在three-gltf-viewer中预加载默认3D模型的技术实现
three-gltf-viewer是一个基于three.js的开源3D模型查看器,它提供了拖放界面来预览glTF格式的3D模型。本文将详细介绍如何修改该项目,使其能够自动加载预定义的3D模型,而不需要用户手动上传文件。
项目背景与需求
在实际应用中,我们有时需要为技术能力有限的用户(如相关机构工作人员)提供一个开箱即用的3D模型查看体验。这些用户可能不熟悉如何获取或上传3D模型文件,但他们仍然需要查看特定的3D模型。通过修改three-gltf-viewer,我们可以实现这一目标。
关键技术实现
1. 自动加载模型的JavaScript实现
核心思路是在页面加载完成后,自动调用查看器的API来加载指定的模型文件。以下是实现代码:
function waitForViewerApp() {
if (window.VIEWER && window.VIEWER.app) {
const app = window.VIEWER.app;
const modelPath = "/Lj36_jlp_1_frames_40-50_current.gltf";
if (!app.viewer) {
app.createViewer();
}
if (app.viewer) {
app.view(modelPath, '', new Map());
} else {
setTimeout(waitForViewerApp, 100);
}
} else {
setTimeout(waitForViewerApp, 100);
}
}
document.addEventListener("DOMContentLoaded", () => {
waitForViewerApp();
});
这段代码会等待查看器初始化完成后,自动加载指定的glTF模型文件。其中waitForViewerApp函数会不断检查查看器是否就绪,直到可以安全地调用加载方法。
2. 模型文件的部署方式
有三种主要的模型文件部署方式:
-
本地文件链接:在项目public目录下创建软链接指向模型文件
ln -s /path/to/model.gltf /project/public/model.gltf -
远程URL:使用完整的HTTP URL指向模型文件
const modelPath = "http://example.com/models/model.gltf"; -
Apache服务器部署:配置Apache允许跨域访问
<IfModule mod_headers.c> Header set Access-Control-Allow-Origin "*" Header set Access-Control-Allow-Methods "GET, OPTIONS" Header set Access-Control-Allow-Headers "Origin, X-Requested-With, Content-Type, Accept" </IfModule>
3. Vite配置调整
为了使开发服务器能够正确运行并允许外部访问,需要修改vite.config.js:
import { defineConfig } from 'vite';
export default defineConfig({
server: {
host: '0.0.0.0',
port: 3001,
allowedHosts: ['hostname', 'localhost', '192.168.x.x'],
cors: {
origin: '*',
methods: ['GET', 'POST', 'OPTIONS'],
allowedHeaders: ['Content-Type', 'Authorization']
}
}
});
4. 项目构建与部署
-
修改package.json中的启动脚本:
"scripts": { "dev": "vite --host 0.0.0.0 --port 3001" } -
构建生产版本:
npm run build -
部署dist目录到Web服务器(如Apache)
技术要点解析
-
异步加载处理:由于查看器初始化是异步过程,需要使用轮询机制等待其就绪。
-
跨域资源共享(CORS):当从不同域加载模型时,必须正确配置CORS头。
-
开发服务器配置:Vite开发服务器需要明确配置才能允许外部访问和跨域请求。
-
路径处理:模型文件路径可以是相对路径、绝对路径或完整URL,需要根据部署环境选择合适的方式。
实际应用建议
-
对于生产环境,建议将模型文件与查看器部署在同一域名下,避免跨域问题。
-
可以考虑扩展功能,通过URL参数指定要加载的模型,增加灵活性。
-
对于大型模型,可以实现加载进度指示器,提升用户体验。
-
在错误处理方面,可以添加模型加载失败时的友好提示和重试机制。
通过以上技术实现,我们可以将three-gltf-viewer转变为一个开箱即用的3D模型展示工具,大大降低了非技术用户的使用门槛,同时保留了原有的强大3D渲染功能。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00