logo
  • 環境
  • 企業方案
  • 價格方案
DeveloperAug 13, 2026

從影片建立 CAD 模型:Gemini 3.7 Flash 與 3.6 Flash 比較

EigentEigent
使用 Gemini 3.7 Flash 從一段影片建立 CAD 模型
Automate Everything with
AI Workforce on Desktop
Download Eigent

從一段影片到可關節化 3D 模型

機械角色通常需要正、側、背三視圖、關節特寫、材質標示和尺寸比例。這個工作流只給 Eigent 一段參考影片,讓 Gemini 3.7 Flash 將可見資訊轉成詳細、可關節化的 .glb 網格。

我們也以相同任務比較 Gemini 3.6 Flash。錄製結果顯示,Gemini 3.7 Flash 完成得更快,產生的機械層次也更豐富;3.6 Flash 的詮釋則更簡單、更偏塊狀。以下為重現方式。

1準備參考影片

選擇容易觀察角色的片段:盡量持續顯示全身,包含正面、側面和背面;清楚呈現肩、肘、髖、膝、踝和脊柱;避免嚴重動態模糊、快速剪接與遮擋,並保留原始解析度。單段影片能產生可信的概念網格,但鏡頭未見的表面必須推斷。需要更高保真度時,請使用緩慢轉台式影片或補充參考圖片。

2在 Eigent 加入 Gemini 3.7 Flash

開啟 設定 → Agents → Models → Gemini,輸入 Gemini API 金鑰,依提供商需求設定 API Host,並將模型類型設為 Gemini 3.7 Flash。儲存後,在任務中選擇該自訂模型。示範使用 Eigent 的單代理工作區,使影片分析、建模計畫、檔案生成和最後回覆維持在相同上下文。

3建立單代理任務並上傳影片

在 Cowork with Single Agent 建立新任務,附加影片,並確認檔案已隨訊息出現。影片是角色輪廓、機械結構、色彩區域和可見關節的依據。

4貼上完整建模提示詞

使用下列提示詞:

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.

1. Video Analysis & Reference Extraction:辨識機甲比例、輪廓、裝甲、配色與機械美學;仔細分析肩部球形關節、肘部鉸鏈、髖窩、膝部液壓、脊柱分段及踝部樞軸,讓每個關節清楚可動;捕捉面板線、外露線纜、液壓活塞、發光核心與機械細節。

2. 3D Modeling & CAD Specifications:使用超高精度硬表面機械幾何、Sub-D 或銳邊 CAD 風格;在邏輯關節樞軸處分離身體與裝甲部件,以便日後綁定或變形;採用高對比機械分層、輕微磨損和刮痕。

3. Material & Shading (PBR):使用陽極金屬、拉絲鋼、深色鈦和高光塗裝,並為眼睛、胸部核心與關節設定 Emissive 通道。

4. Output Requirement:匯出 GLB,嵌入 Diffuse、Normal、Roughness、Metallic 和 Emissive 紋理;維持乾淨拓撲、流形幾何與即時預覽效能。

提示詞同時限定觀察項目、網格組織和交付封裝;沒有這些約束,模型可能外觀合理卻難以綁定、編輯或在其他工具預覽。

5讓 Gemini 分析並建立模型

任務開始後,Gemini 3.7 Flash 會把影片作為建模參考,辨識輪廓、裝甲塊、關節位置、顏色區域和表面特徵,再轉為 3D 建構計畫。GLB 把幾何和 PBR 材質放入同一檔案,可直接在瀏覽器 GLB 檢視器中開啟,或匯入 Blender 深入檢查。

6檢查 Gemini 3.7 Flash 的結果

在 3D 檢視器中繞每個軸旋轉模型。示範中的 3.7 Flash 結果具有分段頭部、軀幹、手臂和腿部,肩部和肢體有更清楚的機械分層,並具多個色彩與材質區域;部件劃分讓關節結構更易閱讀。不要只看正面,請檢查側面、背面、裝甲縫隙及主要關節樞軸的對齊。

7比較 Gemini 3.7 Flash 與 3.6 Flash

示範最後以相同 CAD 任務並排播放兩者。3.7 Flash 在這次錄製中完成較快,擁有更多機械部件和表面變化,肢體與軀幹分段也較易辨識,色彩點綴與小型機械形體更豐富;3.6 Flash 較慢,構造較簡化且偏塊狀。

這是示範,而非受控基準測試。執行時間會隨影片、提示詞、提供商負載、工具鏈和輸出複雜度改變。結論僅限這項任務:3.7 Flash 較快,且視覺細節較強。

8在正式使用前驗證 GLB

「可供正式製作」應是驗收清單,而不是 AI 自動賦予的屬性。用於綁定、動畫、即時部署或製造前,請驗證:

  1. 拓撲:非流形邊、重複面、內部幾何、孔洞和自我交疊。
  2. 變換與比例:合理實際尺寸、原點、前向軸和已套用的變換。
  3. 部件分離:裝甲和身體是否在有用的關節邊界分開。
  4. 關節與間隙:測試肩、肘、腕、髖、膝、踝、頸和腰的碰撞。
  5. 材質:確認 Base Color、Normal、Metallic、Roughness 和 Emissive 已嵌入且正確連接。
  6. 即時效能:量測三角面數、紋理解析度、draw call 和檔案大小。
  7. 參考一致性:對照所有可用角度的影片影格,尤其是推斷區域。

GLB 是網格交付格式,並非參數化工程 CAD 格式。若要製造或符合嚴格尺寸公差,請在合適的 CAD 工作流中重建或驗證。

9改進下一次執行

下一輪可要求 Eigent 同時產生驗證報告:

Re-open the generated GLB and audit it against the original video. Report the triangle count, object hierarchy, material channels, non-manifold geometry, missing textures, joint pivot locations, and any visible differences from the reference. Fix critical issues and export a validated second version.

也可要求低面數即時版本、含命名骨骼圖的可綁定階層,或高低細節 LOD。如此,第一版 AI 網格將成為實用 3D 資產流程的起點,而不是終點。

Other use cases

收據與發票的自動化 VAT 申報

收據與發票的自動化 VAT 申報

請處理 "VAT" 資料夾中的所有收據與發票,包括照片、掃描 PDF 與數位發票。最終輸出應只包含兩個檔案:(1) vat_return.xlsx — 這個 Excel 檔應每筆收據或發票占一列,列出所有擷取的欄位,顯示每筆項目是否符合 VAT 退稅資格,顯示每筆符合資格項目的可回收 VAT 金額,包含不可回收項目的排除原因,清楚標示需要人工審核的項目,並包含一個顯示可回收 VAT 總額的摘要工作表。(2) vat_return.html — 建立一個可直接開啟並分享給會計團隊的獨立 HTML 檔。HTML 檔應顯示所有 VAT 回收項目、每筆項目的可回收 VAT 金額、被排除的項目及其排除原因、需要人工審核的項目,以及可回收 VAT 總額。不要猜測任何不確定的資訊。

長時程任務:在 Eigent 單代理架構中比較 GLM-5.1 與 GLM-5.2

長時程任務:在 Eigent 單代理架構中比較 GLM-5.1 與 GLM-5.2

對 AI 基礎設施生態系中的 26 家公司進行深度研究——這是整個 AI 價值鏈中最確定的主線。涵蓋以下 6 個子領域(各自選出具代表性的公司,從大型領導者到較小玩家皆納入):AI 資料中心(運算基礎設施/建置);GPU/AI 晶片(訓練與推論矽晶片、ASIC、IP);伺服器、網路與光模組(交換器、NIC、光互連);電力、液冷與儲能(電源供應、散熱、能源管理);AI 雲端/算力平台(超大型雲端業者、GPU 雲、算力租賃平台);支援生態系(HBM/先進封裝、晶圓代工、連接器與其他關鍵零組件)。針對每家公司,研究:公司名稱、子領域、總部/國家;核心產品及其在 AI 供應鏈中的具體角色;上市或未上市(若上市,提供代號+交易所;若未上市,註明最新估值/融資輪次);市值或估值規模(用於排序);在生態系中的定位與護城河(1–2 句);主要客戶/競爭對手。排序方式:在每個子領域內,依規模由大到小排名(依市值/估值)。整體結構採由上而下:從完整硬體生態系全景一路展開到每一家公司的細節。輸出要求:首先產生結構化資料檔 ai_infra_data.json——包含全部 26 家公司與上述欄位、6 個子領域分類、上市/未上市旗標,以及跨公司比較矩陣(子領域 × 關鍵維度)。接著根據該 JSON 產生一份精緻的 HTML 報告:包含生態系全景/分層圖、產業區塊、公司卡片、清楚的上市/未上市視覺標示(標籤或色彩編碼)、市值排名圖表,以及可排序/可篩選的比較表。設計要專業、資訊密集且具互動性。先驗證研究資料的準確性(上市狀態、代號、估值——使用最新數據並引用來源),再產生報告。以單代理模式執行此任務。

使用 Eigent 同時打造 10 款中國新年 HTML5 遊戲

使用 Eigent 同時打造 10 款中國新年 HTML5 遊戲

使用 HTML、CSS 和 JS(不使用任何函式庫)打造 10 款獨立且完整的遊戲,主題圍繞 2026 年中國新年(馬年)。遊戲必須有趣、原創、精緻、適合行動裝置。請包含計分、難度遞增、重新開始按鈕與流暢視覺效果。涵蓋:街機、益智、無盡跑酷、反應、策略、記憶、2 人本機、放置、復古像素,以及 1 款實驗性遊戲。

Automate everything with AI workforce on desktop
Download Eigent

立即體驗 Eigent

下載開源桌面應用,在本地以 AI 工作團隊開始自動化。

下載 Eigent
Eigent

掌握 AI 工作團隊自動化的最新更新與教學內容。

產品Eigent環境價格方案企業方案
探索解決方案使用情境技能插件部落格
開發者文件GitHubCAMEL-AI開源基金合作夥伴
下載開源版
公司關於我們品牌招募使用條款隱私權政策安全與信任Cookie 政策退款與試用政策

版權所有 © 2026 EIGENT UK LTD

Eigent 1.0 全新版本發佈!download