把六件的快照印刷值摆到时间轴上,这条赛道的成带过程清晰可见——没有谁规划过它,它是两周内在新星榜和小而美榜上自己长出来的:
| 件 | 08-31 | 09-01 | 09-05 | 09-06 | 09-07 | 09-08 | 09-10 | 段涨幅 |
|---|---|---|---|---|---|---|---|---|
| human-atlas | — | — | — | 630 | 1327 | 2331 | 2995 | +375% |
| camera-to-blender | — | — | 328 | 451 | 466 | 765 | 未印刷※ | +133% |
| Amagine3D | 1708 | 1988 | 未印刷 | 同左 | 同左 | 同左 | 未印刷 | +16.4%后离场※ |
| holo-card-studio | — | — | — | — | — | 1064 | 1292 | +21.4% |
| dream-loop | — | — | — | — | — | — | 590 | 首印 |
| image-to-3d-pipeline | — | — | 298 | 未印刷 | 同左 | 同左 | 未印刷 | 单印 |
flowchart LR
subgraph IN["进口端:把现实搬进来"]
P["camera-to-blender 拍照进口"]
J["image-to-3d-pipeline 重建与评分"]
end
subgraph GEN["生成端:把意图变成成品"]
C["holo-card-studio 双输入成品卡"]
D["dream-loop 三件套带质检"]
M["Amagine3D 硬件需求到设计"]
end
subgraph ASSET["资产端:现成网格库"]
H["human-atlas 2234片解剖mesh"]
end
IN -->|mesh进入产线| GEN
ASSET -->|素材供装配| GEN
四个工位各司其职:进口端解决「素材从哪来」,生成端解决「成品怎么做」,资产端解决「通用件不用自己做」,而 dream-loop 额外挂了一个质检回路。上期周报把这条线叫「Blender 车间」,本期给出全车间第一张统一评测表。
权重沿用本栏固定口径:功能 25%、设计 25%、实战 20%、上手 15%(星级越高越容易)、社区 15%。前三件沿用存档印值,后三件为本篇描述级首评;六件实战均按零实测口径压两星(待验证)。
| 件 | 工位 | 口径 | 功能 | 设计 | 实战 | 上手 | 社区 | 加权 |
|---|---|---|---|---|---|---|---|---|
| camera-to-blender | 进口 | 09-05 存档沿用 | ★★★★ | ★★★½ | ★★(待验证) | ★★★★★ | ★★★½ | 3.53 |
| EverettFish/holo-card-studio | 生成 | 09-08 存档沿用 | ★★★★ | ★★★★ | ★★(待验证) | ★★★ | ★★★★ | 3.45 |
| ashemag/human-atlas | 资产 | 本篇首评 | ★★★★ | ★★★ | ★★(待验证) | ★★★ | ★★★★★ | 3.35 |
| achimala/dream-loop | 生成+质检 | 今日 r1 沿用 | ★★★★ | ★★★★ | ★★(待验证) | ★★★ | ★★★ | 3.30 |
| amagine-ai/Amagine3D | 生成 | 本篇首评 | ★★★★ | ★★★ | ★★(待验证) | ★★★ | ★★★★ | 3.20 |
| dreamers-laboratory/image-to-3d-pipeline | 进口+裁判 | 本篇首评 | ★★★½ | ★★★★ | ★★(待验证) | ★★ | ★★ | 2.88 |
评分说明:camera-to-blender 分项为本篇按存档判语复算※,加权沿用 09-05 印值 3.53;human-atlas 社区五星押在四日三连涨的曲线上(+110.6%→+75.7%→+28.5%);image-to-3d-pipeline 社区两星是硬扣——09-05 单印之后连续七期快照查无此件;Amagine3D 社区四星打在 1988 贴线离场前的动能上,离场本身是榜单制度问题不是件的问题※。
定位(描述照录):Take a photo of real objects, and paste them in Blender。九个英文词,两个动词,零形容词。本刊 09-05 首评给它「门槛最低、体感最强」的判语,上手直接给满星——在一众需要先装 Blender、配 Python 环境的赛道成员里,它是唯一承诺「五分钟出魔法」的件。
亮点:它的聪明全在「paste」这个动词上。不说「重建」「建模」「生成」这些工程词,说「粘进去」——把照片扫描的结果直接变成场景里的一个可用对象。描述承诺收得极小(一个物体、一次粘贴),体感却极大(现实被搬进了 3D 软件),这种「小承诺大体感」的配比正是它能三日翻倍再涨 64% 的描述层基础。适用场景也清晰:照片建模、电商素材、游戏道具进口。
短板:09-10 快照它未印刷※——按新星榜七天窗口口径大概率毕业出窗。它涨到多少了、是否还在维护,快照回答不了;想上车的人第一件事是打开仓库看最近 commit,而不是先装。另外「拍照进口」的几何精度上限取决于底层重建模型,描述未回答精度承诺,预期要自己压。
定位(描述照录):Reconstruct 3D meshes from images with several open-source models and score which did it best。图生 3D 模型月月出新,独立开发者选型基本靠社交媒体玄学——这件把选型变成流水线:同一张图喂多个开源模型,统一重建,统一打分,谁最好让数据说话。
亮点:设计四星全场并列第一,因为它的立意是卡位而非参赛。生成本件的生命周期绑定在底层模型上,模型过气件就过气;裁判件的生命周期绑定在赛道上——赛道越热闹,选型需求越硬。它的描述里「score which did it best」这半句是整条赛道的稀缺职能:六件里唯一内置评分器的成员,和 dream-loop 的子代理 critic 遥相呼应,都属于「验收派」原语。
短板:加权垫底不冤。功能上要本地部署多个开源图生 3D 模型,工具链重量全场第一,上手只给两星;社区两星更是明账——298 星单印后连续七期快照未印刷,曲线动能存疑※。裁判的商业价值需要时间兑现,但榜单的曝光窗口只认当下的星。
定位(描述截断照录):Turn the user's description or uploaded reference into a finished, editable Blender card and an inte…。09-08 首印即 1064 星,创当时首印水位纪录;今日第二印 1292(+21.4%),上期观察名单问「第二印是否站住千星」,本期对账:站住了。
亮点:设计四星押在「双输入+双承诺」上。输入端文字描述与上传参考图二选一,把「从零想象」和「照着做」两类需求都接住;输出端 finished 与 editable 并列——前者承诺交付即终点(晒图),后者承诺只是起点(进 Blender 继续加工)。一张卡同时服务「要成品的人」和「要半成品的人」,这是它比单承诺件贵的地方。
短板:09-03 存档判语仍然有效——「视频/渲染类 Skill 的隐藏门槛在工具链到位程度」,Blender 依赖是否捆绑、能否 headless 运行,截断的描述没答,本刊至今未核※。描述尾部还停在「an inte…」,第三段承诺是什么,成了这条赛道最著名的半句话。
定位(描述照录):Agent skill for impressive 3D visuals using Blender + image gen + subagent critic。今日首印 590,早间周报已主拆其评审回路,本期补上赛道坐标:它是车间里唯一把「验收」写进名字的生成件。
亮点:impressive 这个形容词不该略过——把审美承诺放在描述第一行,等于把验收标准从文档提到了门面;Blender + image gen 双分工对应车间的既有格局(结构归三维、质感归图像生成);真正的主张是 subagent critic——评审不是主代理自评自夸,而是派一个无沉没成本的子代理对着候选帧冷眼挑刺。3D 产出的「对不对」无法断言,「惊不惊艳」更加主观,回路评审是这类任务少数说得通的质量方案。
短板:上手三星与 holo-card-studio 同病——Blender 与图像生成依赖的本机到位程度决定它能跑起来还是只留在描述里※。590 星首印在车间里垫底,评审回路的每一轮重试都是真金白银的 token 与渲染时间,成本账描述未提,要装的人先想清楚。
定位(描述照录):Amagine3D: From hardware requirements to editable 3D designs。Python 仓库,08-31 印 1708,09-01 印 1988——距本刊命名的「暗带二」(小而美榜 2000 上限之外的快照盲区)只差 12 星,此后连续七期快照查无此件※。
亮点:方向独一份。车间其他五件都从「我想要个什么东西」出发,它从「我的机器跑得动什么」倒着来——先报硬件需求,再落到可编辑的 3D 设计。对显存焦虑的独立开发者,这是把「装完跑不动」的风险前置解决的思路;editable 的承诺与 holo-card-studio 同款,成品可继续加工。
短板:描述一行,信息密度全场最低,三颗设计星有一半给的是名字即承诺;1988 之后的去向不可见,是否越过 2000、是否仍在维护,快照无法裁决※。在暗带二时代,贴线件的最优策略本该是控制涨速,它没得选——本篇把它记为赛道内的暗带二第一 suspected case,下期对账。
定位(描述截断照录):Open-source 3D anatomy explorer: 2,234 selectable BodyParts3D meshes, system layers, search, and exp…。四日 630→1327→2331→2995,三日段涨幅 +110.6%、+75.7%、+28.5%,全赛道最快,也跑赢了同期新星榜中位涨幅一整个量级。
亮点:严格说它是「Skill 生态的邻居」——描述里没有一个 agent 字眼,它是一件独立的开源 3D 解剖浏览器。但把它放进车间的理由同样硬:2,234 片可选人体网格、按系统分层、带搜索,等于一座现成的人体零件库,任何要做医学可视化、教育演示、解剖相关 3D 产线的 agent 产线都可以从这里取件。描述把数字放在第一个逗号之前(2,234),与 lieflat-gongwen 自报 102 万字语料是同一门手艺:用数字自证家底。
短板:单一解剖域,出了人体这个场景它的 2,234 片网格就只是别人的素材;它与 agent 的集成方式(是否配 Skill、是否可被 Blender 直接调取)描述未答※。上手三星按「独立 explorer 装上看」口径从宽,真要进产线还需自己搭桥。
六件不是六选一,是六个可以串起来的工位。按输入类型分流,一条产线就成型了:
flowchart TD
U["需求:要一张能晒的3D图"] --> GATE{"入口是什么"}
GATE -->|手边有实物| P["camera-to-blender 拍照进口"]
GATE -->|只有一句话| C["holo-card-studio 或 dream-loop"]
GATE -->|要拼人体结构| H["human-atlas 取现成mesh"]
P --> R["候选成品"]
C --> R
H --> R
R --> Q["dream-loop 子代理critic评审"]
Q -->|不达标退回重做| C
Q -->|达标交付| OUT["成品视觉"]
最小装配:只想快速出图,camera-to-blender 一件就够;要做批量产线,进口端选一件+生成端选一件+dream-loop 质检,三件封顶;要给团队选模型,image-to-3d-pipeline 的裁判位没有替代品,忍住它的工具链重量。
# 进口端:拍照粘进 Blender,门槛最低※安装方式以仓库 README 为准
npx skills add ahujasid/camera-to-blender
# 生成端:成品卡,确认本机 Blender 环境后安装
npx skills add EverettFish/holo-card-studio
# 生成端+质检:需本机 Blender 与图像生成依赖
npx skills add achimala/dream-loop
# 资产端:独立 explorer,非标准 Skill 形态※
git clone https://github.com/ashemag/human-atlas
# 裁判:多模型本地部署,工具链最重,先看 README 硬件清单
git clone https://github.com/dreamers-laboratory/image-to-3d-pipeline
# 暗带疑案:克隆前先确认仓库是否仍在维护※
git clone https://github.com/amagine-ai/Amagine3D
# 检索同类
npx skills find blender
[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。
