3D : un objet 3D à partir d'une photo produit
# 3D : un objet 3D à partir d'une photo produit code: k7vyc0 | type: prompt | language: fr | licence: MIT | version: v1 description: Transformer une photo produit en objet 3D avec TripoSR : préparer l'image, lancer la reconstruction et exporter un fichier 3D. page: https://contextetech.com/prompts/objet-3d-photo-produit-triposr-k7vyc0 mcp: connect https://contextetech.com/mcp then call load_resource with code "k7vyc0" (or ask "load k7vyc0") json: https://contextetech.com/api/resources/contextetech--objet-3d-photo-produit-triposr python: pip install contexte && contexte get k7vyc0 source: https://huggingface.co/stabilityai/TripoSR citation (required by the licence): contextetech. (2026). 3D : un objet 3D à partir d'une photo produit (Version 1) [Prompt]. Contexte Tech. https://contextetech.com/prompts/objet-3d-photo-produit-triposr-k7vyc0. Source des données : https://huggingface.co/stabilityai/TripoSR
Transformer une photo produit en objet 3D avec TripoSR : préparer l'image, lancer la reconstruction et exporter un fichier 3D.
Gabarit
Photo d'un seul objet, centré, sur fond uni, entièrement visible, sans reflet fort ni ombre dure.
Réglages
| Entrée | une image (PNG ou JPG) |
|---|---|
| Sortie | maillage 3D (OBJ ou GLB) |
| Commande | python run.py photo.png --output-dir sortie/ |
Notes
TripoSR reconstruit l'objet à partir d'une seule image : plus le fond est simple, plus le résultat est propre. Modèle sous licence MIT.
- Identifiant
- contextetech--objet-3d-photo-produit-triposr
- Fichier
- objet-3d-photo-produit-triposr.json
- Format
- JSON (application/json)
- Taille
- 622 octets
- Encodage
- UTF-8
- Tokens estimés
- ≈ 172
- Usage commercial
- Autorisé
- Données personnelles
- Aucune
- Version
- 1.0
- Publié le
- 2 octobre 2026 à 13:49
- Mis à jour le
- 16 octobre 2026 à 23:19
- Stockage
- en base
Statistiques
J'aime : 0 · Commentaires : 0
Cliquez sur un compteur pour l’afficher ou le masquer, survolez le graphique pour le détail. Une vue par visiteur et par jour, robots exclus ; décompte commencé le 30 septembre 2026.
Coût estimé
- Tokens d'entrée par appel
- ≈ 231
| Modèle | Par appel | Par mois |
|---|---|---|
| GPT-6 Luna · OpenAImeilleur prix | 0,00002 € | 0,02 € |
| DeepSeek Flash · DeepSeek | 0,00006 € | 0,06 € |
| Mistral Large · Mistral AI | 0,00010 € | 0,10 € |
| DeepSeek V4 Pro · DeepSeek | 0,00027 € | 0,27 € |
| GPT-6 Sol · OpenAI | 0,00041 € | 0,41 € |
| Claude Sonnet 5.5 · Anthropic | 0,00041 € | 0,41 € |
| Claude Opus 5.5 · Anthropic | 0,00081 € | 0,81 € |
| Modèle open source hébergé chez soi (Ollama, vLLM) | 0 € d'API (coût du serveur seulement) | |
Coût d'entrée seulement, sans la réponse du modèle. Prix publics des fournisseurs (Mistral AI, DeepSeek, OpenAI, Anthropic), tarif standard en dollars converti en euros au taux BCE du 13 octobre 2026. Estimation : 1 token ≈ 3,6 caractères.
Commun aux 3 régions
Contenu créé par l'auteur, sans source extérieure.
Usage commercial autorisé · citer l'auteur · modifications permises.
Texte ou données seuls : aucun accès aux fichiers, au réseau ni aux commandes.
Hébergé en France (Scaleway, Paris). Aucun transfert hors UE.
Union européenne · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement : pas de résumé à fournir.
États-Unis · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement : pas de documentation à publier.
Chine · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement ; les contenus générés par IA diffusés en Chine doivent être marqués (2025).
Synthèse indicative au 30/09/2026, sans valeur de certification juridique. Méthode et sources →
Pertinence du prompt
Le détail des critères est réservé aux membres.
Chaque critère, les points retirés et un conseil pour corriger.
Le détail des critères est réservé aux membres.
Chaque critère, les points retirés et un conseil pour corriger.
Critères de vérification
MCP contexte
https://contextetech.com/mcp
charge k7vyc0
Ajoutez l'adresse comme connecteur dans les pages des applications d'IA, puis envoyez la demande ci-dessus.
Python contexte
import contexte p = contexte.load("contextetech/objet-3d-photo-produit-triposr") print(p.fill())
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--objet-3d-photo-produit-triposr" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
objet-3d-photo-produit-triposr.json
{
"format": "contextec/prompt/v1",
"id": "contextetech/objet-3d-photo-produit-triposr",
"description": "Transformer une photo produit en objet 3D avec TripoSR : préparer l'image, lancer la reconstruction et exporter un fichier 3D.",
"license": "MIT",
"language": "fr",
"modality": "3d",
"template": "Photo d'un seul objet, centré, sur fond uni, entièrement visible, sans reflet fort ni ombre dure.",
"variables": [],
"tool": "TripoSR",
"params": {
"Entrée": "une image (PNG ou JPG)",
"Sortie": "maillage 3D (OBJ ou GLB)",
"Commande": "python run.py photo.png --output-dir sortie/"
}
}
Communauté
Pas encore de commentaire. Partagez votre retour, il aidera les suivants.