logo
  • البيئات
  • الشركات
  • الأسعار
DeveloperAug 13, 2026

إنشاء نموذج CAD من فيديو: مقارنة Gemini 3.7 Flash و3.6 Flash

EigentEigent
إنشاء نموذج CAD من مقطع واحد باستخدام Gemini 3.7 Flash
Automate Everything with
AI Workforce on Desktop
Download Eigent

من مقطع فيديو إلى نموذج 3D مفصلي

يتطلب تصميم شخصية ميكانيكية عادةً مناظر أمامية وجانبية وخلفية ولقطات للمفاصل ومواصفات للخامات. في هذا المسار يتلقى Eigent فيديو واحداً فقط، ويحوّل Gemini 3.7 Flash ما يراه إلى شبكة .glb مفصلية. في التسجيل، كان Gemini 3.7 Flash أسرع بكثير وأنشأ طبقات ميكانيكية أكثر من 3.6 Flash، الذي قدم شكلاً أبسط وأكثر كتلية.

1جهّز الفيديو المرجعي

اختر مقطعاً يظهر الشخصية كاملة ومن زوايا متعددة، مع وضوح الكتفين والمرفقين والوركين والركبتين والكاحلين والعمود الفقري. تجنب ضبابية الحركة والقصات السريعة والحجب، واحتفظ بالدقة الأصلية. يكفي مقطع واحد لشبكة مفاهيمية، لكن الأسطح التي لا تراها الكاميرا ستكون مستنتجة. زد الدقة بفيديو دوران بطيء أو صور إضافية.

2أعد Gemini 3.7 Flash وأرفق المقطع

افتح Settings → Agents → Models → Gemini، وأدخل مفتاح API واضبط API Host عند الحاجة واختر Gemini 3.7 Flash. أنشئ مهمة في Cowork with Single Agent وأرفق الفيديو وتأكد من ظهوره في الرسالة. يحافظ وضع الوكيل الواحد على التحليل والخطة والتوليد ضمن السياق نفسه.

3استخدم هذا الطلب

Analyze the transformers character in the uploaded reference video and generate a production-ready, highly detailed 3D CAD/mesh model exported as a .glb file. Analyze style, silhouette, armor, joints, panel lines, wiring, pistons, energy cores, and greebles. Build precise hard-surface geometry, separate armor around logical pivots for rigging, use layered metallic PBR materials, and pack Diffuse, Normal, Roughness, Metallic, and Emissive maps into a clean, manifold, real-time-ready GLB.

يحدد الطلب ما يجب فحصه وكيفية تقسيم الشبكة وطريقة تسليم الملف. من دونه قد يبدو الناتج روبوتاً مقنعاً، لكنه لا يصلح بسهولة للـ rigging أو التحرير.

4أنشئ النموذج وافحصه

يستخرج Gemini الهيئة وكتل الدرع ومواضع المفاصل ومناطق اللون وخصائص السطح، ثم يصنع خطة 3D. يجمع GLB الهندسة ومواد PBR في ملف واحد يمكن فتحه في عارض ويب أو Blender. دوّر النموذج على جميع المحاور وافحص الجوانب والخلف والفجوات ومحاذاة المحاور. تظهر نتيجة 3.7 Flash في العرض رأساً وجذعاً وأطرافاً مقسمة وطبقات أوضح ومواد وألواناً أكثر.

5قارن وتحقق قبل الإنتاج

في هذا التسجيل كان 3.7 Flash أسرع وبقطع وتغيرات سطح وتقسيمات وتفاصيل لونية أكثر، بينما كان 3.6 Flash أبطأ وأبسط. هذه تجربة توضيحية وليست معياراً مضبوطاً؛ فالوقت يتغير حسب الفيديو والطلب وحمل المزود والأدوات والتعقيد.

قبل rigging أو التحريك أو النشر الفوري أو التصنيع، تحقق من حواف non-manifold والوجوه المكررة والثقوب والتقاطعات الذاتية؛ الحجم ونقطة الأصل والمحاور؛ فصل القطع وتصادم المفاصل؛ خرائط Base Color وNormal وMetallic وRoughness وEmissive المضمّنة؛ عدد المثلثات والخامات وdraw calls وحجم الملف؛ والتطابق مع جميع إطارات الفيديو. GLB صيغة تسليم شبكة وليس CAD بارامترياً؛ للتصنيع أو التفاوتات أعد البناء أو التحقق في CAD. في المرة التالية اطلب تقرير تدقيق يتضمن المثلثات والهيكل والقنوات والخامات الناقصة ومحاور المفاصل والفروق، ثم صدّر نسخة مصححة أو low-poly أو rig أو LOD.

Other use cases

إقرار ضريبة القيمة المضافة الآلي من الإيصالات والفواتير

إقرار ضريبة القيمة المضافة الآلي من الإيصالات والفواتير

يرجى معالجة جميع الإيصالات والفواتير في مجلد "VAT"، بما في ذلك الصور وملفات PDF الممسوحة ضوئيًا والفواتير الرقمية. يجب أن يتضمن الناتج النهائي ملفين فقط: (1) vat_return.xlsx — يجب أن يتضمن ملف Excel صفًا واحدًا لكل إيصال أو فاتورة، وأن يسرد جميع الحقول المستخرجة، ويعرض ما إذا كان كل بند مؤهلًا لاسترداد ضريبة القيمة المضافة، ويعرض مبلغ ضريبة القيمة المضافة القابل للاسترداد لكل بند مؤهل، ويشمل سبب الاستبعاد للبنود غير القابلة للاسترداد، ويضع علامة واضحة على البنود التي تتطلب مراجعة يدوية، ويشمل ورقة ملخص تعرض إجمالي مبلغ ضريبة القيمة المضافة القابل للاسترداد. (2) vat_return.html — أنشئ ملف HTML مستقلًا يمكن فتحه مباشرة ومشاركته مع فريق المحاسبة. يجب أن يعرض ملف HTML جميع بنود استرداد ضريبة القيمة المضافة، ومبلغ ضريبة القيمة المضافة القابل للاسترداد لكل بند، والبنود المستبعدة وأسباب الاستبعاد، والبنود التي تتطلب مراجعة يدوية، وإجمالي مبلغ ضريبة القيمة المضافة القابل للاسترداد. لا تخمّن أي معلومات غير مؤكدة.

مهمة طويلة الأفق: GLM-5.1 مقابل GLM-5.2 على Eigent

مهمة طويلة الأفق: GLM-5.1 مقابل GLM-5.2 على Eigent

قم بإجراء بحث معمّق حول 26 شركة في منظومة البنية التحتية للذكاء الاصطناعي — وهو المسار الرئيسي الأكثر وضوحًا في سلسلة القيمة الكاملة للذكاء الاصطناعي. غطِّ هذه القطاعات الفرعية الستة (اختر شركات تمثيلية في كل منها، من القادة ذوي القيمة السوقية الكبيرة حتى اللاعبين الأصغر): مركز بيانات الذكاء الاصطناعي (بنية الحوسبة التحتية / التوسع الإنشائي)؛ وحدات معالجة الرسوميات / شرائح الذكاء الاصطناعي (سيليكون التدريب والاستدلال، ASICs، الملكية الفكرية)؛ الخوادم والشبكات والوحدات الضوئية (المبدلات، NICs، الربط الضوئي)؛ الطاقة والتبريد السائل وتخزين الطاقة (إمدادات الطاقة، الإدارة الحرارية، إدارة الطاقة)؛ سحابة الذكاء الاصطناعي / منصة الحوسبة (مزوّدو الحوسبة فائقة النطاق، سحابات GPU، منصات تأجير الحوسبة)؛ المنظومة الداعمة (HBM / التغليف المتقدم، المصانع، الموصلات والمكونات الحيوية الأخرى). لكل شركة، ابحث عن: اسم الشركة، القطاع الفرعي، المقر / الدولة؛ المنتجات الأساسية ودورها المحدد في سلسلة الذكاء الاصطناعي؛ عامة أم خاصة (الرمز + البورصة إذا كانت مدرجة؛ وإذا كانت خاصة، اذكر أحدث التقييم / جولة التمويل)؛ القيمة السوقية أو حجم التقييم (يُستخدم للترتيب)؛ التموضع وميزة الحماية في المنظومة (1–2 جمل)؛ العملاء / المنافسون الرئيسيون. الترتيب: داخل كل قطاع فرعي، رتّب من الأكبر إلى الأصغر (حسب القيمة السوقية / التقييم). نظّم العمل كله من الأعلى إلى الأسفل: من المشهد الكامل لمنظومة العتاد إلى كل شركة على حدة. متطلبات الإخراج: أولًا، أنشئ ملف بيانات منظّم ai_infra_data.json — يتضمن جميع الشركات الـ26 مع الحقول المذكورة أعلاه، وتصنيفات القطاعات الفرعية الستة، وعلامة عام/خاص، ومصفوفة مقارنة عبر الشركات (القطاع الفرعي × الأبعاد الرئيسية). ثم أنشئ تقرير HTML مصقولًا انطلاقًا من ذلك JSON: يتضمن مخططًا لمنظر المنظومة / مخططًا طبقيًا، وأقسامًا حسب القطاع، وبطاقات للشركات، ومؤشرًا بصريًا واضحًا للعامة مقابل الخاصة (وسوم أو ترميز لوني)، ومخطط ترتيب القيمة السوقية، وجدول مقارنة قابل للفرز / التصفية. اجعل التصميم احترافيًا، كثيف المعلومات، وتفاعليًا. تحقّق أولًا من دقة بيانات البحث (حالة الإدراج، الرموز، التقييمات — استخدم أحدث الأرقام واذكر المصادر)، ثم أنشئ التقرير. أرسل المهمة في وضع الوكيل الأحادي.

بناء 10 ألعاب HTML5 لرأس السنة الصينية بـ Eigent

بناء 10 ألعاب HTML5 لرأس السنة الصينية بـ Eigent

أنشئ 10 ألعاب منفصلة وكاملة تمامًا بمواضيع مرتبطة برأس السنة الصينية 2026 (الحصان) باستخدام HTML وCSS وJS (من دون مكتبات). يجب أن تكون الألعاب ممتعة وأصلية ومصقولة ومتوافقة مع الأجهزة المحمولة. أضف نظام تسجيل، وتدرجًا في الصعوبة، وأزرار إعادة التشغيل، ومؤثرات بصرية سلسة. تشمل: لعبة أركيد، ولعبة ألغاز، ولعبة عدّاء لا نهائي، ولعبة رد فعل، ولعبة استراتيجية، ولعبة ذاكرة، ولعبة محلية لشخصين، ولعبة خاملة، ولعبة بكسل ريترو، ولعبة تجريبية واحدة.

Automate everything with AI workforce on desktop
Download Eigent

جرّب Eigent اليوم

حمّل تطبيق سطح المكتب مفتوح المصدر وابدأ الأتمتة بقوة عمل ذكاء اصطناعي على جهازك.

تنزيل Eigent
Eigent

احصل على أحدث التحديثات والدروس حول أتمتة Workforce بالذكاء الاصطناعي.

المنتجEigentالبيئاتالأسعارالمؤسسات
استكشافالحلولحالات الاستخدامالمهاراتالإضافاتالمدونة
المطورونالوثائقGitHubCAMEL-AIصندوق المصدر المفتوحشريك
تنزيلللإصدار مفتوح المصدر
الشركةمن نحنالعلامة التجاريةالوظائفشروط الاستخدامسياسة الخصوصيةالأمان والثقةسياسة ملفات تعريف الارتباطسياسة الاسترداد والتجربة

جميع الحقوق محفوظة © 2026 EIGENT UK LTD

تم إصدار النسخة الجديدة من Eigent 1.0!download