今天，我们正式发布新一代3D 生成模型 Seed3D 2.0。

围绕几何精度和纹理材质，Seed3D 2.0进行了架构升级，并拓展了3D 内容的下游可用性，进一步推动3D 生成迈向“生产可用”。用户输入一张图，即可生成结构更准确、材质更真实的3D 资产。

在行业常用的 Pairwise Comparison 盲测中，60 位具有3D 建模经验的评测者基于约200个测试用例，对 Seed3D 2.0与6个主流模型进行两两偏好评估。结果显示，Seed3D 2.0 在几何生成和端到端带材质资产生成两项核心任务上，相比所有参与对比的主流模型均呈现更高的偏好率，在专业测评中被显著感知。

具体而言，Seed3D 2.0本次升级主要体现在几何生成质量和材质真实感两方面；与此同时，我们也围绕仿真、具身智能等下游场景持续探索3D 内容的可用性拓展。

当前，Seed3D 2.0 API 服务已上线火山方舟。

几何生成更高精度

空间结构推理能力进一步提升

在3D 生成中，白模常常被用于确定精准几何结构，为精细纹理生成和实际生产落地奠定基础。然而，3D 生成的白模往往存在几何质量不稳定的问题，如噪点、烂面、倒角模糊、结构错乱等情况，用户往往需要花数小时修模才能使用。

Seed3D 2.0生成的白模完整保留物体的结构细节，倒角边缘清晰锐利，精准还原目标物体的结构特征。

这一改进得益于几何生成架构的重新设计。Seed3D 2.0采用 Coarse-to-Fine 两阶段策略，将“整体结构”和“几何细节”解耦：阶段一先由大参数 DiT 基于输入图像生成粗粒度几何，建立整体的拓扑关系和空间布局；阶段二以阶段一的输出作为几何锚点，专注于锐利边缘和精细表面的恢复。

如下图所示，与现有主流3D 生成模型的定性对比表明，Seed3D 2.0在处理复杂结构的精细边缘、生成薄壁结构和还原输入图像方面明显优于基线方法。

几何生成维度的定性对比

此外，Seed3D 2.0在空间结构理解上也有较好表现，可以基于有限的视觉信息，推断出物体的完整三维结构。

以一张工业传送带的示意图为例，Seed3D 2.0不仅还原了传送带主体，还推断出下方支撑腿的排列方式、整体的长宽比例、以及各组件之间的连接关系，生成结果在结构逻辑上与原图保持一致。

纹理材质生成更精细

可直接进入标准渲染与生产流程

此前3D 生成模型在材质环节存在几个典型问题：文字和符号容易出现模糊、变形、乱码；金属与塑料的质感难以区分；真实物体的光学属性难以精确还原。

Seed3D 2.0对材质生成架构做了系统性调整，带来了几个关键维度上的能力提升：文字与符号的还原精度提升，可支持产品铭牌、包装、logo 等对文字清晰度要求较高的场景；支持多层级、多类型的复杂材质组合，能够准确区分金属、塑料、陶瓷、织物等不同材质的物理属性差异；输出完整的 PBR 材质贴图，使得3D 资产在不同光照条件下保持物理一致的视觉表现，产物可直接接入标准渲染管线。

更灵活的组件生成

面向仿真和具身场景的探索

在具身智能训练、仿真环境搭建等下游场景中，3D 资产需要支持物理交互，而不只是静态展示。

后续，Seed3D 2.0将支持把完整3D 资产按功能拆分为独立部件，并为部件添加关节信息，适配铰链结构的旋转、抽屉的推拉、机器人关节的多自由度活动等物理运动，可用于机器人抓取等动态交互仿真任务的资产构建。输出结果经处理后，将兼容 Isaac Sim 等主流物理仿真引擎，减少传统流程中物理属性绑定和结构优化的人工成本。

在场景层面，模型未来也将支持文本、多视角图片或视频等多种输入，并组合多个3D 资产生成完整场景。

高质量、可用的3D 资产，正在成为具身智能、工业制造、数字孪生等场景加速落地的重要基础。从几何生成到材质表达，再到面向仿真等下游流程的持续探索，Seed3D 2.0正在推动3D 生成更快走向生产可用。

文章纠错