OpenAI 開源 3D 模型 Shap-E：一句話幾秒生成 3D 網格與 NeRF

Shap-E 是 OpenAI 開源的 3D 生成模型。你只需要給它一句簡單的英文提示詞，它就能在幾秒鐘內直接生成帶紋理的 3D 網格模型，或者可供多角度渲染的神經輻射場（NeRF）。

對於想快速生成 3D 粗模的開發者來說，它最大的好處就是開箱即用，程式碼和模型權重都已經放出來了。

它能做什麼

傳統的 3D 生成模型往往只能輸出單一格式，而 Shap-E 走了一條新路子。它直接生成的是隱式函式的引數。

這意味著你拿到的同一個結果，既能直接轉換為帶紋理的 3D 幾何網格，也可以當作 NeRF 來進行多視角連續渲染。

對比 OpenAI 之前推出的 Point-E，Shap-E 帶來了很直觀的體驗升級。Point-E 輸出的只是一堆稀疏散亂的點雲，想要匯入引擎還得經歷複雜的後處理；而 Shap-E 幾秒鐘就能吐出成形的表面與貼圖。

怎麼做到的

按論文的介紹，Shap-E 的訓練分成了兩個階段。

第一階段，團隊先訓練了一個編碼器，專門把各類 3D 資產確定性地對映到隱式函式的引數空間裡。

第二階段，他們在這個引數空間上訓練了一個條件擴散模型，並餵給了它大量配對的文本與 3D 資料。

有意思的是，隱式函式引數對應的是一個更高維度的多表徵空間，但 Shap-E 的收斂速度反而比之前的 Point-E 更快，生成樣本的質量也相當或更勝一籌。

目前的限制與去哪體驗

雖然生成速度飛快，但現在的 Shap-E 離實用資產還有一段距離。

首先是視覺質量。生成的 3D 模型看起來依然比較粗糙，有些邊緣甚至帶點畫素感，質感並不精細。

其次是理解能力。它目前只擅長處理描述單一主體的簡單提示詞。如果你在提示詞裡塞進多個物體，或者組合好幾種複雜屬性，它往往很難把這些屬性準確繫結到對應的幾何體上。

但作為研究工具，它的門檻已經降得很低。OpenAI 已經在 GitHub 上公開了完整的程式碼倉庫，裡面包含模型權重、推理程式碼和示例，拉到本地就能跑起來。

為什麼重要

對獨立開發者和 3D 設計師來說，Shap-E 適合拿來當作概念草圖工具。它現在的精度完全達不到商用或上線的標準，但幾秒鐘出一個帶紋理的粗模，在前期構思階段足夠幫人快速定個型。

從技術路線上看，OpenAI 這一次走得挺聰明。它沒在傳統的點雲擴散上硬耗，而是直接把擴散模型和隱式函式、NeRF 結合起來，證明了高維多表徵生成不僅走得通，而且收斂更快。雖然離真正的「3D 版 DALL-E」還有不少坑要填，但它確實給開源社群趟出了一條實用的新路徑。