TRELLIS.2：O-Voxel 讓 Image-to-3D 更接近可用的 3D 資產工作流

微軟 TRELLIS.2 是 4B 參數 image-to-3D 模型，核心是 O-Voxel：同時承載幾何與 PBR 材質，改善複雜拓撲與可接工作流問題。貼文的「3 秒生成」需加上 H100、512³ 等條件；本地部署也需要 Linux 與至少 24GB NVIDIA GPU。

2026年5月20日3 分鐘閱讀👁 6

Image-to-3D · O-Voxel · 3D 生成模型

TRELLIS.2：微軟把 Image-to-3D 從「展示效果」推向可接工作流的 3D 資產生成

Threads 貼文把 TRELLIS.2 描述成「一張圖、幾秒生成 3D 資產」的開源模型；核對 Microsoft GitHub、Hugging Face 與 arXiv 後，較精準的結論是：它的價值不只在速度，而是用 O-Voxel 同時承載幾何與材質，讓輸出更接近可被 Blender、Unity、Unreal 等工具接續處理的 PBR textured mesh。

核心能力

單張圖片輸入，輸出帶 PBR 材質的 3D mesh；官方定位為 4B 參數的 image-to-3D foundation model。

關鍵技術

O-Voxel 是 field-free sparse voxel representation，可同時編碼 geometry 與 appearance，並處理 open surfaces、non-manifold geometry、內部封閉結構。

官方速度

Microsoft README 標示 H100 上 512³ 約 3 秒、1024³ 約 17 秒、1536³ 約 60 秒；這些數字不應直接外推到一般消費級 GPU。

落地限制

官方需求是 Linux、CUDA、Python 3.8+、NVIDIA GPU 至少 24GB VRAM；模型開源不代表一般筆電即可順跑。

重要校正：貼文提到「本地運行」與「3 秒內生成完整 3D 資產」是有條件成立。官方資料顯示 3 秒是 512³ resolution 且在 NVIDIA H100 GPU 測得；本地部署仍需要 Linux + NVIDIA GPU + 至少 24GB VRAM。比較安全的說法是：TRELLIS.2 讓企業或創作者能在自有 GPU 環境處理商業素材，不必把資產送到第三方雲端服務。

項目	官方說法 / 可驗證資訊	實務解讀
模型	TRELLIS.2-4B，Flow-Matching Transformers with Sparse Voxel based 3D VAE	不是小模型；適合有 GPU 資源的 3D / 遊戲 / 影像工作流評估。
表示法	O-Voxel：同時編碼幾何與外觀，可處理 open、non-manifold、enclosed surfaces	改善過去 image-to-3D 常見的「融化感」、破面與拓撲脆弱問題，但不是零瑕疵。
材質	Base Color、Roughness、Metallic、Opacity 等 PBR attributes	輸出更容易接 3D engine / DCC tool，而不只是可旋轉的 demo mesh。
速度	H100：512³ 約 3 秒、1024³ 約 17 秒、1536³ 約 60 秒	可作為工作流效率指標，但採購/部署前要用自己的 GPU 與素材集測試。
授權	GitHub 與 Hugging Face model card 標示 MIT license	比封閉 SaaS 更適合內部實驗與二次整合，但仍要檢查資料、素材與商用政策。

對 3D 團隊的意義

它比較像「資產草稿機 / blockout generator」，能快速產生可進一步修整的 base mesh 與材質方向，讓建模師把時間移到 topology cleanup、art direction、材質精修與 engine integration。