MiniMax открыла веса H3-Image для генерации и редактирования изображений до 16 мегапикселей
Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .
Детальную генерацию и редактирование изображений высокого разрешения теперь можно запускать на собственном оборудовании без привязки к закрытому API.
H3-Image объединяет создание изображения по тексту и редактирование по одному или нескольким референсам в одном наборе весов. Модель напрямую создаёт изображения примерно на 16 Мп без апскейлера, включая 4096×4096 и соотношения сторон до 21:9, и принимает до 16 референсов. Дистиллированный вариант использует шесть шагов сэмплирования; диффузионный трансформер содержит 33,1 млрд параметров. Веса и конфигурации для SGLang, vLLM-Omni, diffusers и ComfyUI опубликованы на Hugging Face, поддерживаются ускорители Nvidia и AMD. MiniMax заявляет генерацию 4K менее чем за 10 секунд; скорость зависит от конфигурации оборудования. Для локальной работы также требуется текстовый энкодер MiniMax-H3, а компания предлагает отдельную модель развёртывания коротких запросов.
Источники 2