Spirula Studio：不装 Python 的 3D Gaussian Splatting 训练工具，8 GB 显存跑千万级高斯
【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio
想训 3D Gaussian Splatting，却发现自己用的是 AMD 卡？或者不想再搭一套 Python + PyTorch + COLMAP 的三件套？Spirula Studio 就是一个跨厂商的 3D Gaussian Splatting 训练工具：从视频到 splat 再到纹理网格整条链路都内置在一个可执行文件里，不依赖 Python/PyTorch，不装 COLMAP，NVIDIA、AMD、Intel 到 Apple 显卡都能跑。
能力速览
| 能力模块 | 替你解决什么 | 适合谁 |
|---|---|---|
| 跨厂商 GPU（Vulkan / CUDA 双后端） | 3DGS 训练被绑死在 NVIDIA 显卡上的问题 | AMD / Intel / Apple 显卡用户 |
| 内置 SfM、AI 遮罩、视频抽帧、网格化 | 在 COLMAP、ffmpeg、SAM 脚本之间来回切换的问题 | 想从原始素材直接出 3D 结果的人 |
| 13 种语言 + 离线字体 | 非英语用户被迫读英文界面和报错的问题 | 中日韩及欧美多语言用户 |
| 度量尺度恢复 + LoMa 匹配 | 重建忽大忽小、困难数据集 SfM 配不准的问题 | 无人机、车载、重复纹理场景 |
AMD / Intel / Apple 显卡一键跑起来
结论先行：3DGS 训练不再是 NVIDIA 的独占游戏，Vulkan 后端是官方推荐路线。
项目提供两条可互换的后端，训练和网格化功能完全一致：
- Vulkan（推荐）：跨平台、跨厂商，编译更快、产物更小，部分场景下显存占用更低。它是原生 SfM、视频抽帧、AI 遮罩这些功能的载体，也是目前测试最多的路线。
- CUDA：面向 NVIDIA GPU 的遗留选项，速度和 Vulkan 的差距通常在几个百分点以内，取决于显卡驱动。
抽象层放在src/backend/，api/统一接口、两个后端各自实现，编译选项由 cmake/SsOptions.cmake 控制。
显存方面也有硬指标：量化训练让 8 GB 显存能装下 1000 万个 SH3 高斯，中端显卡完全够玩。
视频进、纹理网格出：中间零安装
结论先行：整条流水线塞在同一个二进制里，你不需要为任何一步单独装工具。
- 视频抽帧：GPU 端解码，比 shell 出去调 ffmpeg 快约 15 倍，还省掉了 ffmpeg 安装这一步。
- AI 遮罩：内置 SAM 模型（SAM 2.1 为 Apache-2.0，SAM 3 为 Meta 自己的许可），首次使用时由 GUI 下载并缓存，不用提前下权重。
- 原生 SfM：独立的光束法管线，输入图片，输出 COLMAP 兼容的
sparse/模型，实现分布在 src/sfm/ 和 src/sam/ 等模块。
剩下的两环是解码与抽帧（src/video/）、splat 转带纹理网格（src/mesh/）。换句话说，从一圈原始视频素材到带纹理的 mesh，全程没有一次"去官网下载另一个软件"。
13 种语言，断网也能完整显示
结论先行：GUI 和 CLI 同时覆盖 13 种语言——英语、日本語、简体中文、繁體中文、한국어、Deutsch、Français、Español、Português、Italiano、Nederlands、Русский、Türkçe——而且离线状态下每种语言都不会缺字形。
这背后是一套嵌字方案：5 个字面（1 个 Latin 字面 + CJK 四地区字面，合计约 3.3 MB）被无条件打进每个构建，语言选择界面本身就不需要下载任何字体。构建时还有两个可调参数：SS_DEFAULT_LANG指定兜底语言，SS_FONT_CJK控制完整 CJK 字体是随包附带还是按需获取，操作细节见 docs/i18n.md。
值得一提的是 CLI 也被本地化了：spirula sfm、spirula mesh的每个阶段、计数和警告都走同一套目录（src/i18n/catalog/），终端跑出来的日志和--help都是你的语言。代价也有——Hebrew、阿拉伯文、泰文等脚本不在覆盖范围内，这类字符会显示错乱。
尺度与匹配：针对社区反馈的两次补强
结论先行："重建结果忽大忽小、歪歪扭扭"和"纹理重复数据集 SfM 失败"这两个高频抱怨，都已经被正面处理。
度量尺度恢复（2026 年 9 月 10 日）：数据集创建模块会解析视频和图片里常见的遥测元数据，把真实尺度和朝向恢复出来。对无人机、车载这类素材尤其有用——以前重建出来是个方向随机、大小靠猜的模型，现在能对上真实世界的比例。
LoMa 特征匹配（2026 年 9 月 3 日）：SfM 模块接入了 LoMa 特征检测与匹配（实现在 src/loma/），专门应对纹理重复、光照剧变这类让传统前端频频失手的困难数据集。spirula sfm里可以直接选 LoMa 变体，比如--features loma-b128 --matcher loma-b128，整套模型约 130 MB。
跑起来
路径一：下载二进制（最短路径）
到 Releases 页面选对应平台的包，解压，双击打开 GUI，零配置。
路径二：源码构建（以推荐的 Vulkan 后端为例）
git clone https://gitcode.com/GitHub_Trending/sp/spirula-studio cd spirula-studio bash build_develop.bash -DSS_BACKEND=vulkan -DSS_ENABLE_PATENTED=ONWindows 用户把脚本换成build_develop.bat即可。-DSS_ENABLE_PATENTED=ON开启 GPU 视频解码，产物是build_vulkan/spirula（Windows 下是spirula.exe）。
如果在远程/云 GPU 上训练，用 CLI：spirula --help可以看全部子命令，spirula train默认会在一个 HTTP 端口上起 viewer，ssh 转发后就能在本地浏览器里看训练进度。
适合谁，以及边界
适合：手里有相机（360° 相机也原生支持）和一块主流显卡——NVIDIA、AMD、Intel、Apple 均可——想从照片或视频拿到高质量 3D 场景的人。8 GB 显存起步，单文件、无 Python 依赖，是目前门槛很低的 3DGS 训练工具之一。
边界要摊开说：
- CUDA 后端只支持 NVIDIA，macOS 只有 Vulkan 一条路线（好消息是 MoltenVK 默认静态链接，不装任何依赖就能跑，构建脚本还会自动打包成
.app和.dmg）。 - 开启 GPU 视频解码（
SS_ENABLE_PATENTED=ON）意味着 AVC/HEVC 解码器带第三方专利风险，合规责任在使用者自己。 - SAM 模型不是内置的，首次使用要联网下载，且 GUI 会先展示许可条款。
- 字体覆盖不到 Hebrew/Arabic/Thai 等脚本，非 ASCII 数据集路径在 Windows 上要求 Windows 10 1903 或更新版本。
还有一点务实的：这个项目基本由一个人维护，issue 和 PR 都会看，但回复可能偏慢。
写在最后
如果你只需要"把一圈照片变成 3D 场景"这一件事，且不想被环境配置消耗时间，Spirula Studio 值得放进工具链的第一候选位：跨厂商、单文件、13 语言，下载解压就能开工。等它把多人协作和更成熟的许可模型补上，这个门槛最低的 3DGS 入口会更稳。
【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
