> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/3d-generation/triposr.md).

# TripoSR

एकल छवियों से एक सेकंड से कम में 3D मॉडल उत्पन्न करें।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं जिन्हें द्वारा किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## CLORE.AI पर किराये पर लेना

1. पर जाएँ [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace)
2. GPU प्रकार, VRAM, और मूल्य के अनुसार फ़िल्टर करें
3. चुनें **ऑन-डिमांड** (निश्चित दर) या **स्पॉट** (बिड प्राइस)
4. अपना ऑर्डर कॉन्फ़िगर करें:
   * Docker इमेज चुनें
   * पोर्ट सेट करें (SSH के लिए TCP, वेब UI के लिए HTTP)
   * यदि आवश्यक हो तो एनवायरनमेंट वेरिएबल जोड़ें
   * स्टार्टअप कमांड दर्ज करें
5. भुगतान चुनें: **CLORE**, **BTC**, या **USDT/USDC**
6. ऑर्डर बनाएं और डिप्लॉयमेंट का इंतज़ार करें

### अपने सर्वर तक पहुँचें

* कनेक्शन विवरण में खोजें **मेरे ऑर्डर**
* वेब इंटरफेस: HTTP पोर्ट URL का उपयोग करें
* SSH: `ssh -p <port> root@<proxy-address>`

## TripoSR क्या है?

Stability AI और Tripo AI द्वारा TripoSR सक्षम करता है:

* एकल छवि से 3D मेष जनरेशन
* एक-सैकंड से कम इनफ़रेंस गति
* उच्च-गुणवत्ता वाली टेक्सचर वाली मेषेस
* OBJ, GLB और अन्य फ़ॉर्मैट में निर्यात

## संसाधन

* **GitHub:** [VAST-AI-Research/TripoSR](https://github.com/VAST-AI-Research/TripoSR)
* **HuggingFace:** [stabilityai/TripoSR](https://huggingface.co/stabilityai/TripoSR)
* **पेपर:** [TripoSR पेपर](https://arxiv.org/abs/2403.02151)
* **डेमो:** [HuggingFace Space](https://huggingface.co/spaces/stabilityai/TripoSR)

## अनुशंसित हार्डवेयर

| घटक     | न्यूनतम       | अनुशंसित      | सर्वोत्तम     |
| ------- | ------------- | ------------- | ------------- |
| GPU     | RTX 3060 12GB | RTX 4080 16GB | RTX 4090 24GB |
| VRAM    | 8GB           | 12GB          | 16GB          |
| CPU     | 4 कोर         | 8 कोर         | 16 कोर        |
| RAM     | 16GB          | 32GB          | 64GB          |
| स्टोरेज | 20GB SSD      | 50GB NVMe     | 100GB NVMe    |
| इंटरनेट | 100 Mbps      | 500 Mbps      | 1 Gbps        |

## CLORE.AI पर त्वरित डिप्लॉय

**Docker इमेज:**

```
pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel
```

**पोर्ट:**

```
22/tcp
7860/http
```

**कमांड:**

```bash
cd /workspace && \
git clone https://github.com/VAST-AI-Research/TripoSR.git && \
cd TripoSR && \
pip install -r requirements.txt && \
python gradio_app.py
```

## अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना खोजें `http_pub` URL में **मेरे ऑर्डर**:

1. जाएँ **मेरे ऑर्डर** पृष्ठ
2. अपने ऑर्डर पर क्लिक करें
3. खोजें `http_pub` URL (उदा., `abc123.clorecloud.net`)

उपयोग करें `https://YOUR_HTTP_PUB_URL` की बजाय `localhost` नीचे दिए उदाहरणों में।

## इंस्टॉलेशन

```bash
git clone https://github.com/VAST-AI-Research/TripoSR.git
cd TripoSR
pip install -r requirements.txt

# मॉडल पहली बार चलाने पर स्वचालित रूप से डाउनलोड हो जाता है
```

## आप क्या बना सकते हैं

### गेमिंग और VR

* कॉन्सेप्ट आर्ट को 3D एसेट्स में बदलें
* खेल वस्तुओं के लिए त्वरित प्रोटोटाइपिंग
* चरित्र मॉडल जनरेशन
* पर्यावरणीय प्रॉप्स

### ई-कॉमर्स

* उत्पाद 3D विज़ुअलाइज़ेशन
* AR ट्राई-ऑन अनुभव
* 360-डिग्री उत्पाद दृश्यों
* वर्चुअल शोरूम

### आर्किटेक्चर

* स्केच से त्वरित 3D मॉडल
* इंटीरियर डिजाइन विज़ुअलाइज़ेशन
* फर्नीचर प्रोटोटाइप
* इमारती तत्व जनरेशन

### शिक्षा

* शिक्षण सामग्री के लिए 3D मॉडल
* वैज्ञानिक विज़ुअलाइज़ेशन
* ऐतिहासिक कलाकृतियों की पुनर्निर्माण
* एनाटॉमी मॉडल

### रचनात्मक प्रोजेक्ट

* डिजिटल कला और NFT
* एनिमेशन एसेट्स
* 3D प्रिंटिंग तैयारी
* मीम और अवतार निर्माण

## मूल उपयोग

### कमांड लाइन

```bash
python run.py input_image.png \
    --output-dir output/ \
    --render
```

### Python API

```python
import torch
from PIL import Image
from tsr.system import TSR
from tsr.utils import remove_background, save_video

# मॉडल लोड करें
model = TSR.from_pretrained(
    "stabilityai/TripoSR",
    config_name="config.yaml",
    weight_name="model.ckpt"
)
model.to("cuda")

# छवि लोड और पूर्व-प्रक्रिया करें
image = Image.open("input.png")

# 3D मेष उत्पन्न करें
with torch.no_grad():
    scene_codes = model([image], device="cuda")

# मेष निकालें
meshes = model.extract_mesh(scene_codes)

# मेष सहेजें
meshes[0].export("output.obj")
```

### बैकग्राउंड रिमूवल के साथ

```python
from tsr.system import TSR
from tsr.utils import remove_background
from PIL import Image

model = TSR.from_pretrained("stabilityai/TripoSR")
model.to("cuda")

# छवि लोड करें और पृष्ठभूमि हटाएं
image = Image.open("photo.jpg")
image_no_bg = remove_background(image)

# 3D जनरेट करें
with torch.no_grad():
    scene_codes = model([image_no_bg], device="cuda")

mesh = model.extract_mesh(scene_codes)[0]
mesh.export("model.glb")  # वेब के लिए GLB के रूप में निर्यात
```

## बैच प्रोसेसिंग

```python
import os
from PIL import Image
import torch
from tsr.system import TSR
from tsr.utils import remove_background

model = TSR.from_pretrained("stabilityai/TripoSR")
model.to("cuda")

input_dir = "./images"
output_dir = "./3d_models"
os.makedirs(output_dir, exist_ok=True)

images_to_process = []
filenames = []

for filename in os.listdir(input_dir):
    if not filename.endswith(('.jpg', '.png')):
        continue

    image = Image.open(os.path.join(input_dir, filename))
    image_no_bg = remove_background(image)
    images_to_process.append(image_no_bg)
    filenames.append(filename)

# बैच में प्रक्रिया करें
batch_size = 4
for i in range(0, len(images_to_process), batch_size):
    batch = images_to_process[i:i+batch_size]
    batch_names = filenames[i:i+batch_size]

    with torch.no_grad():
        scene_codes = model(batch, device="cuda")

    meshes = model.extract_mesh(scene_codes)

    for mesh, name in zip(meshes, batch_names):
        output_name = name.rsplit('.', 1)[0] + '.obj'
        mesh.export(os.path.join(output_dir, output_name))
        print(f"Generated: {output_name}")
```

## निर्यात फ़ॉर्मैट

```python
from tsr.system import TSR
from PIL import Image

model = TSR.from_pretrained("stabilityai/TripoSR")
model.to("cuda")

image = Image.open("input.png")

with torch.no_grad():
    scene_codes = model([image], device="cuda")

mesh = model.extract_mesh(scene_codes)[0]

# विभिन्न निर्यात फ़ॉर्मैट
mesh.export("model.obj")   # Wavefront OBJ
mesh.export("model.glb")   # GLTF बाइनरी (वेब-रेडी)
mesh.export("model.ply")   # PLY फ़ॉर्मैट
mesh.export("model.stl")   # STL (3D प्रिंटिंग)
```

## रेंडर प्रीव्यू वीडियो

```python
from tsr.system import TSR
from tsr.utils import save_video
from PIL import Image
import torch

model = TSR.from_pretrained("stabilityai/TripoSR")
model.to("cuda")

image = Image.open("input.png")

with torch.no_grad():
    scene_codes = model([image], device="cuda")

# 360 डिग्री वीडियो रेंडर करें
render_images = model.render(
    scene_codes,
    n_views=30,
    return_type="pil"
)

save_video(render_images[0], "preview.mp4", fps=30)
```

## Gradio इंटरफ़ेस

```python
import gradio as gr
import torch
from PIL import Image
from tsr.system import TSR
from tsr.utils import remove_background
import tempfile

model = TSR.from_pretrained("stabilityai/TripoSR")
model.to("cuda")

def generate_3d(image, remove_bg, output_format):
    if remove_bg:
        image = remove_background(image)

    with torch.no_grad():
        scene_codes = model([image], device="cuda")

    mesh = model.extract_mesh(scene_codes)[0]

    with tempfile.NamedTemporaryFile(suffix=f".{output_format}", delete=False) as f:
        mesh.export(f.name)
        return f.name, image

demo = gr.Interface(
    fn=generate_3d,
    inputs=[
        gr.Image(type="pil", label="इनपुट इमेज"),
        gr.Checkbox(label="Remove Background", value=True),
        gr.Dropdown(choices=["obj", "glb", "ply", "stl"], value="glb", label="Output Format")
    ],
    outputs=[
        gr.File(label="3D Model"),
        gr.Image(label="Processed Input")
    ],
    title="TripoSR - Image to 3D",
    description="एकल छवियों से सेकंड में 3D मॉडल उत्पन्न करें। CLORE.AI GPU सर्वरों पर चल रहा है।"
)

demo.launch(server_name="0.0.0.0", server_port=7860)
```

## मेष परिष्कार के साथ

```python
from tsr.system import TSR
from PIL import Image
import torch

model = TSR.from_pretrained("stabilityai/TripoSR")
model.to("cuda")

image = Image.open("input.png")

with torch.no_grad():
    scene_codes = model([image], device="cuda")

# उच्च रिज़ॉल्यूशन के साथ निकालें
mesh = model.extract_mesh(
    scene_codes,
    resolution=256  # अधिक = अधिक विवरण, डिफ़ॉल्ट 128 है
)[0]

mesh.export("high_detail.obj")
```

## प्रदर्शन

| रिज़ॉल्यूशन    | GPU      | स्पीड | गुणवत्ता |
| -------------- | -------- | ----- | -------- |
| 128 (डिफ़ॉल्ट) | RTX 3090 | 0.5s  | अच्छा    |
| 128            | RTX 4090 | 0.3s  | अच्छा    |
| 256            | RTX 4090 | 1.2s  | बेहतर    |
| 256            | A100     | 0.8s  | बेहतर    |

## सामान्य समस्याएँ और समाधान

### खराब 3D गुणवत्ता

**समस्या:** उत्पन्न मेष गलत या विरूपित दिखाई देता है

**समाधान:**

* स्पष्ट विषय और सरल पृष्ठभूमि वाली छवियों का उपयोग करें
* प्रक्रिया करने से पहले पृष्ठभूमि हटाएं
* वस्तु का सामने वाला दृश्य उपयोग करें
* स्रोत छवि में अच्छी रोशनी सुनिश्चित करें

```python

# सर्वोत्तम परिणामों के लिए हमेशा पृष्ठभूमि हटाएं
from tsr.utils import remove_background

image = Image.open("photo.jpg")
clean_image = remove_background(image)
```

### पृष्ठभूमि हटाना विफल है

**समस्या:** पृष्ठभूमि हटाने से आर्टिफैक्ट्स रह जाते हैं

**समाधान:**

* rembg जैसे समर्पित टूल के साथ पूर्व-प्रक्रिया करें
* इमेज पृष्ठभूमि को मैन्युअल रूप से संपादित करें
* सरल पृष्ठभूमि वाली छवियाँ उपयोग करें

```bash
pip install rembg
```

```python
from rembg import remove
from PIL import Image

image = Image.open("photo.jpg")
image_no_bg = remove(image)
image_no_bg.save("clean.png")
```

### आउट ऑफ़ मेमोरी

**समस्या:** उच्च रिज़ॉल्यूशन पर CUDA OOM

**समाधान:**

```python

# कम रिज़ॉल्यूशन का उपयोग करें
mesh = model.extract_mesh(scene_codes, resolution=128)

# या बैच के बीच कैश साफ़ करें
import torch
torch.cuda.empty_cache()
```

### मेष में छेद हैं

**समस्या:** उत्पन्न मेष में गायब भाग हैं

**समाधान:**

* उच्च रिज़ॉल्यूशन निष्कर्षण का उपयोग करें
* विषय के अलग देखने के कोण आज़माएँ
* Blender या MeshLab में मेष का पोस्ट-प्रोसेस करें
* पूर्ण वस्तु दृश्यता वाली छवियों का उपयोग करें

### धीमा प्रोसेसिंग

**समस्या:** प्रति छवि बहुत समय लेता है

**समाधान:**

* एकाधिक छवियों के लिए बैच प्रोसेसिंग का उपयोग करें
* प्रोटोटाइपिंग के लिए कम रिज़ॉल्यूशन उपयोग करें
* RTX 4090 या A100 GPU का उपयोग करें

## समस्याओं का निवारण

### 3D मेष की गुणवत्ता खराब

* स्पष्ट वस्तु सीमाओं वाली छवियों का उपयोग करें
* पृष्ठभूमि हटाएँ या मास्क करें
* सामने-रुख वाले दृश्य सबसे अच्छे होते हैं

### निर्यात विफल होता है

* जांचें कि आउटपुट डायरेक्टरी मौजूद है
* पुष्टि करें कि मेष फ़ॉर्मैट समर्थित है
* पर्याप्त डिस्क स्थान सुनिश्चित करें

### टेक्सचर गायब है

* कुछ निर्यातों में टेक्सचर शामिल नहीं होते
* टेक्सचर वाले आउटपुट के लिए GLB फ़ॉर्मैट का उपयोग करें
* सामग्री निर्यात सेटिंग्स जांचें

{% hint style="danger" %}
**मेमोरी खत्म**
{% endhint %}

* TripoSR कुशल है लेकिन 6GB+ की आवश्यकता होती है
* आउटपुट रिज़ॉल्यूशन घटाएँ
* एक समय में एक छवि प्रोसेस करें

## लागत अनुमान

सामान्य CLORE.AI मार्केटप्लेस दरें (2024 के अनुसार):

| GPU       | घंटात्मक दर | दैनिक दर | 4-घंटे सत्र |
| --------- | ----------- | -------- | ----------- |
| RTX 3060  | \~$0.03     | \~$0.70  | \~$0.12     |
| RTX 3090  | \~$0.06     | \~$1.50  | \~$0.25     |
| RTX 4090  | \~$0.10     | \~$2.30  | \~$0.40     |
| A100 40GB | \~$0.17     | \~$4.00  | \~$0.70     |
| A100 80GB | \~$0.25     | \~$6.00  | \~$1.00     |

*कीमतें प्रदाता और मांग के अनुसार बदलती हैं। जाँच करें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

**पैसे बचाएँ:**

* उपयोग करें **स्पॉट** लचीले वर्कलोड के लिए मार्केट (अक्सर 30-50% सस्ता)
* भुगतान करें **CLORE** टोकन के साथ
* विभिन्न प्रदाताओं के बीच कीमतों की तुलना करें

## अगले कदम

* Stable Diffusion - इनपुट छवियाँ जनरेट करें
* [IC-Light](/guides/guides_v2-hi/image-processing/iclight.md) - 3D से पहले छवियों को रीलाइट करें
* ComfyUI - वर्कफ़्लो एकीकरण


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/3d-generation/triposr.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.