Gemini 图片转 3D 模型：不直接出 GLB/STL，实测三条路线

Gemini 应用不能把一张图片直接变成可下载的 3D 文件。2026 年 10 月 2 日，在 Gemini 网页版用 3.6 Flash 让它把自己刚生成的图转成 GLB 或 STL，它的回答开头是：“I cannot directly generate or export 3D geometry files like .glb or .stl.” 想从一张 Gemini 图片走到 3D，有三条路线，选哪条取决于你要的是什么：

• 要带贴图、能放进 Blender 或游戏引擎的模型文件：Gemini 负责出一张干净的参考图，网格交给专门的图转 3D 模型去生成。
• 要有尺寸、能 3D 打印的零件：让 Gemini 把几何写成代码，由代码输出 STL，再检查网格是否封闭。
• 只想在浏览器里转着看：用 Pro 模型生成交互式可视化，它能旋转，但不是一个可以导出的模型文件。

下面的测试都在 2026 年 10 月 2 日完成，用的是一个没有订阅 Google AI 方案的个人账号，对象是同一个物体（一只咖啡杯造型的玩具机器人），每项只跑了一次：

Gemini 3 Deep Think 的草图转 3D 打印文件、多视角输入、带贴图的输出、任何付费的图转 3D 服务、Gemini API，都没有测。

先分清你要的是哪一种 3D：四种交付物，四种做法

“把图片变成 3D”这句话可能指四样不同的东西，Gemini 在每一样里能做到的程度不一样。

第一种最容易和后面三种混在一起。手办风格的图片看上去像一个摆在桌上的实体模型，但它只有像素，转不了视角，也送不进切片软件。如果你要的就是这种图，提示词和修图方法在Nano Banana 手办提示词指南：复制、改写并修复 3D 收藏手办图里，下面的内容用不上。

另外要留意名字。名字里带 Gemini 的图转 3D 网站不是 Google 的产品，例如 gemini3d.net 在自己的介绍里写明“Gemini 3D 是独立工具”。这类站点做的事和下文第一条路线一样：图片来自 Gemini，网格由它们接入的 3D 模型生成。

问 Gemini 要 GLB 或 STL：它回答不能导出 3D 文件

先生成图片，再在同一个对话里提要求。生成图片用的提示词：

Generate an image: a single small toy robot shaped like a coffee mug with two short arms and a round antenna, matte orange plastic, three-quarter front view, plain white background, soft even studio lighting, whole object in frame, no text.

得到一张白底的橙色杯形机器人图片后，接着发：

Convert this image into a 3D model file (GLB or STL) that I can download and open in Blender.

回复的第一句就是上面那句“I cannot directly generate or export 3D geometry files like .glb or .stl.”，没有文件，也没有下载链接。它随后给了两种做法：一是把图片上传到图转 3D 的转换工具，得到模型后在 Blender 里通过 File → Import → glTF 2.0 导入，它点了 Tripo3D、Meshy、Rodin、CRM、CSM 几个名字；二是把图片当参考，在 Blender 里手工建模，它认为这样质量最好。

这是 3.6 Flash 在无订阅个人账号上的一次回答。换模型、换订阅或换说法，答复可能不同；那几个工具名是 Gemini 的建议，这次实际跑过的只有下一节的 Hunyuan3D-2。

Gemini API 这边情况一致：Nano Banana 系列图片模型返回的是图片和文字，图片生成文档里没有网格、GLB 或 STL 输出的记载。

要带贴图的模型文件：Gemini 出参考图，图转 3D 模型出网格

这条路线里 Gemini 只做它擅长的一半：把物体画清楚。把单张图片重建成网格是另一类模型的工作，开源的有腾讯混元的 Hunyuan3D-2、微软的 TRELLIS，商业服务有 Meshy 等。

参考图的三个条件：单个物体、纯色背景、整体入镜

上一节的生图提示词就是按这三个条件写的，每一句各管一件事：

• a single small toy robot：画面里只有一个物体，转换模型不用猜哪个才是主体。
• three-quarter front view：四分之三正面视角，同时露出正面和一个侧面。
• plain white background, soft even studio lighting：白底、均匀的柔光，没有投在物体上的硬阴影和杂乱背景。
• whole object in frame, no text：物体不被画面边缘裁掉，没有文字。

转换工具厂商给的建议大同小异，Image3D.io 的说明页列的就是白色背景、影棚光、四分之三视角、单个物体。手里是一张背景杂乱的照片时，先按Gemini图片换背景：7种方法去除、替换和编辑背景完全指南（2026）把背景换成纯色，再拿去转换。生图入口和模型选择见Gemini 图片生成教程：入口、模型、额度与 API 调用，提示词的一般写法见如何给 Nano Banana 写提示词：实用方法与 50 个可测试模板。

下载时用图片上的“下载完整尺寸”。按 Google 帮助页的说明，没有 Google AI 方案的账号下载的是 1K 图片，有方案的是 2K。这次测试图省事，喂给转换模型的是一张 934×720 的预览截图，不是完整尺寸的下载文件。

Hunyuan3D-2 公开演示：不登录，7.67 秒生成 675,188 面的网格

Hunyuan3D-2 在 Hugging Face 上有官方的公开演示（Space 名称 tencent/Hunyuan3D-2），这次打开时没有登录 Hugging Face 账号。操作只有两步：上传那张 Gemini 图片，点“Gen Shape”。参数都是默认值，即 30 步、octree resolution 256、自动去背景开启。

运行结束后，页面的 Mesh Stats 面板显示：

页面的 Export 标签里有文件类型下拉框（默认 glb）、“Simplify Mesh”选项和“Target Face Number”滑块（默认 10000）。默认参数下生成的网格有 67 万个面，嫌重的话导出时可以用这两项把面数减下来。

这个结果的含义要说窄一点：一张单视角的 Gemini 图片进去，不到 8 秒出来一个网格，全程没有账号。它不说明形状还原得准不准。网格没有下载，页面里的预览在测试浏览器中没有渲染出来，所以模型长什么样没有看到；“Gen Textured Shape”没有运行，贴图质量未知；文件也没有在 Blender 里打开过。

公开演示有排队和配额，也可能不可用，不能当作稳定的免费服务。同一时间，微软 TRELLIS 的官方演示返回的是 HTTP 503。

本地运行与付费服务：显存、积分和下载门槛

演示不可用或者需要批量处理时，有两个方向。

本地运行开源模型。按 Hunyuan3D-2 仓库的说明，只生成形状需要 6 GB 显存，形状加贴图一共需要 16 GB，结果可以存成 glb、obj 等格式；它由形状模型 Hunyuan3D-DiT 和贴图模型 Hunyuan3D-Paint 两部分组成，另有一个接收多视角图片的版本。TRELLIS 仓库写的要求是至少 16 GB 显存的 NVIDIA 显卡，可以导出 GLB。商用前要自己读许可条款：TRELLIS 的模型和大部分代码是 MIT 许可，个别子模块例外；Hunyuan3D-2 的许可条款以仓库里的许可文件为准，不要默认它可以商用。

用商业转换服务。截至 2026 年 10 月 2 日，Meshy 的价格页写的是免费档每月 100 积分，每月 1 日重置，生成的资产按 CC BY 4.0 授权（可以商用，但要署名），排队优先级较低；Pro 档每月 1,000 积分；下载格式有 fbx、obj、usdz、glb、stl 和 blend。一次图转 3D 消耗多少积分，价格页上没有看到。还有一类门槛是下载：Image3D.io 的页面写明登录后可以免费在浏览器里预览，下载模型需要付费方案。所以在付费之前，先确认免费档能不能把文件拿到手，以及授权条款是否符合你的用途。

拿到模型后先看这三处

单张图片只有一个视角，物体的背面、底部和被遮挡的部分，转换模型只能推测。拿到文件后先检查：

1. 把模型转一圈，看背面和底部是否合理，把手、天线这类细长的部件有没有断开或粘在一起。
2. 看面数。几十万个面的网格在引擎里很重，需要用工具自带的简化选项或建模软件减面。
3. 要贴图的话，确认导出的格式带贴图。GLB 把几何、材质和贴图装在一个文件里；STL 不带颜色和贴图。

背面不对时，可以先重新生成一张视角更合适的参考图再转一次，仍不行再到建模软件里修。Hunyuan3D-2 和 TRELLIS 都有接收多张图片的模式，这次没有测，效果未知。

要能打印的零件：让 Gemini 把几何写成 Python 脚本，输出 STL

Gemini 导不出网格，但它能写出生成网格的代码。这条路线不需要任何第三方工具，装了 Python 就行，适合形状规则、需要准确尺寸的零件。代价是：得到的是用圆柱、方块、球拼出来的几何体，不是对图片的还原，而且代码和文件都要检查。

接着上面的对话发的提示词：

Then write the geometry as code instead. Give me one Python 3 script that uses only the standard library and writes robot_mug.stl (binary STL, millimetres, about 60 mm tall) approximating the robot in the image: mug-shaped cylindrical body, a handle, two short arms, two feet, and an antenna with a ball on top. The mesh must be made of closed solids so it can be 3D printed. Output only the script in one code block.

这段话里起作用的是几个约束：只用标准库（不用安装依赖）、二进制 STL、单位毫米和目标高度、逐个列出部件、要求实体封闭以便打印。

两次回复都不能直接运行，手工拼接后才得到 STL

实际过程不顺利：

1. 第一次回复是一个 13,885 字符的代码块，原样不能运行。里面先是一份没写完的草稿，接着在同一个代码块里又开始了第二份脚本，而第二份脚本里负责写文件的函数是乱的，记号的顺序错位。刷新页面后内容不变，说明存下来的回复就是这样，不是显示问题。
2. 要求它重新发一遍完整脚本后，第二次回复有 4,741 字符。写文件的函数这次是完整的，但脚本在把手函数的中间断了，回复末尾还有一段话说它不清楚这个脚本的上下文，反过来问要做什么物体、用什么语言。
3. 最后的可运行脚本是手工拼的：写文件的函数取自第二次回复，几何函数和主函数取自第一次回复，Gemini 写的函数一行没改。

在 Python 3.12.1 上运行后得到 robot_mug.stl：83,684 字节，1,672 个三角形。

这只是 3.6 Flash 在一个物体上的一串回复，不能推出 Gemini 写代码普遍如此。它说明的是：代码拿到手先通读一遍，确认是完整的一份脚本，再运行。

文件能解析，但有 5 处不符合要求

用一个自己写的检查脚本解析这个 STL：把三角形按连通关系分成若干个壳，统计不是恰好被两个三角形共用的边，再计算每个壳的有符号体积。结果如下。

此外，各个部件只是互相重叠着摆在一起，没有合并成一个实体；图片里机器人的眼睛、嘴和表面细节一样都没有。

这些问题里，尺寸和脚的数量可以让 Gemini 改代码解决，这也是代码路线的好处：尺寸是写在脚本里的数字，改一处重新运行即可。面朝向和未合并的重叠部件则要在送去切片前处理。按 3D 打印的一般要求，用于打印的网格应当封闭，也就是每条边恰好被两个面共用，并且法线朝外。这个文件没有在切片软件或 Blender 里打开过，也没有打印，切片软件会不会接受它，没有验证。

如果你走这条路线，建议的顺序是：通读代码确认完整 → 运行 → 在切片软件或建模软件里查看尺寸、部件数量和网格错误 → 把发现的问题逐条告诉 Gemini 让它改代码 → 重新运行再查。STL 文件本身不记录单位，导入时要确认软件按毫米读取。

Deep Think 草图转 3D 打印文件：需要 Google AI Ultra

Google 官方明确说“生成文件”的只有这一项。2026 年 2 月 12 日的 Gemini 3 Deep Think 更新写道：“With the updated Deep Think, you can turn a sketch into a 3D-printable reality.” 按 Google 的描述，Deep Think 会分析草图、为复杂形状建模，并生成用于 3D 打印的文件。它在 Gemini 应用里面向 Google AI Ultra 订阅用户开放。

Google 的原文没有说明文件格式。据 CGWORLD.jp 2026 年 2 月 24 日的报道，它的做法不是直接画网格，而是用 OpenSCAD 或 Python 这类语言写出定义形状的代码，再运行代码输出实体文件，这样可以避开孔洞和自相交面一类的缺陷。这个思路和上一节的代码路线相同，区别在于上一节是 3.6 Flash 加手工运行。

这项能力没有测过，测试账号没有 Ultra 订阅，输出的格式和质量都未知。已经有 Ultra 的话值得一试，但文件同样要按上一节的方法检查后再打印。

想在对话里转着看：3.1 Pro 的交互式可视化，复制得到的是 PNG

Google 在 2026 年 4 月 9 日宣布 Gemini 应用可以生成交互式可视化，官方的定位是帮助理解所问主题的“功能性模拟”，举的例子是拖动滑块调整速度和重力。用法是在输入框里选 Pro 模型，然后让 Gemini “show me”或“help me visualize”某个概念。Google 称该功能面向所有 Gemini 应用用户推出，教育版和 Workspace 账号暂不可用。公告里没有提到导出 3D 文件，也没有提到把上传的图片转成 3D。

测试账号没有订阅，模型选择器里可以选到 3.1 Pro。新开一个对话，发的是：

Show me an interactive 3D model of a small toy robot shaped like a coffee mug, with two short arms, two feet and an antenna with a ball on top. I want to rotate it.

回复里出现了一个名为“MugBot 3D”的组件：一个 3D 视口、五个颜色色块、三个动作按钮和一个蒸汽开关，文字说明写着可以在视口里点击拖动来 360 度旋转、滚动缩放。

有两点要知道：

• 它依赖浏览器的 WebGL。测试浏览器里视口显示的是“3D Viewport Unavailable — Unable to initialize WebGL rendering context.”，同一个标签页检测到 WebGL 1 可用、WebGL 2 不可用，所以没有看到模型转动。这是测试浏览器的问题，不代表正常表现；你遇到同样的提示时，换一个 WebGL 正常的浏览器或设备再试。
• “复制”得到的是一张图片。组件下方的菜单有“复制”和“下载”两项，“复制”放进剪贴板的是组件的 PNG 截图（1416×1366），不是代码，也不是 3D 文件。“下载”没有点，它保存的是什么没有验证。整个回复里没有看到导出 GLB、STL 或 OBJ 的选项。

这个组件是根据文字描述生成的。把上传的图片作为可视化的依据行不行，没有测。它适合用来讲解结构、向别人展示一个想法，不能当作获取模型文件的途径。

GLB、STL、OBJ 怎么选：看文件要交给谁

• GLB：glTF 2.0 的单文件二进制形式，几何、材质和贴图都在一个文件里。交给 Blender、游戏引擎、网页或 AR 展示时用它。
• STL：只存三角形，没有颜色、贴图，也没有单位字段。交给切片软件做 3D 打印时用它。
• OBJ：存几何，材质和贴图放在配套的文件里。老牌建模软件之间交换时常见，传文件时要把配套文件一起带上。

Hunyuan3D-2 演示页的导出格式默认就是 glb；代码路线适合直接写 STL。要打印一个由图转 3D 模型生成的造型时，导出 STL 之前同样要检查网格是否封闭。

Gemini 生成的 3D 手办图能直接拿去 3D 打印吗

不能直接打印。手办图是一张图片，没有几何数据，切片软件读不了。它可以作为参考图走图转 3D 模型的路线，得到网格后再检查封闭性、调整尺寸。单张图片转出的模型，背面和被遮挡的部分是推测出来的，按 1/6、1/7 这类比例做成实体之前，要预留在建模软件里修整的工夫。从手办图到成品打印的完整流程这次没有做过，其中每一步的效果都要你自己验证。

没有订阅能做到哪一步

上面的测试全部在没有 Google AI 方案的个人账号上完成：生成参考图、得到“不能导出 3D 文件”的答复、拿到 STL 脚本、用 3.1 Pro 生成交互式可视化，都不需要订阅。免费生图受用量限制，额度规则见Gemini 免费生图次数限制：一天能出几张，用完怎么办；无订阅账号用 Pro 模型的次数上限没有测。需要订阅的只有 Deep Think，它要求 Google AI Ultra。Gemini 应用的可用范围以 Google 支持的语言和国家、地区为准。