소개
사진을 부조로 바꾸는 엔드포인트는 제공한 이미지로 판을 만들며 조각 방향, 밀리미터 치수, 배경 제거, 굽힘을 조절할 수 있습니다.
| 항목 | 값 |
|---|---|
| 입력 | 이미지 |
| 출력 | 3D 모델 |
| 입력 사진 |
|
| 제공 파일 | 텍스처 없는 GLB, STL, 16비트 회색조 깊이 PNG |
| 부조 사전 설정 |
|
| 조각 방향 |
|
| 직접 깊이 지정 |
|
| 실제 긴 변 |
|
| 받침 두께 |
|
| 배경 제거 |
|
| 곡률 조절 |
|
| 메시 샘플링 |
|
| 완료 시간 실측 | 기본 설정 테스트 56~76초, 미리보기 로딩 시간 별도 |
| 부조당 요금 | 모든 지원 설정에 고정 요금, 실패 작업 무료 |
핵심 기능 및 하이라이트
머리카락과 실크가 조각 세부 요소로
새 샘플은 기본 설정으로 옆모습 사진을 부조 판으로 만들었습니다. 렌더에서 머리카락 한 올과 실크 주름이 깊이로 보이며 GLB, STL, 16비트 깊이 맵을 함께 제공했습니다. 생성 형상의 모습이며 실제 프린트가 아닙니다.
슬라이싱을 준비한 고양이 인물상
고양이 샘플은 mesh_resolution 1024에서 GLB 40MB, STL 85MB와 깊이 PNG를 반환했습니다. GLB로 부조를 살핀 뒤 STL을 출력에 사용합니다. 이 정도 용량의 미리보기는 로딩에 시간이 걸릴 수 있습니다.
받침판이 남은 참나무 세부 표현
120mm 참나무 테스트는 engrave, high, remove_base와 임계값 0.05를 결합했습니다. 잎과 도토리는 선명했지만 받침이 남았습니다. 임계값을 높이면 배경을 더 자르며 결과는 대상과 주변의 깊이 차이에 달려 있습니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
image_url | 예 | 최소 32 x 32픽셀, 최대 20MB인 JPEG, PNG 또는 WebP 사진이 필수입니다. 기본 이미지는 제공하지 않습니다. 1자 이상 |
relief_height | 아니요 | low(기본값, 깊이 약 3mm) 또는 high(약 6mm)를 선택합니다. carving_depth_mm은 프리셋 깊이를 덮어쓰며 요금은 그대로입니다. |
carving_mode | 아니요 | 기본값 emboss는 피사체를 판 위로 돌출시킵니다. engrave는 가까운 부분을 안쪽으로 새깁니다. |
carving_depth_mm | 아니요 | 0~60mm 범위의 선택적 깊이 지정 값입니다. 생략하면 relief_height에 따라 약 3mm 또는 6mm를 적용합니다. |
size_mm | 아니요 | 굽히기 전 평면 상태에서 측정하는 부조 위 사진의 긴 변 길이입니다. 범위는 20–250mm, 기본값은 60mm입니다. |
base_thickness_mm | 아니요 | 판 두께는 선택 사항으로 0.1–10mm입니다. 여기서는 수치 기본값을 명시하지 않습니다. |
remove_base | 아니요 | 기본적으로 꺼져 있습니다. 켜면 배경과 판을 제거하고 피사체만 남기도록 요청합니다. 기본값: |
removal_threshold | 아니요 | 배경 제거 임계값은 0.01~1, 기본값은 0.01입니다. remove_base가 켜져 있을 때 작동합니다. |
bend_mode | 아니요 | off(기본값)는 평평한 판을 유지합니다. convex는 바깥쪽, concave는 안쪽으로 굽힙니다. |
bend_axis | 아니요 | xz(기본값)는 좌우를, yz는 위아래를 휘게 합니다. 굽힘을 켰을 때 사용하는 축이며 요금에는 영향이 없습니다. |
bend_angle | 아니요 | 굽힘 각도는 0~360도, 기본값은 60도입니다. convex 또는 concave 모드와 함께 사용합니다. |
mesh_resolution | 아니요 | 긴 변을 따른 메시 점의 수는 512–1024, 기본값은 1024입니다. 값을 낮추면 세부 표현과 파일 크기가 줄어들며 부조당 가격은 같습니다. |
요금
$0.96 / 부조
완성된 부조마다 정액으로 과금합니다. 지원하는 모든 설정이 포함되며 실패에는 요금이 없습니다.
활용 사례
원단 세부 요소가 있는 인물 기념품
옆모습 사진으로 기념 판을 만듭니다. 실크 인물 샘플은 기본 설정으로 머리카락과 원단 주름을 눈에 보이는 깊이로 바꿨습니다.
반려동물 사진을 출력용 판으로
반려동물 사진에서 슬라이싱할 STL까지 이어갑니다. 고양이 테스트는 mesh_resolution 1024에서 GLB 40MB와 STL 85MB를 반환했으므로 파일 처리 시간을 고려합니다.
CNC 조각용 깊이 맵
제공한 16비트 회색조 PNG를 부조 조각에 사용합니다. 밝은 부분은 솟은 세부 요소를 뜻하며 메시와 함께 높이 참조가 됩니다.
음각 식물 패널
engrave 모드와 실제 크기로 장식 디자인을 준비합니다. 120mm 참나무 실행에서 잎과 도토리는 선명했지만 제거 요청의 시각적 검토가 필요한 이유도 드러났습니다.
곡면 배지와 전시 소품
convex 또는 concave로 굽히고 말릴 가장자리 쌍을 선택합니다. 100mm 인물의 convex 90도 테스트는 머리카락과 옷의 세부 요소를 유지하며 곡률을 보여 줬습니다.
프롬프트 가이드 및 실전 팁
원본 사진을 준비합니다
대상이 뚜렷하고 배경이 단순한 JPEG, PNG, WebP를 최소 32 x 32픽셀, 최대 20MB로 준비합니다. 인물 사진은 사용 권한이 있는 성인만 사용하며 사칭을 피합니다.
크기와 조각 방향을 정합니다
image_url을 넣고 emboss 또는 engrave를 고른 뒤 size_mm으로 긴 변을 20~250mm로 정합니다. relief_height를 low로 두거나 high를 고르며 carving_depth_mm으로 사전 깊이를 덮어쓸 수 있습니다.
판과 곡률을 정합니다
받침판을 유지하거나 remove_base를 요청하며 제거 시 base_thickness_mm은 생략합니다. 굽힘 모드와 축, 각도를 고릅니다. 배경 제거를 요청해도 판의 일부가 남을 수 있습니다.
파일을 확인하고 다운로드합니다
큰 GLB가 로딩될 시간을 주고 여러 각도에서 부조를 살펴봅니다. 슬라이싱용 STL이나 조각용 깊이 PNG를 받고 대상 소프트웨어에서 치수를 확인합니다.
사진을 부조로: 원본 선택
Meshy Relief는 사진 한 장을 표면에 양각이나 음각 세부 요소가 있는 판으로 바꿉니다. 인물 기념품, 반려동물 판, 배지, 장식 조각 패널에 이 image-to-3d 엔드포인트를 사용합니다. 굽히기 전 뒷면은 평평하며 반환 형상에는 텍스처가 없습니다.
입력은 장면 설명이 아닌 image_url입니다. 단순한 배경과 선명한 대상을 고릅니다. JPEG, PNG, WebP는 최소 32 x 32픽셀, 최대 20MB여야 합니다. 인물은 사용 권한이 있는 성인 사진만 사용하고 사칭하지 않습니다.
깊이, 크기, 곡률 제어
| 파라미터 | 범위 또는 선택 | 기본값과 용도 |
|---|---|---|
image_url | JPEG, PNG, WebP 1장, 최대 20MB, 최소 32 x 32픽셀 | 필수 원본 |
relief_height | low, high | low 약 3mm, high 약 6mm |
carving_mode | emboss, engrave | emboss는 양각, engrave는 가까운 부분을 안으로 조각 |
carving_depth_mm | 0~60mm | 선택, 사전 깊이 재정의 |
size_mm | 20~250mm | 60mm, 굽히기 전 사진의 긴 변 |
base_thickness_mm | 0.1~10mm | 선택 판 두께, remove_base 사용 시 생략 |
remove_base | true, false | false, 배경과 판 제거 요청 |
removal_threshold | 0.01~1 | 0.01, 제거 시 높을수록 배경을 더 제거 |
bend_mode | off, convex, concave | off, convex는 바깥, concave는 안쪽 |
bend_axis | xz, yz | xz는 좌우, yz는 위아래 가장자리 굽힘 |
bend_angle | 0~360도 | 60, 곡면 굽힘 모드에 사용 |
mesh_resolution | 512~1024 | 긴 변의 메시 점 1024개 |
실제 크기와 메시 샘플링을 따로 설정합니다. size_mm은 모델 위 사진의 범위이며 mesh_resolution은 형태를 얼마나 촘촘히 샘플링하는지 정합니다. 낮추면 파일과 세부 표현이 줄어듭니다. carving_depth_mm은 사전 깊이를 대체하며 생략하면 low나 high의 대략적인 깊이를 사용합니다.
대상만 분리 요청
판 없이 대상만 원하면 remove_base를 켜고 base_thickness_mm은 생략합니다. 제거는 대상과 배경의 깊이 차이에 달려 있습니다. removal_threshold를 높이면 배경을 더 제거하지만 스위치를 켰다고 판이 사라진 것은 아닙니다. 반환 모델의 윤곽과 뒷면을 살펴봅니다.
단계별로 활용할 파일 3개
- GLB: 텍스처 없는 부조를 회전해 형태와 곡률을 살핍니다.
- STL: 슬라이싱 소프트웨어에서 출력용 형상을 사용합니다.
- 깊이 PNG: CNC나 부조 조각에 16비트 회색조 이미지를 사용하며 밝을수록 높습니다.
Meshy에 따르면 GLB 단위는 미터, STL은 밀리미터입니다. 배율이 예상과 다르면 대상 앱의 단위와 요청 크기를 대조합니다. 크기는 굽히기 전 값이므로 곡면 판의 폭으로 해석하지 않습니다.
프롬프트와 원본 사진 준비
Photo to Relief에는 prompt 필드가 없습니다. 페이지의 프롬프트 예시는 원본 사진 준비용 구상이며 이 엔드포인트에 제출할 텍스트가 아닙니다. 인물이나 사물, 옷이나 소재, 분위기, 조명, 장소를 계획한 뒤 완성 이미지 URL을 보냅니다.
인물 구상은 실크 가운을 입은 30대 인물, 차분한 표정, 부드러운 스튜디오 빛, 단색 배경 등을 정할 수 있습니다. 주변의 복잡함보다 선명한 주름과 분리된 머리카락을 봅니다. 식물 패널은 단순한 배경에서 잎과 도토리가 뚜렷하도록 합니다. 입력 구도 제안이며 모든 장면의 실측 결과가 아닙니다.
샘플 관찰
새 실크 옆모습 샘플은 기본 설정에서 머리카락과 원단 주름이 깊이로 새겨진 판과 파일 3개를 반환했습니다. 표시 이미지는 형상 렌더이며 실제 출력 완료의 근거가 아닙니다.
mesh_resolution 1024의 고양이는 GLB 40MB, STL 85MB였습니다. 120mm 참나무는 GLB 100MB, STL 150MB였고 잎과 도토리는 선명했으나 high, engrave, remove_base와 임계값 0.05에도 판이 남았습니다. 제거를 시각적으로 확인해야 하는 이유입니다.
별도 인물 테스트는 high, engrave, 100mm, convex 90도를 결합해 69초에 완료됐으며 곡률과 선명한 머리카락·옷 주름을 보였습니다. 기본 설정은 56~76초였습니다. 해당 실행의 관찰이며 큰 GLB 미리보기 로딩에는 시간이 더 듭니다.
요금과 다른 모델 선택
완료 부조당 고정 요금이며 크기, 깊이, 샘플링, 제거, 굽힘으로 바뀌지 않습니다. 실패 작업에는 과금하지 않습니다. 제출 전 Meshy Relief 모델 페이지의 현재 요금을 확인합니다.
한쪽 면의 세부 표현이 있는 판에는 Relief를 사용합니다. 완전한 사물에는 Seed3D 2.0이나 Tripo H3.1을 고려합니다. 제작 전 반환 형태, 배경 제거, 출력·조각 소프트웨어의 치수를 확인합니다.
API 빠른 시작
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "meshy/relief/image-to-3d",
"input": {
"bend_axis": "xz",
"bend_mode": "off",
"carving_mode": "emboss",
"image_url": "https://example.com/reference.png",
"relief_height": "low"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.






