Modly 是一个把图像转成 3D 网格的开源桌面应用，Windows、Linux 和 Apple Silicon macOS 三个平台都有安装包。它的差异点在运行位置：推理全部在本地 GPU 完成，输入图片不上传，生成次数不受额度限制。仓库 2026 年 3 月创建，五个多月积累近 6000 star，当前版本 v0.4.1 Beta。
应用形态：Electron 壳加 Python 后端
Modly 的技术栈是两层结构。界面层是 Electron 加 TypeScript，渲染进程负责工作流画布、模型管理和 3D 预览；计算层是一个独立的 Python FastAPI 服务，跑在虚拟环境里，负责加载模型和执行推理。从源码运行需要分别安装 npm 依赖和 Python 依赖，npm run dev 同时拉起两层。
界面顶部有一个实时 RAM 指示器，数据来自主进程。网格工作流在运行前会做连线校验，非法连接不删除当前网格视图，改为行内和 toast 警告。导入的外部网格可以在应用内做平滑（Smooth）和减面（Decimate），优化结果写回工作区。截图里生成的龙模型约 799 万三角面、624 万顶点，应用直接显示这两个统计值。
导出格式覆盖 GLB、OBJ、STL、PLY 四种，对应 Blender、Unity、Unreal 的常规导入流程，STL 则直接对接 3D 打印切片软件。
模型不内置，用扩展系统装进来
Modly 本体不带任何生成模型，模型通过扩展机制安装。每个扩展是一个独立的 GitHub 仓库，包含 manifest.json 和运行时入口文件。在应用的 Models 页面点击 Install from GitHub，粘贴扩展仓库地址即可。
官方目前维护五个扩展：
| 扩展 | 模型 | 上游来源 |
|---|---|---|
| modly-hunyuan3d-mini-extension | Hunyuan3D 2 Mini | tencent/Hunyuan3D-2 |
| modly-hunyuan3d-mini-turbo-extension | Hunyuan3D 2 Mini Turbo | tencent/Hunyuan3D-2 |
| modly-hunyuan3d-mini-fast-extension | Hunyuan3D 2 Mini Fast | tencent/Hunyuan3D-2 |
| modly-triposg-extension | TripoSG | VAST AI |
| modly-trellis2-gguf-extension | Trellis2 GGUF | Aero-Ex/Trellis2-GGUF |
扩展安装时在独立虚拟环境中部署，不污染系统 Python。安装脚本根据 Modly 传入的平台信息选择 PyTorch 版本：GPU 计算能力版本（gpu_sm）、CUDA 版本、操作系统和 CPU 架构。Linux ARM64 有专门的处理路径，走 ARM64 版 PyTorch wheel、CUDA 12.8 分支、带 sha256 校验的固定下载地址，抠图环节用 rembg 加 onnxruntime 的 CPU 组合替代 GPU 版。扩展装完出问题，应用内的 Repair 功能会重建虚拟环境。
这套设计意味着模型生态可以独立于应用本体迭代。 Hunyuan3D 系列来自腾讯，TripoSG 来自 VAST，Trellis2 GGUF 是社区量化团队 Aero-Ex 发布的 GGUF 量化版本，权重托管在 Hugging Face，三个家族覆盖了当前开源图生 3D 的主力选择。
工作流：节点式管线，参数全部可调
生成流程在 Workflows 页面用节点搭建。最基础的模板是 Image → Generate Mesh → Add to Scene 三节点链，节点之间必须连线。切到 Generate 页面选中工作流，点 Generate 3D Model 开始生成。
以 Trellis2 GGUF 扩展为例，Generate Mesh 节点的参数表如下：
| 参数 | 含义 | 默认值 |
|---|---|---|
| pipeline | 质量档位：fast（512）、balanced（1024）、high（1024 级联）、ultra（1536 级联） | balanced |
| quantization | GGUF 量化等级，Q4_K_M 到 Q8_0，越低显存占用越小、质量越低 | Q5_K_M |
| ss_steps | 稀疏结构扩散步数 | 25 |
| slat_steps | 形状潜表示扩散步数 | 25 |
| foreground_ratio | 主体在画面中的占比阈值（0-1） | 0.85 |
| remesh_resolution | 双等值面重构网格分辨率 | 256 |
Texture Mesh 节点负责烘焙贴图：纹理分辨率默认 1024，UV 图集打包分辨率 2048，纹理扩散步数 12，CFG 引导强度 3.0。两个节点共用同一张输入图，foreground_ratio 需要保持一致。输出是带纹理的 GLB。
量化等级是显存受限时的第一个调节旋钮。Q5_K_M 是质量与占用的平衡点，降到 Q4_K_M 可以在低显存卡上跑 high 档位，代价是几何细节损失。管线档位里的级联（cascade）指先生成低分辨率再逐级细化的策略，ultra 的 1536 级联对显存和时间的消耗都显著高于 balanced。
CLI：把 Modly 变成 agent 的 3D 生成后端
桌面应用运行时在本机 127.0.0.1:8765 暴露一个本地 API，配套一个只依赖标准库的命令行工具 tools/modly-cli/agent.py。设计目标是让脚本和 AI agent 不经过界面直接调用生成能力：
python tools/modly-cli/agent.py health
python tools/modly-cli/agent.py model list
python tools/modly-cli/agent.py generate --image ./input.png --output ./export.glb规范命令有五组：health、model、workflow-run、capability、process-run。友好的 generate 命令内部执行 POST /workflow-runs/from-image，轮询运行状态，按需导出最终网格，响应 JSON 里附带 workflow-run status 和 cancel 等恢复元数据。仓库还提供了面向 agent 的 SKILL.md 契约文档，描述完整的调用流程和输出格式。
兼容层和规范层做了明确切分：legacy 命令包装旧的 /generate/* 任务端点；dev serve-api 只启动 FastAPI 后端，不保证 Electron 桥接就绪；experimental 组的 comfy-image 和 generate-from-workflow 是对接外部 ComfyUI 的编排辅助，不属于规范契约。这个切分说明项目在认真设计自动化接口的稳定性，把会被外部脚本依赖的部分固定下来。
硬件边界与适用场景
官网对硬件的要求没有含糊：所有推理在本地 NVIDIA GPU 上执行，没有云端队列。应用同时提供 Apple Silicon macOS 安装包，README 标注 macOS 支持目标是 Apple Silicon only，界面使用原生窗口控件。实际跑 Hunyuan3D 或 Trellis2 这类扩散模型，显存容量决定可用的量化档位和质量档位，NVIDIA CUDA 仍是官方描述的主路径。
和 Meshy、Tripo 这类云服务相比，Modly 的取舍清晰：用本地图形卡的固定成本换无限次生成和数据不出本机。对游戏原型、3D 打印爱好者、独立开发者的小批量资产生成，这个模型成立；需要批量生产级质量的商用管线，云服务的高分辨率多视图重建仍然是更强的方案。
许可证是 MIT，附加一条署名要求：fork 后构建自己应用的开发者，必须在应用界面或文档中保留对原项目和作者的署名。
来源：lightningpixel/modly、modly3d.app、modly-trellis2-gguf-extension、modly-hunyuan3d-mini-extension