TripoSR のダウンロードとインストール
TripoSR を自分で実行するために必要なものをすべて揃えました。公式の GitHub リポジトリ、学習済みの モデルの重み、ハードウェアと VRAM 要件、そしてステップごとの ローカルインストール です。何もインストールしたくないですか。代わりに無料のホスト型デモをご利用ください。
公式 GitHub リポジトリ
MIT ライセンスのソースを VAST-AI-Research/TripoSR からクローンしましょう。run.py、サンプル画像、そして 1 枚の画像から 3D へ変換する完全な推論パイプラインが含まれています。
Hugging Face のモデルの重み
学習済みの TripoSR の重みを stabilityai/TripoSR のモデルカードから取得しましょう。モデルを初めて実行するときに自動でダウンロードされます。
ダウンロードと要件、お答えします
これらは TripoSR をインストールするときに実際に検索される質問です。短く直接的な回答と、上記にリンクした公式の情報源を添えています。
TripoSR を無料でダウンロードできますか。
はい。TripoSR は MIT ライセンスのオープンソースなので、コードと学習済みの重みは無料でダウンロードでき、商用利用も無料です。コードは GitHub に、重みは Hugging Face にあります。
GPU と VRAM の要件は何ですか。
TripoSR は軽量で、単一のコンシューマー向け GPU で動作します。CPU のみのモードも備えており、こちらは動作しますが遅くなります。お使いの環境での正確な VRAM の数値については、インストール前に公式 GitHub の README にある要件をご確認ください。
TripoSR をローカルにインストールするには。
リポジトリをクローンし、Python 3.8 以降の環境を作成して、PyTorch と記載された要件をインストールしたら、付属の run.py を任意の画像で実行します。完全なコマンドは下のステップごとのセクションにあります。
Colab やワンクリックの選択肢はありますか。
はい。コミュニティの Google Colab ノートブックを使えば、ローカルの設定なしで TripoSR を実行でき、Pinokio はワンクリックのインストーラーを提供しています。どちらも手動の環境設定を省きたい方に適しています。
TripoSR を実行する 4 つの方法
お使いのハードウェアと、どこまで手間をかけられるかに合った方法を選びましょう。どの方法でも、1 枚の画像が 3D の Mesh に変わります。
ローカルインストール（完全に制御）
GitHub リポジトリをクローンし、Python と PyTorch を設定して、run.py を実行します。バッチ処理、カスタムパイプライン、オフライン利用に最適です。
Google Colab（ローカル GPU 不要）
コミュニティの Colab ノートブックを開いて、無料のクラウド GPU で TripoSR を実行します。自分のマシンに手を加えずにすばやく試すのに向いています。
Pinokio（ワンクリック）
Pinokio から TripoSR をインストールすれば、手動の依存関係の設定を省けます。ワンクリックで Python 環境を整えてくれます。
ホスト型デモ（設定ゼロ）
Triposr.org をブラウザでそのまま使います。ダウンロードも GPU も不要で、数秒で結果が出ます。試すのに一番速い方法です。
TripoSR をプログラムから利用する（API）
オープンソースの TripoSR モデル自体には、ホスト型の API はありません。自分で実行し、自分のコードから呼び出します。マネージド REST API が必要な場合は、TripoSR を開発したチームである Tripo AI が提供しています。次の 2 つの選択肢があります。
オープンソースモデルをセルフホストする
TripoSR を Python でローカル実行し、run.py またはモデルクラスを自分のサービスやバッチスクリプトにラップします。無料で、完全に自分の管理下にあり、オフラインでも動作します。パイプラインとインフラを自分で所有したい場合に最適です。FastAPI や Flask のようなフレームワークを使えば、自分の HTTP エンドポイントを簡単に公開できます。
Tripo API（マネージド REST API）
TripoSR を開発したチームである Tripo AI は、認証、生成ジョブ、GLB または OBJ 出力に対応した、画像から 3D モデルおよびテキストから 3D モデルのためのマネージド REST API を提供しています。モデルを自分で実行することなく、スケーラブルなクラウド生成を利用したい場合に最適です。