就在今年，腾讯研究院的团队推出了一项令人惊叹的技术成果——H🌟unyuan3D 2.0。这项研究于2025年2月在arXi🤯v预印本平台发布，感兴趣的读者可以通过https://git🤩hub.com/Tencent/Hunyuan3D-2访问完😆整论文和开源代码。这个名为"混元3D 2.0"的系统就像一位😂神奇的数字魔术师，只要你给它一张普通照片，它就能变出一个完整😢的、带有精美纹理的3D模型。 回到我们日常生活中，当你🔥看到一张精美的产品图片时，你可能会想："要是能把这个东西变成😜3D模型就好了。"传统的3D建模过程就像是手工雕刻一座复杂的😁雕像——需要专业的雕刻师（3D建模师）花费数周甚至数月的时间🤔，一点一点地雕琢出形状，然后再为表面涂上颜色和纹理。这个过程❤️不仅耗时耗力，还需要极高的专业技能，普通人想要制作一个3D模😜型几乎是不可能的任务。 但是腾讯混元3D 2.0的出现😅彻底改变了这个局面。这个系统的神奇之处在于，它能够像一位经验🙌丰富的工匠一样，仅仅通过观察一张二维图片，就能理解物体的三维💯结构，然后在数字世界中重现出来。更令人惊叹的是，它不仅能创造😅出物体的形状，还能为这个形状"穿上"合适的"衣服"——也就是🤯我们所说的纹理贴图，让3D模型看起来栩栩如生。 这项技😆术的意义远远超出了技术本身。在游戏开发领域，原本需要整个团队😜数月才能完成的角色建模工作，现在可能只需要几分钟就能完成初版🥳。在电影制作中，导演可以快速将脑海中的创意转化为可视化的3D😴模型。在教育领域，老师可以轻松地将教科书中的图片转换为立体模😉型，让学生获得更直观的学习体验。甚至在普通人的日常生活中，你🤗也可以将喜欢的物品照片转换成3D模型，用于3D打印或者作为数😜字收藏品。 混元3D 2.0的开发团队由腾讯研究院的众😢多专家组成，项目负责人包括郭春超、黄靖威和赵子博等资深研究员😂。他们的目标是建立一个开源的3D生成基础模型，填补目前开源社🤔区在大规模3D基础生成模型方面的空白。这个系统不是简单的技术🚀堆砌，而是一个完整的生态系统，包括形状生成、纹理合成以及一个😀用户友好的制作平台。 研究团队发现，虽然在图像和视频生👍成领域，扩散模型已经取得了令人瞩目的成就，但在3D生成领域，🙄这种技术的应用却相对滞后。这就像在摄影技术已经发展到数码时代😁的时候，3D建模技术却仍然停留在胶片时代。造成这种现象的原因🚀是多方面的：3D数据比2D图像复杂得多，需要表示的信息维度更🚀高；优质的3D数据集相对稀缺；处理3D数据需要更强大的计算能😀力和更精妙的算法设计。 为了解决这些挑战，混元3D 2💯.0采用了一种巧妙的两阶段策略。第一阶段专门负责生成物体的基🔥本形状，就像先用泥土捏出一个雕塑的轮廓；第二阶段则负责为这个❤️轮廓"上色"，添加精美的纹理和细节。这种分工合作的方式不仅提😘高了生成质量，还增加了系统的灵活性——用户既可以生成全新的3🙄D模型，也可以为现有的3D模型重新设计纹理。 展开全文🌟 一、从平面到立体：混元3D-DiT的形状生成魔法 😜 当我们看到一张照片时，我们的大脑能够自动推断出物体的三维⭐形状。比如看到一张苹果的照片，即使只能看到一面，我们也知道背❤️面大概是什么样子的。混元3D 2.0的第一个核心组件——混元😴3D-DiT，就是要让计算机也具备这种"透视"能力。 😴这个过程的复杂性可以通过一个简单的类比来理解。假设你是一位考👍古学家，面前只有一块破碎的陶器碎片，但你需要还原出整个陶器的😆完整形状。传统的方法需要你查阅大量的历史资料，对比各种相似的🎉陶器，然后凭借丰富的经验进行推测。而混元3D-DiT的做法更😍像是拥有了一台"时光机"，它能够"看到"这个陶器完整时的样子😂。 为了实现这种神奇的能力，研究团队首先开发了一个名为🤔混元3D-ShapeVAE的"形状压缩器"。传统的3D数据就😎像一本厚重的百科全书，包含了大量的详细信息，但这也使得处理起🥳来非常困难。ShapeVAE的作用就像是将这本厚重的百科全书😅压缩成一张精简的"知识卡片"，保留最核心的信息，同时大大减少👏了存储空间和处理难度。 这个压缩过程采用了一种叫做"重👏要性采样"的巧妙技术。想象你要为一座复杂的建筑拍摄全貌照片，❤️如果你只是随机地拍摄各个角度，可能会错过一些关键的建筑细节，⭐比如精美的雕花或者独特的结构。重要性采样就像是一位经验丰富的😉摄影师，知道哪些角度和部位最能体现建筑的特色，会重点拍摄边缘😆、转角等关键部位，确保不会遗漏重要信息。 在Shape😆VAE的基础上，混元3D-DiT采用了一种名为"流匹配"的生😊成方法。这种方法可以想象成一个"形状变形师"的工作过程。首先🤔，变形师从一团完全随机的"数字粘土"开始，然后按照输入图片的🎉指导，一步步地将这团粘土塑造成目标物体的形状。这个过程就像是🥳播放一部关于雕塑创作的延时摄影，从混乱无序逐渐变得有条不紊，😎最终呈现出精确的三维形状。 混元3D-DiT的网络结构🥳采用了双流和单流相结合的设计，这就像是一个既能独立思考又能协😡同工作的团队。双流部分就像两个专家分别处理形状信息和条件信息🔥，各自发挥专长；单流部分则像一个协调员，将两方面的信息整合起⭐来，做出最终的决策。这种设计使得系统既能保持处理速度，又能确😁保生成质量。 为了让生成的形状更符合输入图像的特征，系😅统使用了预训练的DINOv2图像编码器来提取图像特征。这个编🤔码器就像一位经验丰富的艺术鉴赏家，能够从一张照片中读出丰富的😆视觉信息——不仅包括基本的颜色和形状，还包括更深层的语义信息😆，比如这是什么类型的物体，有哪些特殊的特征等等。 训练🔥过程采用了多分辨率策略，这就像培养一位画家的过程。初学者先从🤗简单的素描开始，掌握基本的线条和比例关系；随着技能的提高，逐😜渐学会处理更复杂的细节和纹理。混元3D-DiT也是如此，在训👍练过程中逐步增加模型复杂度，最终能够处理高达3072个令牌长💯度的序列，支持高分辨率、富含细节的形状生成。 二、为3🙄D世界"上色"：混元3D-Paint的纹理魔术 有了精😂确的3D形状之后，下一步就是为这个"裸体"的模型穿上美丽的"😀外衣"——这就是混元3D-Paint纹理合成系统的工作。这个😊过程就像是为一个白色的石膏雕像绘制彩色图案，但难度要大得多，😁因为需要确保从各个角度观看都协调一致。 传统的纹理制作🔥过程就像手工绘制一幅复杂的全景画。艺术家需要想象物体的每一个😉面，然后在一张平面的画布上绘制出相应的图案，最后将这张平面图🤔"包裹"到3D模型上。这个过程不仅需要高超的艺术技巧，还需要😉强大的空间想象能力，因为艺术家必须确保当这些平面图案被映射到👏3D表面时，各个部分能够完美衔接。 混元3D-Pain😉t采用了一种更加智能的方法——多视角图像生成。这就像雇用了多😂位摄影师同时从不同角度拍摄同一个物体，然后将这些照片"缝合"😢成一个完整的纹理贴图。但这个过程的挑战在于，如何确保这些不同😀角度的"照片"在内容上保持一致，不会出现前后矛盾的情况。 😢 为了解决这个挑战，系统采用了一套精巧的"协调机制"。首先🎉是图像去光照模块，它的作用就像一个"光线编辑器"。我们知道，😅普通照片中的物体会受到各种光线的影响，产生阴影和高光，这些光👍影效果虽然让照片看起来更真实，但如果直接用来制作纹理，会导致🤩光影被"烙印"到纹理中，使得最终的3D模型在不同光照环境下显🤗得很奇怪。去光照模块就像一位经验丰富的后期处理师，能够将照片🌟中的光影效果"抹掉"，留下物体表面真正的颜色和图案。 😆接下来是双流图像调节参考网络，这个组件的作用就像一个严格的"😁质量监督员"。在多视角图像生成过程中，这个监督员会不断检查每😅个角度的图像是否与原始输入图像保持一致，如果发现偏差，就会及🙌时进行调整。为了保持高质量，这个监督员还会冻结部分预训练模型😍的权重，就像在一场重要的演出中，会有一些经验丰富的演员起到"😅定海神针"的作用，确保整个演出不会偏离主题。 多任务注🚀意力机制则像是一个智能的"协调中心"，它需要同时处理两个重要😡任务：确保生成的图像与参考图像保持一致（参考注意力），以及确🎉保多个视角之间的一致性（多视角注意力）。这两个任务有时可能会🚀产生冲突，就像一个人需要同时照顾家庭和工作，需要在两者之间找😀到平衡点。多任务注意力机制采用并行结构设计，巧妙地解决了这个😍问题。 在几何条件处理方面，系统使用了法向量贴图和坐标😊贴图作为几何先验。法向量贴图就像是为每个表面点标注了一个"朝😂向箭头"，告诉系统这个点的表面是朝向哪个方向的；坐标贴图则像❤️是为每个点都标注了一个"身份证号码"，记录了它在3D空间中的👍精确位置。这些信息帮助系统更好地理解3D模型的几何结构，生成❤️更符合几何规律的纹理。 为了进一步提高纹理质量，系统还😀采用了几种巧妙的优化策略。视角选择算法就像一个经验丰富的导演😎，知道从哪些角度拍摄能够获得最佳效果，最大化地覆盖整个3D模👍型的表面。密集视角推理则确保不会遗漏任何死角，就像全方位的安🙌全摄像头一样，确保每个角落都被覆盖到。 单图像超分辨率😆技术的加入就像为整个制作团队配备了高清摄像设备。在生成多视角⭐图像之后，系统会使用预训练的超分辨率模型对每张图像进行增强处😀理，提升纹理的清晰度和细节丰富度。由于这种处理是逐张进行的，🔥不会破坏多视角之间的一致性。 最后的纹理烘焙过程就像是🙄将多张照片拼接成一张完整的全景图。系统需要将来自不同视角的图🙄像信息整合到一张纹理贴图上，并处理可能存在的缝隙和重叠区域。🤗对于少量无法覆盖的区域，系统使用智能修补算法，就像一位细心的🥳修复师，根据周围的图案特征进行合理的填充。 三、让创作🤗变得简单：混元3D-Studio制作平台 有了强大的形😘状生成和纹理合成能力，混元3D 2.0团队还开发了一个用户友🙌好的制作平台——混元3D-Studio。这个平台就像是一个集🙌成了各种专业工具的"数字工作室"，但操作起来却像使用普通的手😡机应用一样简单。 平台的第一个重要功能是"素描转3D"👏。这个功能就像拥有了一位能够"读心术"的助手，你只需要画出简🤯单的草图，它就能理解你的创意意图，并将其转化为精美的3D模型🤗。传统的3D建模需要掌握复杂的软件操作和专业知识，就像学习驾😴驶飞机一样困难。而素描转3D功能让这个过程变得像画画一样自然👍，任何有基本绘画能力的人都能快速上手。 这个功能的实现🚀原理也很巧妙。系统首先使用先进的图像生成模型将简单的素描转换😴为详细的彩色图像，这就像一位经验丰富的概念设计师，能够根据粗😡糙的草图想象出完整的设计方案。然后，这张详细的图像会被送入混👍元3D 2.0的生成管道，最终产出高质量的3D模型。整个过程🙄就像从种子长成大树一样，从最初的简单想法逐步发展为完整的作品🎉。 第二个重要功能是"低面数风格化"。在3D制作领域，😍模型的面数（构成模型的三角形数量）直接影响处理速度和存储需求😎。高面数模型虽然细节丰富，但就像高清电影文件一样，占用大量存👍储空间，处理起来也比较缓慢。低面数模型则像压缩后的视频文件，😀虽然细节有所损失，但处理速度快，适合实时应用。 这个功😊能的工作过程就像一位经验丰富的编辑，能够在保持核心内容的同时😍删减冗余信息。系统使用传统但成熟的几何简化算法来减少模型面数🎉，就像用橡皮擦掉不重要的线条，只保留最能体现物体特征的关键部💯分。为了补偿几何简化带来的细节损失，系统会通过纹理优化来保持😢视觉效果，就像用更精美的颜色搭配来弥补简化的线条。 第🎉三个令人兴奋的功能是"3D角色动画"。静态的3D模型虽然美观😆，但缺乏生命力。动画功能就像为雕塑注入灵魂，让它们能够行走、😴跳跃、做各种动作。传统的角色动画制作需要专业的动画师手工设置😡每个关节的运动参数，这个过程就像操控一个复杂的木偶，需要大量😜的专业知识和经验。 混元3D-Studio的动画系统采🤗用了更智能的方法。它使用图神经网络来分析3D模型的结构，自动😜识别关键的骨骼点，就像一位解剖学专家能够准确地找出人体的关节💯位置。然后系统会为这些关节分配合适的运动权重，确保动画看起来⭐自然流畅。最后，通过动作重定向技术，系统可以将预设的动作模板🤩应用到新生成的角色上，就像给不同的演员排演同一段舞蹈动作。 💯 整个Studio平台的设计哲学是"降低门槛，提升效率"🤯。专业用户可以利用这些工具快速完成原本需要数天甚至数周的工作😂，而普通用户也能够轻松创作出专业级别的3D内容。这种设计就像🌟智能手机的出现一样，将原本只有专业人士才能掌握的技术普及到普👍通大众。 四、技术突破的背后：创新方法与实现细节 🤩 混元3D 2.0之所以能够取得如此impressive的效🤩果，离不开几个关键的技术创新。这些创新就像烹饪中的秘密配方，😍看似细微，但对最终效果起到决定性作用。 首先是在形状表💯示方面的突破。传统的3D表示方法就像用不同的语言描述同一件事💯情，各有优缺点但难以统一。体素表示就像用乐高积木搭建物体，直🌟观易懂但精度有限；点云表示像用散落的珠子描述形状，能够捕捉细😂节但缺乏连接关系；网格表示虽然精确，但处理起来比较复杂。 😜 混元3D 2.0选择了一种叫做"向量集合"的表示方法，这👍就像发明了一种新的"3D语言"。这种语言既能准确描述复杂的几😴何形状，又便于计算机处理。系统将3D形状压缩为一串数字符号（🙄令牌），就像将一部小说压缩为提纲，既保留了核心内容，又大大减🎉少了处理复杂度。 在重要性采样方面的创新也值得关注。传😴统的3D数据采样就像随机地从一本书中抽取句子，可能会遗漏重要🙄信息。重要性采样则像一位经验丰富的编辑，知道哪些内容最能体现⭐文章的精髓。系统会重点采样物体的边缘、角落等几何特征明显的区🥳域，这些地方往往包含了最关键的形状信息。 流匹配训练目💯标的采用是另一个重要创新。传统的扩散模型训练就像教学生逐步去😍除画面上的噪点，这个过程相对缓慢。流匹配则像教学生直接从一个😊起点走向目标点，路径更直接，训练效率更高。具体来说，系统学习🙌的是从随机噪声到目标形状的"变化速度场"，就像学习河水的流向😂一样，一旦掌握了规律，就能快速到达目的地。 在纹理生成😉方面，双流参考网络的设计尤为巧妙。这个网络就像一位严格的质量🤩检查员，时刻监督生成过程，确保结果与输入图像保持高度一致。为😊了防止模型在训练过程中"忘记"原有的知识，系统采用了权重冻结💯策略，就像在学习新知识的同时保留旧知识，避免"学了新的忘了旧💯的"的问题。 多任务注意力机制的并行设计解决了一个重要🎉的冲突问题。在多视角纹理生成中，系统需要同时满足两个要求：与👏参考图像保持一致，以及多个视角之间保持一致。这两个要求有时会👏产生矛盾，就像天平的两端需要保持平衡。并行设计让系统能够同时😢处理这两个任务，通过权重调节找到最佳平衡点。 视角选择😅算法采用了贪心搜索策略，这就像一位经验丰富的摄影师选择拍摄角😴度。算法会计算每个候选视角能够覆盖的纹理区域，优先选择能够覆😴盖最多未处理区域的视角。这样可以用最少的视角覆盖最大的表面积😎，提高效率的同时保证质量。 在实现细节方面，系统还采用😊了许多优化策略。多分辨率训练策略就像培养运动员的过程，先从基🙌础动作练起，逐步增加难度。变分序列长度技术则允许系统在训练过😡程中处理不同复杂度的样本，就像课程设计中的循序渐进。 😎数据预处理也经过精心设计。对于输入图像，系统会进行背景移除、😴尺寸归一化、中心对齐等处理，就像为演员化妆一样，确保输入数据😊符合模型的"审美标准"。这些看似简单的预处理步骤对最终效果有🎉着重要影响。 五、性能表现：与业界顶尖技术的全面对比 🤯 为了验证混元3D 2.0的性能，研究团队进行了全面的对😉比实验，就像举办一场3D生成技术的"奥运会"，让各种方法在相😘同条件下公平竞争。 在形状重建方面，团队使用了体积Io🤗U和表面IoU两个指标来评估性能。体积IoU就像比较两个苹果⭐的重叠程度，数值越高说明生成的形状与真实形状越接近。表面Io🤯U则更关注表面细节的准确性，就像比较两个雕塑的表面纹理是否一😉致。 实验结果显示，混元3D-ShapeVAE在这两个😀指标上都大幅超越了现有方法。具体来说，在体积IoU上达到93🎉.6%，而之前最好的方法只有88.43%；在表面IoU上达到😊89.16%，比第二名高出近8个百分点。这种提升就像从模糊的😴电视画面一跃升级到4K高清，差别是显而易见的。 在形状😎生成方面，团队使用了ULIP和Uni3D两种评估方法，分别测😁试生成形状与输入图像的相似度以及与文本描述的匹配度。这就像同🥳时从两个角度评判一部电影改编作品：既要看它是否忠实于原著（图🚀像匹配），又要看它是否符合观众期待（文本匹配）。 混元🔥3D-DiT在所有对比指标中都取得了最佳性能。在Uni3D-😢I指标上，系统得分达到0.3151，比第二名高出约0.002🔥分。虽然这个数字看起来很小，但在机器学习领域，这种程度的提升😅已经相当显著，就像奥运会上的百米赛跑，0.01秒的差距就能决🎉定金牌归属。 在纹理生成方面，对比实验涵盖了多个维度。😴CMMD指标衡量生成纹理与真实纹理在细节丰富度上的差异，数值😎越低越好。混元3D-Paint获得了2.318的分数，明显优🤔于其他方法。FIDCLIP指标则从语义角度评估纹理质量，混元😎3D-Paint的26.44分同样领先群雄。 CLIP🤯-score反映了生成纹理与文本描述的匹配程度，混元3D-P🤗aint达到0.8893的高分，这意味着系统生成的纹理能够准😢确反映用户的需求。LPIPS指标评估生成结果与参考图像的感知🥳相似性，较低的0.0059分数表明系统能够很好地保持原始图像🤔的视觉特征。 在端到端的纹理3D资产生成任务中，混元3😴D 2.0面对的是包括开源模型Trellis和三个闭源商业模🔥型在内的强劲对手。这场对比就像一场无差别级别的格斗比赛，参赛🤯者来自不同背景，但都代表着各自领域的最高水平。 实验结❤️果证明，混元3D 2.0在所有主要指标上都取得了最佳性能。在😉CMMD指标上，系统得分3.193，比最接近的对手低了约0.🤯025分；在FIDCLIP指标上，49.165的分数同样领先🤩；在FIDIncept指标上，282.429的得分更是显著优😴于其他方法。 为了获得更全面的评估，团队还进行了用户研🤩究。他们邀请了50名志愿者，对300个随机选择的测试样本进行💯主观评价。评价标准包括整体视觉质量、图像条件遵循度和整体满意👏度三个维度。 用户研究的结果进一步验证了客观指标的发现🤔。在整体视觉质量方面，大约75%的用户认为混元3D 2.0生🥳成的结果质量最高；在图像条件遵循度方面，这个比例甚至达到了8😜0%；在整体满意度方面，也有超过70%的用户选择了混元3D 😜2.0。这些数字就像电影的观众评分一样，反映了普通用户的真实👏感受。 特别值得注意的是，在处理复杂场景和细节方面，混💯元3D 2.0展现出了明显优势。比如在处理人脸特征时，系统能🔥够准确重现面部表情和细节；在处理文字标识时，能够保持文字的清🤯晰度和正确性；在处理复杂动作场景时，能够维持整体的协调性和自😜然感。 这些优异的性能表现并不是偶然的，而是团队在数据😘质量、模型设计、训练策略等多个方面精心优化的结果。大规模高质❤️量数据集的使用、先进算法的创新应用、精心设计的网络结构，以及😅充分的计算资源投入，共同造就了混元3D 2.0的卓越性能。 😴 说到底，混元3D 2.0的出现标志着3D内容生成技术迈👍入了一个新的发展阶段。这项技术不仅在学术研究上取得了突破，更💯重要的是为3D内容创作的普及化铺平了道路。无论是专业的内容创😘作者还是普通的爱好者，都可以通过这个系统轻松地将想象转化为现🙄实，让3D创作变得像拍照一样简单自然。 研究团队选择将🚀整个系统开源，这种做法就像点燃一把火炬，为整个3D生成社区带🥳来光明。通过开放代码和预训练模型，其他研究者可以在此基础上继🙌续创新，推动整个领域的快速发展。这种开放合作的精神，正是科技🚀进步的重要驱动力。 展望未来，混元3D 2.0的影响将🙌远远超出技术本身。它将改变我们创造和消费3D内容的方式，从游🤗戏开发到教育教学，从工业设计到艺术创作，3D技术将变得更加普😴及和易用。当每个人都能轻松创造属于自己的3D世界时，我们的数🌟字生活将变得更加丰富多彩。 Q&A Q1：混元3🎉D 2.0具体能做什么？普通人可以用它来做什么？ A：😉混元3D 2.0能够仅凭一张普通照片就生成完整的带纹理3D模🙌型。普通人可以用它将喜欢物品的照片转换成3D模型用于3D打印😉，或者通过简单素描创造游戏角色，甚至为教学制作立体教具。整个😡过程就像使用手机APP一样简单，不需要专业的3D建模技能。 😁 Q2：混元3D 2.0跟其他3D生成技术相比有什么优势😆？ A：混元3D 2.0在生成质量、细节保真度和用户体😎验方面都显著优于现有技术。它采用创新的重要性采样和双阶段生成💯策略，能够更准确地捕捉物体细节，生成的3D模型不仅形状准确，🤔纹理也更加逼真。而且它是开源的，任何人都可以免费使用和改进。🌟 Q3：混元3D 2.0对游戏开发和影视制作会产生什么😆影响？ A：这项技术将大大降低3D内容制作的门槛和成本😜。原本需要专业团队几个月完成的角色建模工作，现在可能几分钟就😢能完成初版。小团队甚至个人开发者也能制作出高质量的3D内容，🔥这将让游戏开发和影视制作更加民主化，促进创意产业的蓬勃发展。😅返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

在最新一期的《爸爸当家》中，李艾分享了一段在海拔5000多米⭐高原上的“如厕惊魂记”，瞬间引爆网友讨论。胡歌的“神推断”，😢更是给这段经历加了一层“综艺效果”满分又科普到位的滤镜——难😁怪网友感慨：“这节目，笑完居…