modal-lab

Modal 实验台：按 NNN-topic 编号做可复现实验。架构约定见 docs/ARCHITECTURE.md。

Gallery (GitHub Pages) — 请把 HTML 结果挂上来

线上橱窗：https://xiaoqianran.github.io/modal-lab/

入口	URL
Lab 首页（筛选 / 收藏 / 随便逛逛）	https://xiaoqianran.github.io/modal-lab/
009 HY-World 世界馆	https://xiaoqianran.github.io/modal-lab/009-hy-worldgen/
Image→3D Lab（L40S×PRO）	https://xiaoqianran.github.io/modal-lab/gpu-gallery/
022 Hunyuan3D-2.1	https://xiaoqianran.github.io/modal-lab/gpu-gallery/#hunyuan3d21
023-a SPAR3D Mesh Studio	https://xiaoqianran.github.io/modal-lab/023-a-spar3d/
023-b SF3D Mesh Studio	https://xiaoqianran.github.io/modal-lab/023-b-sf3d/
TTS Signal Desk（025–034）	https://xiaoqianran.github.io/modal-lab/tts-gallery/
025 Kokoro	https://xiaoqianran.github.io/modal-lab/025-kokoro/
026 Chatterbox	https://xiaoqianran.github.io/modal-lab/026-chatterbox/
027 Qwen3-TTS	https://xiaoqianran.github.io/modal-lab/027-qwen3-tts/
028 Fish S2	https://xiaoqianran.github.io/modal-lab/028-fish-s2/
029 VoxCPM2	https://xiaoqianran.github.io/modal-lab/029-voxcpm2/
各实验 gallery	https://xiaoqianran.github.io/modal-lab/<NNN-topic>/

每位作者请记住：出了 HTML 结果 → 部署到 Pages

不要只把结果丢在 Modal Volume 或本机。把可展示的 HTML 放进仓库的 gallery/，推 main，Actions 会自动发到 Pages。

1. 写 gallery
   在 NNN-topic/gallery/index.html（+ assets/ 小体积媒体）。
   本地预览：python3 -m http.server 8765 --directory NNN-topic/gallery

2. 媒体体积
   只提交预览级文件（截图、短 mp4、小 ply/glb）。大权重 / 完整 outputs 仍走 Modal Volume，不要塞进 git。
   .gitignore 已允许 gallery/**/*.mp4 等小媒体。

3. 登记到首页（推荐）
   新实验在 pages/data/experiments.json 加一条（标题、简介、标签、accent）。
   不登记也能通过 /NNN-topic/ 直达，但首页卡片不会出现。

4. 推送即部署

   git add NNN-topic/gallery pages/data/experiments.json
   git commit -m "gallery(NNN): …"
   git push origin main

   改动 **/gallery/**、pages/** 或 gpu-gallery/** 会触发
   .github/workflows/pages.yml → build _site → GitHub Pages。
   也可在 Actions 里手动 Run workflow。

5. 自检

   • Actions：Deploy GitHub Pages 绿勾
   • 打开 https://xiaoqianran.github.io/modal-lab/NNN-topic/
   • 资源用相对路径（assets/...），不要写死 localhost

约定：有可看结果 = 有 gallery HTML + 已上 Pages。 写 README 时顺手贴上 Pages 链接。

结构

main.py                 # 仓库级 dispatcher；v2 app.py 优先，legacy run.py 兼容
gpu-gallery/            # L40S × PRO 6000 Image→3D 对照预览（020/021/005）
I2V_GPU_ROADMAP.md      # image→3D 卡池约定与结论
001-longcat-video/      # LongCat-Video；v2 单入口 app.py 样板
002-unlimited-ocr/      # 百度 Unlimited-OCR 文档解析
003-mineru/             # OpenDataLab MinerU 文档解析
004-minimax-h3/         # MiniMax H3 文生/图生视频（Comfy headless · PRO 6000）
005-pixal3d/            # TencentARC Pixal3D 单图 → GLB（官版 HF demo · 默认 H100）
005-v2-pixal3d-l40s/    # Pixal3D L40S（sm_89 源码轮子 · 已出 GLB）
005-v3-pixal3d-pro6000/ # Pixal3D PRO 6000（sm_120 · torch2.11+cu128 · 已出 GLB）
006-hunyuanworld-mirror/# Tencent HunyuanWorld-Mirror 3D 重建（默认 L4 最低成本）
007-worldmirror-2.0/    # WorldMirror 2.0 recon（HY-World 2.0 · 默认 T4）
008-hy-pano/            # HY-Pano 2.0 全景 · 默认 Qwen@PRO-6000（最省）
009-hy-worldgen/        # HY-World 2.0 worldgen：全景→3D 世界（分 stage）
010-ace-step-1.5/       # ACE-Step 1.5 音乐生成（默认 L4 · turbo DiT）
011-stable-audio-3/     # Stable Audio 3 Medium（默认 L4 · FlashAttn）
012-levo-2/             # LeVo 2 / SongGeneration v2（默认 L40S · v2-medium）
013-yue/                # YuE 歌词→全曲（默认 L40S · en-cot · smoke OK）
014-diffrhythm-2/       # DiffRhythm 2 全曲扩散（默认 L4）
015-xiaomi-robotics-1-robocasa365/  # Xiaomi-Robotics-1 VLA · RoboCasa365 冒烟（默认 A100-40GB）
016-musicgen/           # MusicGen small 器乐基线（默认 T4 · 占 016）
017-xr1-robocasa365-sim/ # XR1 RoboCasa 仿真
020-triposr/            # TripoSR image→mesh 速度基线（L40S+PRO6000 · 已出 GLB）
021-trellis2/           # TRELLIS.2-4B 质量主线 MIT（L40S+PRO6000 · 已出 GLB）
022-hunyuan3d-2.1/      # Hunyuan3D-2.1 PBR（L40S+PRO6000 · smoke full 完成 · Pages）
023-a-spar3d/           # SPAR3D point-aware（L40S+PRO6000 · Gallery 已上 Pages）
023-b-sf3d/             # SF3D fast path（L40S+PRO6000 · Gallery 已上 Pages）
025-kokoro/              # Kokoro-82M TTS 用量榜#1（默认 T4 · Apache）
026-chatterbox/          # Chatterbox TTS Tier S2（默认 L4 · MIT · 多语/克隆）
027-qwen3-tts/           # Qwen3-TTS Tier S3（默认 L4 · Apache · 中英+三模式）
028-fish-s2/             # Fish Audio S2 Pro Tier S4（默认 L40S · Research · Elo#1）
029-voxcpm2/             # VoxCPM2 Tier A1（默认 L4 · Apache · 速度/延迟）
030-vibevoice/            # VibeVoice Realtime TTS Tier A2（默认 L4 · MIT · stars#1）
031-cosyvoice3/           # CosyVoice3 Tier A3（默认 L4 · Apache · 中文方言）
032-indextts2/            # IndexTTS-2 Tier A4（默认 L4 · 配音/情感）
033-f5tts/                # F5-TTS Tier A5（默认 L4 · 零样本 · CC-BY-NC）
034-higgs/                # Higgs Audio v2 Tier A6（默认 L40S · 收官）
tts-gallery/             # TTS Signal Desk 全量 Listening Room（025–034）

命名约定：NNN-topic（序号 + 主题）。python main.py 001 … 等短号在唯一时可解析到对应目录。

环境

pip install modal
modal token new   # 或确保已配置 ~/.modal.toml
export HF_TOKEN=...   # 可选：门禁模型

用法

python main.py 001 status
python main.py 004 t2v --prompt "..."
python main.py 005-pixal3d i2v --image 005-pixal3d/inputs/sample.webp --gpu H100
python main.py 005-pixal3d build-natten --gpu A100-40GB   # A100 首次
python main.py 005-v2-pixal3d-l40s smoke --i-know-this-costs-money  # L40S
python main.py 005-v3-pixal3d-pro6000 smoke --i-know-this-costs-money  # PRO 6000
python main.py 020 smoke --i-know-this-costs-money --gpu L40S
python main.py 021 build --gpu L40S && python main.py 021 smoke --i-know-this-costs-money --gpu L40S
python main.py 006 smoke          # HunyuanWorld-Mirror 最低成本冒烟
python main.py 007 smoke          # WorldMirror 2.0 recon（T4）
python main.py 008 smoke          # HY-Pano 轻量 Qwen（PRO 6000）
python main.py 009 status         # worldgen 全景→3D 世界（分 stage）
python main.py 010 smoke          # ACE-Step 1.5 音乐（L4 · 20s 器乐）
python main.py 011 smoke          # Stable Audio 3 Medium（L4 · 20s）
python main.py 014 smoke          # DiffRhythm 2（L4 · 60s）
python main.py 013 smoke          # YuE（L40S · 2 segments）
python main.py 012 smoke          # LeVo 2（L40S · v2-medium）
python main.py 016 smoke          # MusicGen small（T4 · 15s）
python main.py 015 smoke          # Xiaomi-Robotics-1 RoboCasa365 动作冒烟（A100-40GB）

# 001 已迁移到 v2；本地状态 / dry-run 从根 launcher 进入，不触发镜像构建
python main.py 001 status
python main.py 001 t2v --dry-run

# 005 有三个版本，必须使用完整 ID
python main.py 005-pixal3d status
python main.py 005-v2-pixal3d-l40s status
python main.py 005-v3-pixal3d-pro6000 status

# 其他 v2 实验统一从根 launcher 进入
python main.py 008 status
python main.py 020 status
python main.py 021 status
python main.py 022 probe

# 040/041/042 是 provider/integration 客户端验证脚本，不定义 Modal App
python main.py 040 --check-env
python main.py 041 --check-env
python main.py 042 --check-env

实验一览

目录	作用
001-longcat-video	复现 LongCat-Video（T2V / I2V / 续写等，跑在 Modal GPU）
002-unlimited-ocr	用 Unlimited-OCR 在 Modal 上逐页解析 PDF
003-mineru	用 MinerU 在 Modal 上解析 PDF，并与 002 对照
004-minimax-h3	MiniMax H3 量化包 + ComfyUI headless，单卡 PRO 6000 文生视频
005-pixal3d	Pixal3D 图生 3D → GLB；官版 · 默认 H100
005-v2-pixal3d-l40s	同上模型，L40S sm_89 源码栈 · 已验证出 GLB（~$0.17 smoke）
005-v3-pixal3d-pro6000	同上模型，PRO 6000 sm_120 · torch2.11+cu128 · 已验证（~$0.19 · ~230s）
006-hunyuanworld-mirror	HunyuanWorld-Mirror 多视图 3D；默认 L4 最低成本
007-worldmirror-2.0	HY-World 2.0 WorldMirror 2.0 recon；默认 T4
008-hy-pano	HY-Pano 2.0 全景；默认 Qwen+LoRA @ RTX-PRO-6000（~$0.11）
009-hy-worldgen	World Generation 全景→轨迹→WorldStereo→3DGS；见 PLAN
010-ace-step-1.5	ACE-Step 1.5 开源音乐生成；默认 L4；主包 turbo + 可选 1.7B LM
011-stable-audio-3	Stable Audio 3 Medium；默认 L4（T4 无 FlashAttn）
012-levo-2	LeVo 2 SongGeneration v2；默认 L40S · v2-medium（研究许可）
013-yue	YuE 歌词→全曲；L40S · en-cot · ~$0.43/2seg
014-diffrhythm-2	DiffRhythm 2 全曲扩散；L4 · 60s ~$0.016
015-xiaomi-robotics-1-robocasa365	Xiaomi-Robotics-1 RoboCasa365 VLA 冒烟；默认 A100-40GB
016-musicgen	MusicGen 器乐基线；默认 T4 · small（CC-BY-NC）
017-xr1-robocasa365-sim	XR1 RoboCasa 仿真；L40S 闭环 horizon=100
020-triposr	TripoSR 速度基线；L40S ~14s / PRO6000 ~10s · ~$0.01
021-trellis2	TRELLIS.2 质量主线 MIT；L40S ~215s / PRO6000 ~122s · 已出 GLB
022-hunyuan3d-2.1	Hunyuan3D-2.1 PBR 纹理；L40S+PRO6000 · Community License
023-a-spar3d	SPAR3D point-aware 图生网格；L40S/PRO · Gallery
023-b-sf3d	SF3D 快速图生网格；infer PRO ~0.96s · Gallery
025-kokoro	Kokoro-82M TTS 基线；T4 · ~$0.001 · Gallery
026-chatterbox	Chatterbox 多语/克隆；L4 · ~$0.014 · Gallery
027-qwen3-tts	Qwen3-TTS 三模式；L4 · ~$0.005 · Gallery
028-fish-s2	Fish S2 Pro Elo 开源#1；L40S · ~$0.06 · Gallery
029-voxcpm2	VoxCPM2 tokenizer-free 2B；L4 · ~$0.007 · Gallery
030-vibevoice	VibeVoice Realtime 0.5B；L4 · ~$0.005 · Gallery
031-cosyvoice3	CosyVoice3 0.5B；L4 · ~$0.005–0.009 · Gallery
032-indextts2	IndexTTS-2；L4 · ~$0.008 · Gallery
033-f5tts	F5-TTS v1；L4 · ~$0.0025 · Gallery
034-higgs	Higgs Audio v2 3B；L40S · ~$0.01–0.027 · Gallery · TTS 收官
tts-gallery	TTS Signal Desk 025–034 全量试听与成本可视化 · Room
gpu-gallery	L40S × PRO 6000 对照预览（020 / 021 / 005）
—	音乐队列见 MUSIC_ROADMAP.md · TTS 见 TTS_ROADMAP.md · image→3D 见 I2V_GPU_ROADMAP.md

统一预览（L40S × PRO 6000）：gpu-gallery/ · 路线图 I2V_GPU_ROADMAP.md

Pixal3D / 开源 I2V：

• 005 GPU_BENCHMARK
• 005-v2 L40S
• 005-v3 PRO 6000
• 020 TripoSR
• 021 TRELLIS.2
• 022 Hunyuan3D-2.1

远程：https://github.com/xiaoqianran/modal-lab