Spirula Studio

训练 3D 高斯泼溅模型，支持视频帧提取、AI 遮罩、内置 SfM（运动恢复结构）、网格生成、曝光/白平衡校正，以及 360° 相机和等距柱状投影支持。

一句话商业模式

为3D 内容创作者、开发者、研究人员解决传统 3D 重建流程复杂、依赖多、显存占用高，通过开源 3D 高斯泼溅训练器，支持 Vulkan/CUDA，内置 SfM 和 AI 遮罩提供价值，主要依靠潜在收费方式：企业授权、云 GPU 训练服务、高级功能订阅（假设）赚钱

商业模式画布

提供单一自包含二进制，跨厂商 GPU 支持，显存效率高，内置完整流程，降低 3D 重建门槛

评分解析

研究分 64

这是什么

是什么
一个开源的跨厂商 3D 高斯泼溅训练器，提供从视频/照片到 3D 高斯模型再到纹理网格的完整流程，支持 Vulkan 和 CUDA 后端，无需 Python/PyTorch 或 COLMAP。
给谁用
面向 3D 内容创作者、计算机视觉开发者、研究人员，以及需要快速生成 3D 场景的行业用户（如游戏、影视、建筑、电商等）。
← 返回今日精选
S

Spirula Studio

训练 3D 高斯泼溅模型，支持视频帧提取、AI 遮罩、内置 SfM（运动恢复结构）、网格生成、曝光/白平衡校正，以及 360° 相机和等距柱状投影支持。

64

一句话商业模式

为3D 内容创作者、开发者、研究人员解决传统 3D 重建流程复杂、依赖多、显存占用高，通过开源 3D 高斯泼溅训练器，支持 Vulkan/CUDA，内置 SfM 和 AI 遮罩提供价值，主要依靠潜在收费方式：企业授权、云 GPU 训练服务、高级功能订阅（假设）赚钱

内容创作3D重建高斯泼溅AI开源团队 未知（推测为独立开发者或小团队，基于 GitHub 仓库个人维护）发布 2024年5月（GitHub 创建时间）最后同步 2026-09-23
访问官网

商业模式画布

Business Model Canvas · 9 大模块完整填涂

重要合作Key Partnerships
GPU 厂商（NVIDIA、AMD、Intel、Apple）、开源社区（如 SuperSplat、Megascapes）、数据集提供方
关键业务Key Activities
持续开发新功能（如度量尺度、LoMa 支持）、维护跨平台构建、社区支持与文档
价值主张Value Propositions
提供单一自包含二进制，跨厂商 GPU 支持，显存效率高，内置完整流程，降低 3D 重建门槛
客户关系Customer Relationships
通过 GitHub Issues、Discord 或社区论坛提供支持，定期发布更新
客户细分Customer Segments
3D 内容创作者、计算机视觉开发者、研究人员、游戏/影视行业从业者
核心资源Key Resources
核心代码库、Vulkan/CUDA 后端、开发者社区、GitHub 仓库
渠道通路Channels
通过 GitHub 开源社区、Product Hunt、技术博客和社交媒体传播，吸引开发者试用
成本结构Cost Structure
开发时间成本、云 GPU 测试成本、构建与发布成本、社区维护成本
收入来源Revenue Streams
潜在收费方式：企业支持、云 GPU 训练服务、高级功能（如商业许可）
💡 核心痛点：传统 3D 重建流程需要配置 Python/PyTorch、COLMAP 等复杂环境，显存占用高，且对非 NVIDIA GPU 支持差⚠️ 最大风险：开源项目商业化困难，GPL-3.0 许可可能限制商业采用，且 3D 重建市场竞争激烈（如 Nerfstudio、COLMAP）

评分解析

痛点清晰度

明确解决传统 3D 重建流程复杂、显存占用高、跨平台支持差的问题，痛点清晰

置信度 70%
70
付费可能性

开源 GPL-3.0 许可，无明确收费模式，商业化潜力有限，但可能通过企业支持或云服务变现

置信度 40%
40
市场与趋势

3D 高斯泼溅技术是当前计算机视觉和 3D 重建领域的热点，GitHub 趋势榜显示热度上升

置信度 80%
80
需求信号

星标增长迅速（今日 +99），但总量仍较小，社区规模有限

置信度 60%
65
执行可行性

技术实现复杂（Vulkan/CUDA、SfM、AI 遮罩），但已有完整功能，且持续更新，可行性高

置信度 70%
75
中国市场适配

支持简体中文，适合中国开发者，但 3D 重建工具在中国市场可能面临竞争和本地化挑战

置信度 50%
60

这是什么

是什么
一个开源的跨厂商 3D 高斯泼溅训练器，提供从视频/照片到 3D 高斯模型再到纹理网格的完整流程，支持 Vulkan 和 CUDA 后端，无需 Python/PyTorch 或 COLMAP。
给谁用
面向 3D 内容创作者、计算机视觉开发者、研究人员，以及需要快速生成 3D 场景的行业用户（如游戏、影视、建筑、电商等）。

关键能力

  • 跨厂商 GPU 支持：通过 Vulkan 计算在 NVIDIA、AMD、Intel 和 Apple Silicon 上运行
  • 极致的显存效率：量化训练支持在 8GB 显存中训练 1000 万 SH3 高斯
  • 原生 360° 相机支持：无需去畸变即可处理等距柱状投影数据
  • 内置 SfM 和 AI 遮罩：无需 COLMAP 或外部脚本，支持视频帧提取
  • 网格生成：从高斯模型生成带纹理的网格，支持深度/法线、天空盒等
  • 多语言支持：GUI 和 CLI 支持 13 种语言，包括简体中文

创业线索

团队
未知（推测为独立开发者或小团队，基于 GitHub 仓库个人维护） · 仓库由 harry7557558 维护，无公司实体信息，可能为个人项目
发布时间
2024年5月（GitHub 创建时间） · 最近推送日期为 2026-09-23，更新活跃，近期有功能更新（如度量尺度、LoMa 支持）
增长线索
GitHub 星标 679，今日新增 99，趋势榜第 65 位，增长迅速
能赚多少 / 怎么赚
无公开收入线索 · 无明确定价或商业计划，开源 GPL-3.0 许可

公开信息推断，缺数据会标未知；不构成收益承诺。

GitHub 最新数据

  • 仓库：harry7557558/spirula-studio
  • 星标：679
  • 分支：52
  • 关注：19
  • 未关闭 Issue：36
  • 主语言：C++
  • 开源协议：GPL-3.0
  • 仓库创建：2024-05-04
  • 最近推送：2026-09-23
  • 描述：Cross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.
360-camera3d-gaussian-splatting3d-reconstruction3dgs3dgs-accelerationcomputer-visioncross-vendorcudagaussian-splattingmesh-generation

来源数据

  • 首次采集：2026-09-23
  • 最后同步：2026-09-23
  • 材料更新：2026-09-23
  • GitHub 星标：679
  • GitHub 分支：52
  • 穿透材料体量：约 8,630 字

AI 辅助分析，仅供项目研究参考，不构成投资建议。