logo
  • Environnements
  • Entreprise
  • Tarifs
DeveloperAug 13, 2026

Créer un modèle CAO à partir d'une vidéo : Gemini 3.7 Flash vs 3.6 Flash

EigentEigent
Créer un modèle CAO depuis un clip avec Gemini 3.7 Flash
Automate Everything with
AI Workforce on Desktop
Download Eigent

D'un clip à un modèle 3D articulé

Un personnage mécanique exige normalement des vues avant, côté et arrière, des gros plans des articulations et des spécifications de matériaux. Ici, Eigent reçoit une seule vidéo et Gemini 3.7 Flash transforme ce qui est visible en maillage .glb articulé. Dans l'enregistrement, 3.7 Flash a terminé nettement plus vite et produit davantage de couches mécaniques que 3.6 Flash, plus simple et plus cubique.

1Préparer la vidéo

Choisissez un clip montrant longtemps le personnage entier, plusieurs angles et clairement épaules, coudes, hanches, genoux, chevilles et colonne. Évitez flou, coupes rapides et occultations; conservez la résolution source. Un clip produit un maillage conceptuel, mais les surfaces hors champ sont déduites. Pour plus de fidélité, ajoutez une vidéo de rotation lente ou des images.

2Configurer Gemini 3.7 Flash

Dans Settings → Agents → Models → Gemini, saisissez la clé API, l'API Host si nécessaire, puis choisissez Gemini 3.7 Flash. Le démo utilise single-agent afin que l'analyse, le plan et la génération restent dans le même contexte.

3Joindre le clip et envoyer le prompt

Créez une tâche dans Cowork with Single Agent, joignez la vidéo et vérifiez qu'elle apparaît dans le message. Utilisez :

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.

Il définit l'observation, l'organisation du maillage et l'emballage. Sans ces contraintes, un robot crédible peut rester difficile à rigger et modifier.

4Générer et inspecter

Gemini extrait silhouette, blocs d'armure, positions d'articulations, zones de couleur et détails de surface, puis établit un plan 3D. Le GLB rassemble géométrie et PBR dans un fichier ouvrable dans un visualiseur web ou Blender. Faites pivoter le modèle sur tous les axes et contrôlez côtés, dos, interstices et alignement des pivots. Le résultat 3.7 Flash montre une tête, un torse et des membres segmentés, des couches lisibles et plusieurs matériaux/couleurs.

5Comparer 3.7 Flash et 3.6 Flash

Dans cette vidéo, 3.7 Flash était plus rapide et présentait plus de composants, de variation de surface, de segmentation et d'accents colorés. 3.6 Flash était plus lent et plus bloc. C'est une démonstration, non un benchmark contrôlé : vidéo, prompt, charge fournisseur, outils et complexité modifient le temps.

6Valider le GLB avant production

Vérifiez bords non manifold, faces dupliquées, trous et auto-intersections; échelle, origine et axes; séparation des pièces et collisions de joints; cartes Base Color, Normal, Metallic, Roughness et Emissive; triangles, textures, draw calls et taille; et fidélité à toutes les images de référence. GLB est un format de livraison de maillage, pas de CAO paramétrique. Pour fabrication ou tolérances, reconstruisez ou validez en CAO.

7Améliorer l'itération suivante

Demandez un audit du GLB : nombre de triangles, hiérarchie, canaux de matériau, géométrie non manifold, textures absentes, pivots et différences avec la vidéo; corrigez les problèmes critiques et exportez une seconde version. Vous pouvez aussi demander une version low-poly, une hiérarchie prête au rig avec os nommés ou des LOD.

Other use cases

Déclaration de TVA automatisée à partir de reçus et de factures

Déclaration de TVA automatisée à partir de reçus et de factures

Veuillez traiter tous les reçus et factures du dossier "VAT", y compris les photos, les PDF scannés et les factures numériques. Le résultat final doit inclure uniquement deux fichiers : (1) vat_return.xlsx — le fichier Excel doit contenir une ligne par reçu ou facture, lister tous les champs extraits, indiquer si chaque élément est éligible à la récupération de TVA, afficher le montant de TVA récupérable pour chaque élément éligible, inclure la raison d’exclusion pour les éléments non récupérables, signaler clairement les éléments nécessitant une vérification manuelle, et inclure une feuille récapitulative affichant le montant total de TVA récupérable. (2) vat_return.html — créer un fichier HTML autonome qui peut être ouvert directement et partagé avec l’équipe comptable. Le fichier HTML doit afficher tous les éléments de récupération de TVA, le montant de TVA récupérable pour chaque élément, les éléments exclus et les raisons de l’exclusion, les éléments nécessitant une vérification manuelle, ainsi que le montant total de TVA récupérable. Ne devinez aucune information incertaine.

Tâche à long horizon : GLM-5.1 vs GLM-5.2 sur Eigent

Tâche à long horizon : GLM-5.1 vs GLM-5.2 sur Eigent

Menez une recherche approfondie sur 26 entreprises de l'écosystème d'infrastructure IA — le fil conducteur principal le plus certain de toute la chaîne de valeur de l'IA. Couvrez ces 6 sous-secteurs (choisissez des entreprises représentatives dans chacun, des leaders à grande capitalisation jusqu'aux acteurs plus petits) : centre de données IA (infrastructure de calcul / déploiement) ; GPU / puces IA (silicium d'entraînement et d'inférence, ASIC, IP) ; serveurs, réseau et modules optiques (switches, NIC, interconnexions optiques) ; alimentation, refroidissement liquide et stockage d'énergie (alimentation électrique, thermique, gestion de l'énergie) ; cloud IA / plateforme de calcul (hyperscalers, clouds GPU, plateformes de location de calcul) ; écosystème de soutien (HBM / packaging avancé, fonderie, connecteurs et autres composants critiques). Pour chaque entreprise, recherchez : nom de l'entreprise, sous-secteur, siège / pays ; produits principaux et rôle spécifique dans la chaîne IA ; public ou privé (ticker + bourse si coté ; si privé, indiquer la dernière valorisation / levée de fonds) ; capitalisation boursière ou taille de la valorisation (utilisée pour le classement) ; positionnement et avantage concurrentiel dans l'écosystème (1 à 2 phrases) ; principaux clients / concurrents. Ordre : au sein de chaque sous-secteur, classez du plus grand au plus petit (par capitalisation boursière / valorisation). Structurez l'ensemble de manière descendante : de l'ensemble du paysage de l'écosystème matériel jusqu'à chaque entreprise individuelle. Exigences de sortie : générez d'abord un fichier de données structuré ai_infra_data.json — contenant les 26 entreprises avec les champs ci-dessus, les 6 classifications de sous-secteurs, un indicateur public/privé et une matrice de comparaison croisée entre entreprises (sous-secteur × dimensions clés). Générez ensuite un rapport HTML soigné à partir de ce JSON : incluez un paysage de l'écosystème / diagramme en couches, des sections par secteur, des cartes d'entreprises, un indicateur visuel clair pour public vs privé (étiquettes ou code couleur), un graphique de classement par capitalisation boursière et un tableau de comparaison triable/filtrable. Rendez le design professionnel, dense en informations et interactif. Vérifiez d'abord l'exactitude des données de recherche (statut de cotation, tickers, valorisations — utilisez les chiffres les plus récents et citez les sources), puis générez le rapport. Envoyez la tâche en mode single-agent.

Créer 10 jeux HTML5 du Nouvel An chinois avec Eigent

Créer 10 jeux HTML5 du Nouvel An chinois avec Eigent

Créez 10 jeux distincts et COMPLETS sur des thèmes liés au Nouvel An chinois 2026 (Cheval) en HTML, CSS et JS (sans bibliothèques). Les jeux doivent être amusants, originaux, soignés et adaptés aux mobiles. Incluez un système de score, une difficulté progressive, des boutons de redémarrage et des visuels fluides. Couvrez : arcade, puzzle, endless runner, réaction, stratégie, mémoire, 2 joueurs en local, idle, pixel art rétro et 1 jeu expérimental.

Automate everything with AI workforce on desktop
Download Eigent

Essayez Eigent dès aujourd’hui

Téléchargez l’application de bureau open source. Votre workforce IA, exécutée sur votre machine.

Télécharger Eigent
Eigent

Recevez les dernières mises à jour, tutoriels et versions sur l’automatisation de la workforce IA.

ProduitEigentEnvironnementsTarifsEntreprise
ExplorerSolutionsCas d’usageCompétencesPluginsBlogs
DéveloppeursDocumentationGitHubCAMEL-AIOpen Source FundPartenaire
TéléchargementPour open source
EntrepriseÀ propos de nousMarqueCarrièresConditions d’utilisationPolitique de confidentialitéSécurité et confiancePolitique relative aux cookiesPolitique de remboursement et d’essai

Tous droits réservés © 2026 EIGENT UK LTD

Nouvelle version d’Eigent 1.0 publiée !download