LL3M利用大型语言模型生成Python代码，在Blender中创建和编辑3D资产。该系统通过用户文本指令，能够从零开始生成复杂形状，并实现精确的几何操作。与以往专注于特定子任务或受限程序的方法不同，LL3M能够创建不受限制的几何、布局和外观资产。通过高级代码作为3D表示，系统支持迭代优化和协同创作，模型自动进行代码和视觉自我评估，用户也可提供反馈。

LL3M：大型语言3D建模工具

LL3M是由芝加哥大学开发的一种创新工具，利用大型语言模型团队编写Python代码，在Blender中创建和编辑3D资产。该系统能够根据用户的文本指令，从零开始生成具有表现力的形状，并通过代码实现复杂且精确的几何操作。与以往专注于特定子任务或受限程序化生成的代码生成模型不同，LL3M能够创建不受限制的3D资产，涵盖几何、布局和外观等多个方面。

工作流程概述

LL3M的工作流程分为三个阶段：初始创建、自动优化和用户引导的优化。在初始创建阶段，系统生成一个基本形状；随后，自动优化阶段会修正不合理的配置（如断开的靠背）并改进简单的几何形状；最后，用户可以通过提供额外的编辑指令，进行交互式和迭代式的3D资产生成。

迭代生成与优化

LL3M的核心操作模式是迭代生成与优化。这一过程不仅包括错误修正，还实现了从粗到细的创建流程，结合了自动优化和用户引导的优化。

多样化形状生成

LL3M能够生成多样化的形状，展示出复杂的细节（如风车的建筑特征）和精密的排列（如钢琴键、鼓组），甚至包括丰富的材质属性（如滑板的表面和灯座的镜面效果）。每个网格都是通过可解释、可编辑的Blender代码生成的。

一致的风格化

LL3M能够从不同的初始网格出发，根据相同的风格化提示（如“将风格改为蒸汽朋克”）成功应用相同的风格概念，生成具有几何和外观变化的独特变体。

材质编辑

系统能够对生成的网格进行材质编辑，例如通过着色器节点创建复杂的程序化材质，从而调整特定部分的材质（如刀刃）。

可解释的代码

LL3M生成的Blender代码易于理解和修改，代码中包含描述性注释、清晰的变量名和结构化的逻辑，用户可以轻松调整变量（如键宽）或算法逻辑（如键盘模式）。

透明的参数

通过Blender代码生成形状，LL3M允许用户直观地编辑代码和生成的Blender节点中的参数。例如，生成材质时，系统会创建完整的着色器节点，用户可以直接调整颜色或条纹图案等视觉属性。

代码的通用性与复用

尽管形状在视觉上有所不同，但它们通常共享高级代码模式（如循环、修饰符和节点设置），这使得模型能够从广泛的提示中生成多样化、可编辑和模块化的代码。

场景与层次结构

LL3M能够生成多个对象，并在单个场景中安排适当的空间关系。系统通过实例化和父子关系等复杂操作构建场景层次结构，并为每个部分分配有意义的语义名称。

总结

LL3M通过结合大型语言模型和Blender，提供了一种强大的3D建模工具，能够根据用户指令生成和优化复杂的3D资产，同时保持代码的可解释性和可编辑性。

评论1（评分：无，作者：nickparker）： 作者分享了使用meshy.ai将图像转换为3D模型的工作流程，认为该工具在快速生成基础模型方面非常有用，尤其适合那些不擅长从头开始建模的用户。他提到，meshy.ai生成的模型结构尚可，但需要进一步在Blender中进行编辑和优化。作者特别强调了该工具在节省时间方面的优势，尤其是在处理复杂模型时。

关键引用： 1. "The meshes are fairly OK structure wise, clearly some sort of marching cubes or perhaps dual contouring approach on top of a NeRF-ish generator."
（“模型结构尚可，显然是基于某种NeRF生成器的行进立方体或双轮廓方法。”） 2. "I’m an extremely fast mechanical CAD user and a mediocre blender artist, so getting an AI starting point is quite handy to block out the overall shape and let me just do edits."
（“我是一个非常快的机械CAD用户，但Blender水平一般，因此AI生成的起点非常有用，可以帮助我快速勾勒整体形状并进行编辑。”）

评论2（评分：无，作者：Etherlord87）： 作者对meshy.ai的使用持保留态度，认为该工具仅适用于特定场景，如将照片或渲染图转换为带有纹理的网格，然后通过雕刻进行细化。他建议用户通过学习Blender的基础知识来提升建模技能，而不是依赖AI工具。作者认为，使用AI工具生成的模型往往缺乏个性，且无法帮助用户真正提升3D建模的技术水平。

关键引用： 1. "This tool is maybe useful if you want to learn Python, in particular Blender Python API basics, I don’t really see other usage of this."
（“如果你想学习Python，特别是Blender的Python API基础，这个工具可能有用，但我看不到其他用途。”） 2. "After a few weeks you’re probably going to model them faster than the time it takes for prompt engineering."
（“几周后，你可能会比使用提示工程更快地建模。”）

总结： 评论1认为meshy.ai在快速生成基础模型和节省时间方面具有优势，适合不擅长从头建模的用户；评论2则对AI工具的使用持保留态度，建议用户通过学习Blender提升技能，认为AI生成的模型缺乏个性且无法帮助用户真正提升技术水平。