TripoSR lokal installieren – Schritt-für-Schritt-Anleitung

Ein einzelnes Foto, ein Klick — und Sekunden später liegt ein 3D-Modell im Ausgabeordner. TripoSR macht genau das, und zwar auf dem eigenen Rechner: ohne Cloud, ohne Konto, ohne Upload. Diese Anleitung führt Sie durch die lokale Installation unter Windows, zeigt die Stolpersteine, die dabei zuverlässig auftauchen, und sagt am Ende ehrlich, wofür die Ergebnisse taugen. Ein 3D-Modellierungswerkzeug müssen Sie dafür nicht beherrschen.

Was TripoSR ist — und was es nicht ist

TripoSR ist ein offenes KI-Modell, das aus einem einzigen Bild ein 3D-Objekt rekonstruiert. Entwickelt wurde es von Tripo AI zusammen mit Stability AI und im März 2024 unter der MIT-Lizenz veröffentlicht. Das Modell ist bewusst klein gehalten: Rund 6 GB Grafikspeicher genügen, und die eigentliche Rekonstruktion dauert auf einer starken NVIDIA-Karte deutlich unter einer Sekunde. Was TripoSR nicht ist: ein Messverfahren. Das Modell sieht nur eine Ansicht und erfindet den Rest plausibel dazu. Für maßhaltige Geometrie gibt es Konstruktion und Fotogrammetrie — TripoSR liefert Blockmodelle, Platzhalter und schnelle Ideenskizzen.

Systemvoraussetzungen

Prüfen Sie diese Punkte, bevor Sie anfangen — sie ersparen Ihnen die meisten Fehlversuche:

Grafikkarte: NVIDIA-GPU mit etwa 6 GB VRAM für ein Einzelbild.
Python: 3.10 oder 3.11. Die offizielle Anleitung nennt zwar noch „3.8 oder höher", das ist heute aber irreführend: PyTorch 2.4.1 war die letzte Version mit Python-3.8-Unterstützung, ab PyTorch 2.5 ist Schluss.
Git für das Klonen des Repositorys und einer Abhängigkeit.
Microsoft Visual C++ Build Tools — ohne C++-Compiler scheitert die Installation von torchmcubes.
CUDA Toolkit in der Hauptversion, die zu Ihrer PyTorch-Installation passt; nvcc muss über die Umgebungsvariable PATH erreichbar sein.
Speicherplatz: einige Gigabyte für die virtuelle Umgebung, PyTorch und die Modellgewichte.

Schritt 1: Repository klonen und virtuelle Umgebung anlegen

Legen Sie TripoSR in einen eigenen Ordner und kapseln Sie die Installation in einer virtuellen Umgebung. Das ist kein Luxus: Die Abhängigkeiten sind teilweise auf ältere Versionen festgenagelt und würden eine gemeinsam genutzte Python-Installation durcheinanderbringen.

git clone https://github.com/VAST-AI-Research/TripoSR.git
cd TripoSR
python -m venv tripo_env

Aktivieren Sie die Umgebung anschließend — unter Windows so:

.\tripo_env\Scripts\activate

Unter macOS oder Linux so:

source tripo_env/bin/activate

Schritt 2: PyTorch passend zur Grafikkarte installieren

PyTorch kommt zuerst und getrennt von allem anderen, weil der richtige Befehl von Ihrer CUDA-Version abhängt. Holen Sie sich die passende Zeile auf pytorch.org und aktualisieren Sie vorher die Paketwerkzeuge:

pip install --upgrade pip setuptools

Wichtig: Die CUDA-Hauptversion Ihres Systems und die des PyTorch-Pakets müssen zusammenpassen. Der häufigste Fehler an dieser Stelle ist eine CPU-Variante von PyTorch, die später wortreich behauptet, es sei keine GPU vorhanden.

Schritt 3: Die übrigen Abhängigkeiten installieren

Erst jetzt kommt der Rest:

pip install -r requirements.txt

Diese Datei zieht unter anderem omegaconf, transformers, trimesh, rembg, xatlas, moderngl und gradio nach. Ein Teil davon ist auf Versionen aus dem Frühjahr 2024 festgelegt — rechnen Sie deshalb damit, dass die Installation unter sehr neuen Python-Versionen zickt. Genau dafür ist die virtuelle Umgebung da. Der Sonderfall in der Liste ist torchmcubes: Es wird direkt aus dem Quelltext gebaut und braucht deshalb die Build Tools und nvcc. Klappt das nicht im Durchlauf, installieren Sie es einzeln:

pip install git+https://github.com/tatsy/torchmcubes.git

Oder, wenn auch das scheitert, von Hand aus dem geklonten Quelltext:

git clone https://github.com/tatsy/torchmcubes.git
cd torchmcubes
pip install -v .

Schritt 4: Den ersten Test über die Kommandozeile

Bevor Sie sich mit der Oberfläche beschäftigen, prüfen Sie das Modell direkt. TripoSR bringt Beispielbilder mit:

python run.py examples/chair.png --output-dir output/

Beim ersten Aufruf lädt TripoSR die Modellgewichte von Hugging Face nach — das passiert einmalig und dauert entsprechend. Danach finden Sie das fertige Mesh im Ausgabeordner. Zwei Schalter lohnen sich:

--bake-texture erzeugt eine echte Texturkarte statt reiner Vertex-Farben. Das ist der Unterschied zwischen „lässt sich anschauen" und „lässt sich weiterverwenden".
--texture-resolution legt die Auflösung dieser Textur fest.

Schritt 5: Die Weboberfläche starten

Für den Alltag ist die mitgelieferte Oberfläche bequemer. Sie startet mit:

python gradio_app.py

Anschließend öffnen Sie die lokale Adresse, die im Terminal ausgegeben wird, im Browser. Alles bleibt dabei auf Ihrem Rechner.

Die lokale TripoSR-Weboberfläche im Browser: links das hochgeladene Foto eines Burgers, daneben das freigestellte Bild, rechts das daraus erzeugte 3D-Modell in der OBJ-Vorschau.

Die Bedienung ist übersichtlich. Vier Dinge sollten Sie kennen:

Remove Background: stellt das Motiv automatisch frei. Für die mitgelieferten Beispielbilder schalten Sie die Option ab — die sind bereits freigestellt.
Foreground Ratio: legt fest, wie viel Bildfläche das Objekt einnimmt. Sitzt das Ergebnis schief oder wirkt gestaucht, ist dieser Regler die erste Stellschraube.
Marching Cubes Resolution: steuert die Feinheit des erzeugten Netzes. Höher heißt mehr Details und mehr Polygone.
OBJ oder GLB: beide Formate stehen zum Download bereit. Die Vorschau im Browser zeigt das Modell gespiegelt an — die heruntergeladene Datei ist korrekt.

Häufige Fehler bei der Installation — und was hilft

ModuleNotFoundError: No module named 'einops'

Ein Paket aus der requirements.txt ist nicht durchgelaufen, meist weil die Installation vorher an einer anderen Stelle abgebrochen ist. Installieren Sie das fehlende Paket einzeln nach — bei einops also pip install einops — und prüfen Sie danach, ob die virtuelle Umgebung wirklich aktiv war.

torchmcubes lässt sich nicht bauen

Das ist der mit Abstand häufigste Abbruch. Drei Ursachen kommen infrage: Die Microsoft Visual C++ Build Tools fehlen, nvcc ist nicht im PATH, oder setuptools ist veraltet. Aktualisieren Sie zuerst pip und setuptools, klonen Sie das Repository danach von Hand und installieren Sie es mit pip install -v . — die ausführliche Ausgabe zeigt, woran es tatsächlich hakt.

TripoSR findet meine Grafikkarte nicht

Dann liegt fast immer eine CPU-Variante von PyTorch in der Umgebung, oder die CUDA-Hauptversionen von System und PyTorch passen nicht zusammen. Deinstallieren Sie PyTorch in der virtuellen Umgebung und installieren Sie es mit dem Befehl neu, den pytorch.org für Ihre CUDA-Version ausgibt.

Die Weboberfläche startet nicht oder sieht anders aus als hier

Die requirements.txt legt Gradio auf keine feste Version fest — Sie bekommen also immer die neueste. Zwischen den Hauptversionen gab es Änderungen an der Schnittstelle. Wenn gradio_app.py mit einer Fehlermeldung aussteigt, ist eine ältere, festgelegte Gradio-Version der erste Versuch; ein blindes pip install --upgrade gradio kann das Problem eher vergrößern.

Wie viel Speicher braucht TripoSR wirklich?

Für ein einzelnes Bild rund 6 GB Grafikspeicher. Diese Zahl bezieht sich auf den VRAM Ihrer Grafikkarte, nicht auf die Festplatte — für Umgebung, PyTorch und Modellgewichte sollten Sie zusätzlich einige Gigabyte freien Plattenplatz einplanen.

Darf ich die erzeugten Modelle kommerziell nutzen?

TripoSR selbst steht unter der MIT-Lizenz, der Code ist damit auch kommerziell nutzbar. Für die Modellgewichte und für die Weboberfläche von Tripo AI gelten eigene Bedingungen — prüfen Sie diese vor einem kommerziellen Einsatz, und denken Sie daran, dass auch das Ausgangsbild Rechte Dritter berühren kann.

Lassen sich die Ergebnisse in Blender weiterbearbeiten?

Ja. OBJ und GLB importiert Blender direkt. Rechnen Sie mit einem unregelmäßigen Dreiecksnetz: Für saubere Weiterarbeit führt der Weg über Retopologie oder über ein Remesh.

Wie gut sind die Ergebnisse wirklich?

Das zweite Beispiel zeigt die Grenze deutlicher als jede Beschreibung: Aus einer gemalten Pferdedarstellung entsteht in Sekunden ein vollständiges 3D-Objekt — aber die Beine verschmelzen, und die abgewandte Seite wird sichtbar unschärfer.

Zweites Beispiel in der TripoSR-Oberfläche: Aus der Zeichnung eines Pferdes entsteht ein 3D-Modell, dessen abgewandte Seite und Beine sichtbar verschwimmen.

Das ist keine Schwäche der Installation, sondern die Natur der Sache: Das Modell sieht eine Ansicht und ergänzt den Rest nach Wahrscheinlichkeit. Für Prototypen, Blockmodelle, Füllobjekte im Hintergrund und schnelle Gestaltungsvarianten ist das ausgesprochen nützlich. Für alles, was gemessen, montiert oder gefertigt wird, ist es der Ausgangspunkt — nicht das Ergebnis. Wie sich solche Modelle danach weiterverarbeiten lassen, zeigt unser Beitrag Blender in der Industrie: Eine Vielseitige Lösung.

Ohne Installation: Tripo AI im Browser

Wenn Ihnen die lokale Einrichtung zu aufwendig ist, gibt es den bequemen Weg: Tripo AI betreibt seinen Dienst als Webanwendung. Dort laden Sie ein Bild hoch oder beschreiben das gewünschte Objekt in Worten, und die Berechnung läuft in der Cloud. Der Funktionsumfang ist inzwischen deutlich größer als beim offenen TripoSR — von Text-zu-3D über Materialkarten bis zu aufgeräumten Netzen. Der Preis dafür ist der übliche: Ihre Bilder verlassen das Haus, und Sie sind an ein Konto und ein Kontingent gebunden. Für alles, was unter Geheimhaltung steht, bleibt die lokale Installation die richtige Wahl.

Wo TripoSR heute steht

TripoSR war 2024 ein kleiner Meilenstein und ist weiterhin eine der schnellsten Möglichkeiten, mit wenig Hardware lokal ein 3D-Modell aus einem Foto zu erzeugen. Die Spitze der offenen Modelle markiert es allerdings längst nicht mehr: Seither sind mehrere offene Systeme erschienen, die deutlich sauberere Geometrie und sogar fertige PBR-Materialien liefern — dafür brauchen sie erheblich mehr Grafikspeicher und Rechenzeit. Wer also den schnellen, sparsamen Einstieg sucht, ist bei TripoSR weiterhin richtig. Wer Produktionsqualität erwartet, sollte die Erwartungen justieren — die grundsätzlichen Hürden haben wir in KI schafft keine 3D-Modelle: Herausforderungen und Fortschritte beschrieben, und sie gelten unverändert.

Fazit

Die lokale Installation von TripoSR ist an zwei Stellen unbequem — bei torchmcubes und beim Zusammenspiel von Python, PyTorch und CUDA. Wer diese beiden Hürden mit einer sauberen virtuellen Umgebung nimmt, hat danach ein Werkzeug auf dem Rechner, das in Sekunden aus einem Foto ein 3D-Objekt macht, ohne dass ein einziges Bild den Rechner verlässt. Als Ideenbeschleuniger ist das viel wert. Als Ersatz für Konstruktion ist es nichts.

Links zur Software:

TripoSR HuggingFace TripoSR Github