从设计现场出发
造型如何服务使用，部件如何形成整体，材料如何回应场景。壹典把工业设计工作中的判断，带入焕羽的模型研发。
HuanYu焕羽工业设计生成 API
从设计意图，
到产品的形状。
自动动画：汽车图像从大块马赛克开始，色块逐层细分，依次显现轮廓、曲面、材质与光影，最终成为清晰的汽车概念效果图。动画使用概念素材演绎生成过程，并非实时 API 返回。
“设计一辆纯电 GT。”
低趴姿态。液态银车身。纤细贯穿灯。从像素，到设计。
生成过程视觉示意焕羽，源于工业设计。
我们先理解设计，
再让模型学习设计。
一张效果图背后，是关于使用、形态、材料与制造的连续判断。壹典从工业设计实践走向模型研发，把这些判断变成焕羽理解产品的起点。
把经验组织成数据
将设计简报、效果图、部件描述与修改意见建立关联。模型学习的不止是一张图，也包括这张图所回应的设计问题。
让能力进入工作流
通过 API 连接设计工具、企业平台与行业软件，让需求表达、方案探索、评审和下一轮修改保留在同一个业务语境里。
工业设计数据与语义
不止看见一辆车，
也理解它为何如此。
焕羽以工业设计数据集为训练基础。我们关注需求、形态、部件与材料之间的联系，让视觉样本保留专业语境，而不是只成为一个风格标签。
设计简报
低趴 GT 跑车，长轴距，收紧的座舱；银灰金属车身，细长灯组。
形态与比例部件与布局色彩与材料
形态
车身姿态 · 比例关系
部件
灯组位置 · 功能布局
CMF
颜色 · 材质 · 表面处理
数据维度建立关联参与模型学习
需求与方案
设计简报、使用场景、方案图
建立“为什么这样设计”与视觉表达的对应关系。
部件与形态
轮廓、比例、功能区、部件关系
把整体造型与局部要素放进同一产品语义。
材料与工艺语义
CMF 描述、分件、表面与连接细节
区分材质观感与结构意图，减少只追求视觉风格的偏差。
修改与评审
原方案、修改指令、保留区域、评审意见
将一次生成扩展为能够延续设计方向的多轮任务。
按产品族与项目划分训练和评估。
核验授权与来源，去重并保留版本关系，避免把同一产品的近似图像当成独立的泛化证据。焕羽的生成技术路径
将设计条件，
带进每一步生成。
从设计意图的组织，到潜空间中的联合建模，再到图像解码。专业生成能力，来自数据、模型主干、控制机制与评估体系的共同作用。
01
条件编码
设计简报
文本语义编码
参考图 / 草图
视觉与空间条件
语言说明“要什么”，视觉条件说明“如何组织”。
02
跨模态建模
Multimodal Transformer文本与视觉条件注入
噪声潜变量 + 时间步
图像与文本表示交换信息，空间条件参与每轮推断。
03
迭代积分
速度场积分
噪声形态细节
重复调用生成主干预测速度，由求解器推进潜变量，逐步形成方案。
04
图像解码
视觉解码器
概念效果图从潜空间回到像素，接入设计评审与下一轮修改。
设计条件贯穿生成过程。
技术路径示意01Multimodal Transformer
让语言与图像共同建模
文本表示与图像潜变量通过注意力交换信息。产品类别、形态、材料和空间关系不再是彼此独立的词，而是共同约束一个方案的条件。
02Flow Matching
在潜空间中逐步建立形态
Flow Matching 用于训练速度场；推理时，Transformer 根据当前潜变量、时间步与设计条件预测速度，求解器逐步积分推进生成，最终由解码器还原图像。
03Spatial Conditioning
把几何意图变成控制信号
参考图、轮廓、深度和区域掩码提供不同层次的约束。条件强度与生成自由度需要共同调节，让探索围绕已确定的比例、布局与主体展开。
04Representation Alignment
用语义表征辅助模型学习
训练时，将生成网络的中间特征与预训练视觉表征建立对齐，研究如何改善语义学习。它属于训练机制，与推理阶段的条件控制分别发挥作用。
技术图解用于解释研发路径；公开研究参考见本页末尾。具体模型配置与可用控制条件以接入约定为准。
从首次生成，到持续设计
探索可以打开，
设计方向需要延续。
工业设计需要有依据的变化。围绕形态、CMF 和局部修改组织条件，使每一轮生成都能回应一个更具体的设计问题。
先确定设计的骨架。
以产品类别、轮廓和关键部件位置约束方案探索。保留低趴姿态、修长车身等整体特征，再在曲面与细节上拓展方向。
保留：车身比例、座舱位置、轮廓方向
让材料成为可讨论的选择。
将色彩、材料属性与表面处理分别表达，观察它们如何影响高光、曲面和产品气质。为 CMF 评审提供共同的视觉语言。
探索：液态银、深色玻璃、细腻金属质感
修改一处，延续整个方向。
把原图、本轮要求与修改区域一起作为条件，区分需要改变与需要保留的内容。编辑之后，同时检查目标区域和主体保持情况。
复核：编辑准确度、非修改区域、主体特征
图像用于展示控制维度，非三次独立生成或编辑的对比结果。
一次修改，三类条件
“保留车身比例和座舱， 让前部灯组更简洁。”
- 保留
- 主体轮廓、座舱和既有材质
- 修改
- 灯组区域、灯光表达与局部细节
- 验证
- 编辑是否准确，非目标区域是否稳定
领域训练与设计对齐
专业性，
是一套完整的方法。
更大的差异，在训练任务如何被定义。
LoRA 是高效的参数适配方式，但领域能力也取决于数据关系、生成与编辑任务、条件控制和评价标准。焕羽围绕完整设计过程组织研发，让专业性贯穿这条链路。
01
建立视觉语言基础
学习语言与视觉结构之间的关联，为对象、空间、形态和材料表达提供基础。
02
面向工业设计学习
以设计任务组织领域图文、部件与 CMF 语义，强化需求和方案之间的联系。
03
连接生成与编辑
将首次生成与基于原图的指令修改共同组织，关注跨轮条件和主体保持。
04
引入设计判断
比较同一简报下的候选方案，区分审美偏好和约束符合度，将难例带入下一轮优化。
数据版本、任务定义和评估结果相互关联。 让下一轮优化有依据，而不只是“看起来更好”。
面向设计工作的质量
好的效果图，
应当推动下一步。
图像质量、条件遵循与设计可用性需要分别评价。最终的判断，是方案能否进入有依据的评审与深化。
条件是否被遵循
逐项核对产品类别、关键部件、布局和 CMF，记录遗漏与冲突。
部件关系是否合理
检查部件完整性、连接表达与局部矛盾，将视觉合理性与工程验证分开。
修改是否保持主体
同时评价目标区域与保留区域，检查非预期变化和设计方向漂移。
能否推进下一轮设计
由设计师依据概念选择、设计沟通和后续建模需求，判断结果的实际价值。
让创意向制造推进。
概念方案三维深化工程验证制造落地
生成图像为设计决策提供起点；尺寸、公差、结构、材料与工艺仍在工程阶段完成验证。
以 API 进入你的产品
你的设计平台。
焕羽的生成能力。
保留你的账户、项目和业务流程。将专业生成能力接入现有软件，让模型服务于你的产品体验。
组织设计输入
自然语言需求 · 参考素材 · 保留与修改条件
业务系统维护项目上下文、用户权限和素材来源，生成调用保留清晰的输入版本。
管理生成任务
任务标识 · 状态 · 异常处理 · 版本关联
将长耗时生成接入异步流程，按约定处理轮询或回调、失败重试与重复请求。
承接设计产物
图像资源 · 规格信息 · 生成条件 · 评审记录
产物进入你的预览、选择、评审与三维深化流程，让一次生成能够被引用、比较和继续修改。
技术参考
理解生成主干、条件控制和训练方法的原始研究。
公开论文用于说明技术背景，不代表焕羽采用其全部实现或取得论文中的性能。