новость MiniMax H3 Image генерирует изображения в 4K без апскейла и работает с 16 референсами

[admin]

10 ноября MiniMax выпустила MiniMax-H3-Image с открытыми весами. Модель генерирует изображения по тексту и редактирует готовые кадры. Квадрат 4096 × 4096 она создает без апскейла, а для правки принимает до 16 входных изображений.

• Для широкого кадра 16:9 модель поддерживает нативный размер 5472 × 3072.
• Локальная версия в ComfyUI генерирует изображение за шесть шагов.
• В ComfyUI можно запустить модель на своем оборудовании или вызвать облачный API через Partner Nodes.

Как использовать референсы в ComfyUI

В локальном шаблоне редактирования первое изображение служит исходником, остальные идут как референсы. На них можно ссылаться в запросе по порядку подключения. Например, оставить композицию первого кадра, а цвета взять со второго. Шаблон генерации по тексту по умолчанию дает 2048 × 2048. Для квадрата 4K нужно указать 4096 в полях ширины и высоты. Шаблоны и настройки ComfyUI.

Какие файлы нужны для локального запуска

Для версии INT8 из шаблона ComfyUI три основных файла занимают около 47 ГБ на диске. Это веса модели, текстовый энкодер и VAE. Текстовый энкодер общий с видеомоделью MiniMax H3, поэтому уже скачанный файл можно использовать повторно. Лицензия на веса MiniMax-H3-Image Community License исключает использование в ЕС, Великобритании, США и Южной Корее. Веса и условия лицензии.

Скорость и стоимость 4K

На графике сравнивается медианное время Standard и Highspeed в трех задачах с выходным размером 4096 × 4096. Это замеры разработчика. Оригинальный график MiniMax.

Для генерации квадрата 4096 × 4096 по тексту MiniMax приводит примеры базовой стоимости $0,069 в Standard и $0,130 в Highspeed. Со скидкой это около $0,034 и $0,065 соответственно. Скидка 50% действует до 19:00 по Москве 17 ноября при площади результата от 16,6 Мп. Итоговая сумма в API зависит от числа токенов. Тарифы MiniMax API.