Was ist die Neural4D API zur 3D-Generierung?

Mit der Neural4D API können Entwickler wasserdichte 3D-Modelle programmgesteuert erzeugen. Sie wird von der Direct3D-S2-Engine angetrieben und nutzt Spatial Sparse Attention (SSA) für leistungsstarke Generierung mit bis zu 2048³ Auflösung.

Wie verarbeitet die API Mesh- und Texturgenerierung?

Der Generierungsprozess ist in zwei Phasen aufgeteilt: Ein Basis-Mesh ohne Texturen wird in etwa 90 Sekunden generiert, anschließend erfolgt die separate Generierung von PBR-Textur-Maps. Die Gesamtzeit für ein vollständig texturiertes Modell liegt bei etwas über 2 Minuten.

Welche Programmiersprachen und Workflows werden unterstützt?

Die API lässt sich über standardmäßige HTTP-Anfragen in jede Plattform integrieren. Wir stellen Integrationsleitfäden für Python und JavaScript bereit, sodass sich KI-Agenten, Automatisierungs-Workflows und eigene Toolchains für Grafikpipelines einfach anbinden lassen.

So integrieren Sie die Neural4D API in benutzerdefinierte Workflows

Was ist die Neural4D 3D-Generierungs-API?

Die Neural4D API bietet Entwicklern programmgesteuerten Zugriff auf die Direct3D-S2-Engine (NeurIPS 2025). Diese Engine erzeugt aus Text- oder Bild-Prompts direkt wasserdichte Meshes und umgeht dabei herkömmliche Polygon-Sculpting-Workflows. Der Kernalgorithmus nutzt einen Spatial Sparse Attention-(SSA-)Mechanismus, um eine hohe geometrische Genauigkeit zu erreichen, und erzeugt saubere, von Quads dominierte Meshes mit einer Voxel-Auflösung von bis zu 2048³.

Wie verbindet man sich über die REST-API? (Python-Beispiel)

Die Neural4D API ist eine sprachunabhängige REST-Schnittstelle und kann daher mit HTTP-Requests in jede automatisierte Softwareanwendung integriert werden (Node.js, C#, Python usw.). Stellen Sie vor dem Start sicher, dass Sie Ihren Neural4D API-Schlüssel abrufen. Die API trennt die Generierung des Basis- Meshes von der Berechnung der Textur-Maps. Die Erstellung des Basis-Meshes dauert etwa 90 Sekunden. Wie sich das umsetzen lässt, sehen Sie in einer Python-API zur 3D-Modellgenerierung oder einer allgemeinen Text-to-3D-API -Integration. Unten sehen Sie ein Integrationsbeispiel mit Python:

python

import requests
import time

API_KEY = "your_api_key_here"
GENERATE_URL = "https://alb.neural4d.com:3000/api/generateModelWithText"
RETRIEVE_URL = "https://alb.neural4d.com:3000/api/retrieveModel"

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json;charset=utf-8"
}

# Generate a watertight mesh with clean topology
payload = {
    "prompt": "mechanical gear, industrial grade, quad-dominant",
    "modelCount": 1,
    "disablePbr": 0
}

response = requests.post(GENERATE_URL, json=payload, headers=headers)
data = response.json()
uuids = data.get("uuids", [])

if not uuids:
    print("Failed to start generation.")
else:
    target_uuid = uuids[0]
    print(f"Task created with UUID: {target_uuid}. Processing mesh generation...")
    
    # Polling for task status (Base mesh: ~90s, Textures: ~30s additional)
    while True:
        status_resp = requests.post(RETRIEVE_URL, json={"uuid": target_uuid}, headers=headers)
        result = status_resp.json()
        code_status = result.get("codeStatus")
        
        if code_status == 0:
            print(f"Generation successful. Download GLB at: {result.get('modelUrl')}")
            break
        elif code_status in [-1, -2, -3]:
            print(f"Generation failed. Status Code: {code_status}")
            break
            
        time.sleep(10)

Wie lässt sich die Pipeline um Bild- und Video-Generierung erweitern?

Dasselbe Bearer-Token schaltet auch die Endpunkte für die Mediengenerierung frei. Bild- und Videoaufgaben akzeptieren einen Text-Prompt mit bis zu sechs Referenzbildern, senden ein bis vier Jobs pro Anfrage und verwenden für Uploads multipart/form-data statt application/json. Sie fragen das Ergebnis über den queryGenerationResult -Endpunkt completed ab dem der Status "completed" erreicht ist.

Endpunkt	Zweck	Wichtige Parameter
/api/createNormalPicture	Bilder aus einem Text-Prompt mit optionalen Referenzbildern generieren	prompt, images (bis zu 6), modelKey (Standard: image-2), aspectRatio (1:1, 16:9, 9:16, 4:3, 3:4), jobNum (1 bis 4)
/api/createNormalVideo	Videos aus einem Text-Prompt mit optionalen Referenzbildern generieren	prompt, images (bis zu 6), aspectRatio (Standard: 16:9), duration (4 bis 15 s, Standard: 5), resolution (480p, 720p, 1080p, Standard: 720p), jobNum (1 bis 4)
/api/queryGenerationResult	Ergebnis einer Bild- oder Videoaufgabe per UUID abfragen	uuid; gibt data.status (completed, queued, processing, failed), data.resultType (image, video), data.resultUrl zurück

Fragen Sie queryGenerationResult mit der von der Create-Endpunkt zurückgegebenen UUID ab, bis data.status zu completedwird, und laden Sie dann das Asset von data.resultUrlherunter. Anders als die Generierung verbraucht diese Abfrage keine Punkte.

Welche Query-Parameter optimieren Mesh- und Textur-Ausgaben?

Verwenden Sie die folgenden Query-Parameter, um die Ausgabe der Mesh- und Textur-Generierung anzupassen. Für erweiterte Konfigurationen und Endpunktdetails lesen Sie bitte die offizielle generateModelWithText API-Referenz.

Parameter	Typ	Beschreibung & Bereich
prompt	String	Die Beschreibung des 3D-Modells. Seien Sie bei geometrischen Merkmalen konkret (z. B. wasserdicht, Quad-dominant).
modelCount	Integer	Die Anzahl der Modelle, die zur Generierung vorgesehen sind. Der Standardwert ist 4.
disablePbr	Integer	PBR-Funktion ein- oder ausschalten. 0 = PBR aktiviert, 1 = PBR deaktiviert. Der Standardwert ist 0.
onlyGenerateMesh	Boolean	Nur ein Basis-Mesh ohne PBR-Texturen generieren. Der Standardwert ist false.
mesh_quality	String	Zielwert für die Mesh-Dichte: standard, high oder extra_high. Der Standardwert ist high.
faceNum	Integer	Zielwert für die Flächenanzahl. Bei Standardqualität 100,000 bis 500,000 (Standard 500,000). Bei high und extra_high 500,000 bis 1,000,000 (Standard 1,000,000).

Welche Industrie- und Entwickler-Workflows profitieren von der API?

Die Integration der 3D-Generierungs-API in Entwickler-Pipelines unterstützt mehrere Branchen. Mehr über ihre Wirkung erfahren Sie in unserem Artikel darüber, warum Ihr nächstes Projekt eine Image to 3D API:

Game-Dev-Pipelines: Die automatisierte Generierung von Asset-Entwürfen befüllt Szenen-Container direkt während der Laufzeit oder in Editor-Sitzungen.
Industrielles Prototyping: Ausgaben der wasserdichten Mesh-Generierung können für sofortige 3D-Drucktests an Slicing-Software gesendet werden.
WebAR-Anwendungen: Die schnelle Bereitstellung optimierter GLB-Dateien ermöglicht eine Echtzeitvorschau von 3D-Assets in mobilen Browsern.

Workflow-Diagramm zur Neural4D API-Integration: Anfragen fließen vom Python-Client-Code zur cloudbasierten Direct3D-S2-Engine und liefern wasserdichte 3D-Modelle zurück

Benötigen Sie weitere Unterstützung? Wenn Sie Fragen haben oder bei der Integration auf Probleme stoßen, können Sie online Feedback geben unter Neural4D Feedback oder unser technisches Team per E-Mail kontaktieren unter support@neural4d.com.

So integrieren Sie die Neural4D API in benutzerdefinierte Workflows

Was ist die Neural4D 3D-Generierungs-API?

Wie verbindet man sich über die REST-API? (Python-Beispiel)

Wie lässt sich die Pipeline um Bild- und Video-Generierung erweitern?

Welche Query-Parameter optimieren Mesh- und Textur-Ausgaben?

Welche Industrie- und Entwickler-Workflows profitieren von der API?

PRODUKTE

FUNKTIONEN

UNTERNEHMEN

RESSOURCEN