Startseite Projekte WorldGen
WorldGen
Python

WorldGen

🌍 WorldGen - Generiere jede 3D-Szene in Sekunden.

von ZiYang-xie · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
3d-generation3d-reconstructiongenerative-aiApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Generieren Sie 3D-Szenen aus Text oder Bildern in Sekunden für Spiele und virtuelle Realität.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
WorldGen — GitHub preview card
📈 Sternhistorie
2.1k2.0k
2026-07-072026-08-31
📈 WorldGen verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

🌍 WorldGen - Generiere jede 3D-Szene in Sekunden.

WorldGen hat 2.1k Sterne auf GitHub. Es wurde 198-mal geforkt. WorldGen ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. WorldGen ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: 3d-generation, 3d-reconstruction, generative-ai, graphics.

Frequently asked questions

Was ist WorldGen?

🌍 WorldGen - Generiere jede 3D-Szene in Sekunden.

Ist WorldGen Open Source?

WorldGen ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist WorldGen kostenlos?

Ja. WorldGen ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht WorldGen?

WorldGen ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist WorldGen geschrieben?

WorldGen ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — WorldGen

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=ziyang-xie-worldgen)](https://olud.ai/project/ziyang-xie-worldgen.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.