd.python`). Es braucht von den lokalen Image-to-3D-Modellen den wenigsten Videospeicher. **Ein Teil seines Inference-Codes steht unter Tencent-Lizenzen, die eine Nutzung in der Europäischen Union, im Vereinigten Königreich und in Südkorea nicht erlauben.**

## Was du erstellen kannst

- Untexturierte Meshes von Props, Waffen, Fahrzeugen, Kreaturen und Charakteren aus einem Bild.
- Basis-Meshes, die du später texturierst, retopologisierst oder riggst.
- 3D-Blockouts aus Concept Art auf einer NVIDIA-Karte mit 8 GB.

## Beispielanfragen

- „Erstelle mit TripoSG ein 3D-Modell von `Concepts/lantern.png`.“
- „Wandle das Roboter-Konzept mit dem transparenten Hintergrund in ein GLB um.“
- „Erzeuge für jedes der drei Fels-Bilder in `Concepts/rocks/` ein Mesh.“

## Highlights

|  |  |
|---|---|
| Modell-ID | `aigd.model3d-triposg.v1` |
| Operation | Image zu 3D (ein Eingabebild; transparenter Hintergrund funktioniert am besten) |
| Ausgabe | untexturiertes GLB |
| Schritte | standardmäßig 50 |
| Läuft auf | NVIDIA GPU (CUDA) mit 8 GB VRAM oder mehr |
| Download | etwa 7.9 GB, plus die Python-Umgebung der Runtime beim ersten Laden |
| Lizenz | Gewichte MIT; ein Teil des Inference-Codes unter Tencent-Lizenzen: nicht in der EU, im Vereinigten Königreich oder in Südkorea, separate Lizenz ab 1 Million monatlich aktiven Nutzern |

## Weitere lokale Image-to-3D-Modelle

- [Hunyuan3D-2.1 Shape](https://ai-game.dev/packages/aigd.model3d-hunyuan3d-2-1-shape): untexturiert, 10 GB VRAM.
- [Step1X-3D Geometry](https://ai-game.dev/packages/aigd.model3d-step1x-3d-geometry): untexturiert, 16 GB VRAM, Apache-2.0 ohne territoriale Einschränkung.
- [TRELLIS.2 4B](https://ai-game.dev/packages/aigd.model3d-trellis2-4b) und [Pixal3D](https://ai-game.dev/packages/aigd.model3d-pixal3d): texturiertes GLB mit PBR-Materialien, 16 GB auf einer NVIDIA- oder Vulkan-GPU.

## So läuft es

Verwende ein Bild eines einzelnen Objekts mit transparentem Hintergrund: Die App schneidet es auf das Objekt zu. Ein opakes Bild wird vollständig verwendet, was nur funktioniert, wenn das Objekt einen einfarbigen Hintergrund ausfüllt. Es ist kein Modell zur Hintergrundentfernung enthalten (das eigene Modell von TripoSG, RMBG-1.4, ist nicht kommerziell). Der schnellere „Flash“-Decoder wird nicht verwendet: Er benötigt `diso`, das nicht kommerziell ist (CC BY-NC 4.0) und kompiliert werden muss.

Die Ausgabe kann kleine abgetrennte Teile enthalten: In GPU-Prüfungen von TripoSG, Step1X-3D und Hunyuan3D umfasste die Hauptkomponente 97.5–99.2% der Flächen.

Dieses Paket enthält nur Daten. Es benötigt die **Local Python models runtime** (`aigd.python`), die beim ersten Laden eine private Python-Umgebung für das Modell erstellt (ein paar GB PyTorch und Bibliotheken, siehe README des Pakets). Modelle laufen offline; ihre Gewichte stammen ausschließlich aus den unten aufgeführten Dateien, die nach deiner Bestätigung von Hugging Face heruntergeladen werden. AI Game Dev hostet sie nicht.

## Was heruntergeladen wird

Etwa 7.9 GB, festgeschrieben über Hugging Face-Revision und sha256:

| Datei | Größe | Lizenz | Quelle |
|---|---|---|---|
| `feature_extractor_dinov2-preprocessor_config.json` | 0.00 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/feature_extractor_dinov2/preprocessor_config.json) |
| `image_encoder_dinov2-config.json` | 0.00 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/image_encoder_dinov2/config.json) |
| `image_encoder_dinov2-model.safetensors` | 1.22 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/image_encoder_dinov2/model.safetensors) |
| `model_index.json` | 0.00 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/model_index.json) |
| `scheduler-scheduler_config.json` | 0.00 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/scheduler/scheduler_config.json) |
| `transformer-config.json` | 0.00 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/transformer/config.json) |
| `transformer-diffusion_pytorch_model.safetensors` | 5.76 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/transformer/diffusion_pytorch_model.safetensors) |
| `vae-config.json` | 0.00 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/vae/config.json) |
| `vae-diffusion_pytorch_model.safetensors` | 0.97 GB | MIT | [Datei](https://huggingface.co/VAST-AI/TripoSG/resolve/2c1c516d22d58db486a058d98d31bb6177344e06/vae/diffusion_pytorch_model.safetensors) |

Der Python-Code des Modells wird von GitHub beim festgeschriebenen Commit heruntergeladen, jede Datei wird per sha256 geprüft.

## Lizenz

- **Gewichte: MIT**, © 2025 VAST-AI-Research und Mitwirkende ([Modellkarte](https://huggingface.co/VAST-AI/TripoSG/tree/2c1c516d22d58db486a058d98d31bb6177344e06)).
- **Inference-Code** (`triposg/`, von GitHub beim Commit [`fc5c409`](https://github.com/VAST-AI-Research/TripoSG/tree/fc5c40990181e2a756c4e0b1c2f4d6b5202faf8c) heruntergeladen): Das Repository steht unter MIT, aber sein Ordner `triposg/` trägt die [Tencent Hunyuan FlashVDM Community License](https://github.com/VAST-AI-Research/TripoSG/blob/fc5c40990181e2a756c4e0b1c2f4d6b5202faf8c/triposg/LICENSE), und seine [NOTICE](https://github.com/VAST-AI-Research/TripoSG/blob/fc5c40990181e2a756c4e0b1c2f4d6b5202faf8c/NOTICE) listet Code, der von Tencent Hunyuan FlashVDM und HunyuanDiT abgeleitet ist.

Erforderliche Namensnennung: "TripoSG © 2025 VAST-AI-Research and contributors. Tencent Hunyuan FlashVDM is licensed under the Tencent Hunyuan FlashVDM Community License Agreement, Copyright © 2025 Tencent. All Rights Reserved. Tencent Hunyuan is licensed under the Tencent Hunyuan Community License Agreement, Copyright © 2024 Tencent. All Rights Reserved. The trademark rights of "Tencent Hunyuan" are owned by Tencent or its affiliate."

**Einschränkungen** (aus den Tencent-Lizenzen, die einen Teil des Inference-Codes abdecken):
- **Nicht lizenziert in der Europäischen Union, im Vereinigten Königreich oder in Südkorea.** Dort darfst du den Code und seine Ausgabe nicht verwenden.
- Ein Produkt oder ein Dienst mit **mehr als 1 Million monatlich aktiven Nutzern** benötigt eine separate Lizenz von Tencent.
- Der Code und seine Ausgabe dürfen nicht zur Verbesserung anderer KI-Modelle verwendet werden.
- Es gilt die Acceptable Use Policy von Tencent.

Du bist dafür verantwortlich zu prüfen, ob deine Nutzung erlaubt ist.
````
