โมเดลโอเพนซอร์สจากตระกูล MiniMax H3 สำหรับสร้างและแก้ไขภาพในตัวเดียว รองรับความละเอียดสูงสุด 16 เมกะพิกเซล
MiniMax-H3-Image เป็นโมเดลโอเพนซอร์สประเภท Text-to-image และ Image editing จากตระกูล MiniMax H3 ที่ออกแบบมาเพื่อสร้างภาพจากข้อความและแก้ไขภาพจากภาพอ้างอิงได้อย่างยืดหยุ่นในโมเดลเดียว โดยมีความสามารถในการทำตามคำสั่งได้อย่างแม่นยำ และสร้างภาพที่มีรายละเอียดสมจริงใกล้เคียงโลกจริง
จุดเด่นด้านการทำงานคือการสร้างภาพความละเอียดประมาณ 16 เมกะพิกเซลได้ทุกสัดส่วนตั้งแต่ 4096x4096 ไปจนถึง 6272x2688 โดยไม่ต้องใช้ตัวขยายความละเอียด (upscaler) โมเดลถูกกลั่นกรอง (distilled) เหลือเพียง 6 ขั้นตอนการสุ่ม (6 NFEs) และใช้สถาปัตยกรรม Diffusion transformer (DiT) ขนาด 33.1 พันล้านพารามิเตอร์ ทำงานร่วมกับ Text encoder จาก Qwen3-VL
โปรเจกต์นี้กำลังได้รับความสนใจอย่างมากบน Hugging Face โดยอยู่ในอันดับที่ 8 ในหน้ากำลังมาแรง มีการกดถูกใจ 271 ครั้ง และมียอดดาวน์โหลด 667 ครั้ง ผู้ใช้งานสามารถเลือกใช้งานผ่านทาง Online API, Online App, หรือดาวน์โหลดโมเดลไปรันบนเครื่องตัวเองผ่านเฟรมเวิร์กต่างๆ เช่น SGLang, vLLM-Omni, diffusers และ ComfyUI
✨ จุดเด่น
- ความละเอียดสูง — สร้างภาพขนาด 16 เมกะพิกเซล (4096 × 4096) ได้โดยตรงด้วยต้นทุนการคำนวณที่จัดการได้
- รองรับภาพอ้างอิง — รองรับการใช้ภาพอ้างอิงสูงสุด 16 ภาพสำหรับการแก้ไขภาพ
- ความเร็วในการประมวลผล — ใช้กระบวนการสุ่มเพียง 6 ขั้นตอน (6 NFEs) ไม่มี classifier-free guidance
- สถาปัตยกรรมขนาดใหญ่ — ใช้ Diffusion transformer 50 เลเยอร์ พารามิเตอร์รวม 33.1 พันล้านพารามิเตอร์
🙋 ใครเหมาะจะลอง: เหมาะสำหรับนักพัฒนาและครีเอเตอร์ที่ต้องการโมเดลสร้างและแก้ไขภาพความละเอียดสูงแบบโอเพนซอร์ส โดยต้องมีความรู้ในการรันโมเดลภาษาหรือภาพบนฮาร์ดแวร์ GPU และใช้เฟรมเวิร์กอย่าง SGLang หรือ vLLM-Omni
ทีมข่าว เอไอไทย.com · เรียบเรียงจากหน้าโปรเจกต์ MiniMaxAI/MiniMax-H3-Image — รายละเอียดล่าสุดดูที่ต้นทาง
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...