MiniMax udostępnia H3-Image z natywnym 4K
Nowy generator obrazów oparty na modelu H3 tworzy natywne obrazy 4096×4096 w sześciu krokach i obsługuje długie prompty oraz wiele referencji.
MiniMax udostępnia H3-Image z natywnym 4K
Na podstawie modelu wideo H3 MiniMax stworzył generator obrazów. Renderuje on natywne obrazy w rozdzielczości 4096×4096 w sześciu krokach. Można używać promptów do 32 000 znaków i do 16 referencji.
Generowanie obrazów z tekstu w 4K zajęło około 10,3 sekundy w trybie Highspeed i 16 sekund w trybie Standard. W tym samym teście Nano Banana 2.1 z thinking medium potrzebował 50 sekund. W API takie generowanie w trybie Standard kosztuje około 0,07 USD, ale na starcie obowiązuje 50% zniżki. Do 23 listopada włącznie fal oferuje 3–5 darmowych generacji.
H3-Image to dyfuzyjny transformer z 33,1B parametrów. Razem z enkoderem i VAE trzeba pobrać około 135 GB. Dla kart z 24 GB pamięci SGLang proponuje offload warstw do pamięci RAM. W ComfyUI są już szablony. Entuzjaści stworzyli już dwukrokową LoRA, ale jej jakość trzeba jeszcze sprawdzić.
Dlaczego to ważne
AnalizaTen release pokazuje, że otwarte modele AI do generowania obrazów zbliżają się do usług komercyjnych pod względem szybkości, jakości i kosztu inferencji.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
GPT Image / DALL-E (Generowanie obrazów w ChatGPT)
Wbudowane narzędzie do generowania treści wizualnych bezpośrednio w oknie czatu z ChatGPT. Umożliwia tworzenie ilustracji, concept artu, napisów na plakatowych oraz lokalną edycję fragmentów obrazów.
GPT Image 2.6 vs Seedream 5.5: test generowania zdjęć
GPT Image 2.6 i Seedream 5.5 porównano na realistycznym zdjęciu w windzie: chiński model lepiej imituje selfie z iPhone'a, ale nadal ma problemy z detalami.
ControlNet: kontrola pozy i geometrii
Nadbudowa sieci neuronowej dla modeli dyfuzyjnych (Stable Diffusion), umożliwiająca sterowanie przestrzenną kompozycją generowania za pomocą map głębi, konturów krawędziowych (Canny edge) oraz „szkieletów” ludzkich poz (OpenPose). Przekształca chaotyczne generowanie w precyzyjne narzędzie projektowe.
Przewodnik po promptach dla modeli generatywnych GPT Image
Modele generowania obrazów gpt-image od OpenAI zostały zaprojektowane w celu tworzenia wizualizacji o jakości produkcyjnej oraz umożliwienia pełnej kontroli nad procesami twórczymi. Są one odpowiednie zarówno dla profesjonalnych projektantów...