MiniMax chính thức mã nguồn mở mô hình H3 sinh ảnh, 6 bước trực tiếp ra 16.8 triệu pixel
MiniMax chính thức phát hành H3-Image và mở nguồn trọng số mô hình. Mô hình này có thể trực tiếp tạo ra hình ảnh 4096×4096, khoảng 16,8 triệu pixel, mà không cần phóng to thêm. Theo dữ liệu chính thức, thời gian tạo ra chưa đến 10 giây, tốc độ cao nhất đạt 5 lần so với các sản phẩm phổ biến. Văn sinh đồ và chỉnh sửa hình ảnh được tích hợp vào cùng một mô hình, hỗ trợ tối đa 16 hình ảnh tham khảo.H3-Image sử dụng kiến trúc mô hình video H3, loại bỏ phần âm thanh, giữ lại bộ mã hóa văn bản ban đầu và thiết kế lại bộ giải mã cho hình ảnh. Mạng tạo hình ảnh cốt lõi có 33,1 tỷ tham số, chỉ cần 6 lần lấy mẫu để tạo ra một hình ảnh. Vào ngày 7 tháng 8, nhà nghiên cứu MiniMax Kiro đã tiết lộ trong Reddit AMA rằng đội ngũ đang phát triển mô hình hình ảnh chuyên dụng dựa trên kiến trúc đồng nguồn H3 và dự định mở nguồn trọng số, đồng thời đề xuất quy trình làm việc là trước tiên sử dụng mô hình hình ảnh để tạo ra khung hình đầu tiên, sau đó giao cho H3 để tạo video.Vào ngày 3 tháng 11, Pruna AI đã dựa trên mô hình video H3 mã nguồn mở để phát hành P-H3-Image, hỗ trợ hình ảnh gốc và chỉnh sửa hình ảnh, đã nén mạng tạo từ 33,1 tỷ xuống khoảng 20 tỷ tham số, chỉ cần 8 bước lấy mẫu. Phiên bản lượng tử tối thiểu khoảng 20 GB, khi tạo hình ảnh 8 triệu pixel, đỉnh điểm bộ nhớ khoảng 21 GB. Phiên bản chính thức của MiniMax giữ lại mạng tạo 33,1 tỷ tham số, số bước lấy mẫu là 6 bước, và hỗ trợ độ phân giải cao hơn và nhiều hình ảnh tham khảo hơn, trọng số ban đầu cộng với bộ mã hóa văn bản tái sử dụng tổng cộng khoảng 135 GB. Giấy phép mã nguồn mở có hạn chế về khu vực, Mỹ, Anh, Liên minh châu Âu và Hàn Quốc không nằm trong khu vực cấp phép cộng đồng; doanh thu hàng năm của doanh nghiệp vượt quá 1 triệu USD, hoặc cung cấp dịch vụ lưu trữ mô hình cho bên thứ ba, cần phải có giấy phép riêng trước.
