MiniMax lance le modèle d'image H3 open-source avec une génération 4K en 10 secondes

iconMetaEra
Partager
AI summary iconRésumé
MiniMax a lancé son modèle H3 Image open-source, une IA de 33,1 milliards de paramètres capable de générer des images 4K en 10 secondes. Le modèle prend en charge jusqu'à 16 images de référence et offre une réduction de 50 % sur les sorties haute résolution pendant sa première semaine. Disponible via Hugging Face et intégré à l'API MiniMax, MiniMax Code et Hailuo AI, cet outil est présenté comme un événement majeur sur la chaîne dans l'espace des actualités AI + crypto.
MiniMax lance et open-source le modèle d'images H3 Image, capable de générer directement des images 4K en environ 10 secondes par image, avec prise en charge de jusqu'à 16 images de référence. Les poids du modèle, totalisant 33,1 milliards de paramètres, sont également ouverts.

Auteur de l'article : Li Dan

Source : Wall Street Journal

L'entreprise chinoise d'IA MiniMax renforce encore son engagement dans le domaine de la génération d'images.

Mardi 10 novembre, MiniMax a officiellement lancé et open-sourcé son nouveau modèle de génération d'images, H3 Image, spécialisé dans la génération d'images 4K jusqu'à 16 millions de pixels (4096×4096), avec un temps de génération pouvant atteindre environ 10 secondes selon l'entreprise. Il prend en charge une compréhension précise des prompts, l'édition d'images et l'entrée de jusqu'à 16 images de référence.

MiniMax résume les forces principales de H3 Image en trois aspects : la vitesse, la qualité d'image et le respect des instructions. En termes de vitesse, le modèle peut générer des images 4K en 10 à 20 secondes. En matière de qualité d'image, il vise à échapper à l'aspect typique des images générées par IA, en offrant des détails plus riches et une sensation de réalisme accrue. En ce qui concerne le respect des instructions, l'entreprise affirme qu'il atteint le niveau le plus élevé parmi les modèles d'images open source et prend en charge la création collaborative à partir de plusieurs images de référence.

Contrairement aux modèles propriétaires qui ne permettent que l'accès via API, MiniMax ouvre simultanément les poids du modèle H3 Image et les intègre à son propre API, MiniMax Code et la plateforme Hai Luo AI. Pendant la première semaine de publication, la génération d'images avec une résolution de 16 MP ou plus bénéficie d'une réduction de 50 %.

Images 4K sans super-résolution, générées directement plus rapidement que les modèles principaux

La vitesse de génération est l'un des avantages compétitifs mis en avant par H3 Image cette fois-ci.

La résolution des modèles de génération d'images courants sur le marché se situe principalement entre 1 et 4 millions de pixels, avec des temps de génération généralement exprimés en minutes ; même les modèles les plus rapides nécessitent environ 50 secondes. En comparaison, H3 Image peut générer directement des images 4K de 4096×4096 en seulement 10 à 20 secondes, avec une vitesse maximale annoncée par le fabricant d'environ 10 secondes.

Cela signifie que H3 Image augmente non seulement la résolution générée en une seule fois à environ 16 millions de pixels, mais tente également de réduire considérablement le temps d'attente pour les images haute résolution. Pour les designers et créateurs de contenu qui doivent ajuster répétitivement la composition, la palette de couleurs, l'éclairage et les détails, cette amélioration de la vitesse de génération réduit le coût temporel de chaque essai-erreur, rendant les itérations créatives plus efficaces.

Sur le plan technique, H3 Image ne se contente pas d'agrandir des images à résolution normale jusqu'à 4K, mais génère directement des images haute résolution d'environ 16 millions de pixels, sans nécessiter de traitement super-résolution supplémentaire.

La description du modèle publiée par MiniMax sur Hugging Face indique que H3 Image prend en charge plusieurs rapports d'aspect : en plus des images carrées de 4096×4096, il prend en charge les images panoramiques 16:9 de 5472×3072 et les images ultra-large 21:9 de 6272×2688. La plage de génération efficace du modèle s'étend d'environ 4 à 20 millions de pixels, et l'officiel recommande d'obtenir de bons résultats autour de 16 millions de pixels.

Derrière l'amélioration de la vitesse, le modèle utilise une optimisation par distillation, réduisant les étapes d'échantillonnage à 6 (Sampling Steps) et éliminant le besoin d'un guidage sans classifyur (CFG) pour réduire la charge de calcul lors de la génération d'images haute résolution.

Évitez l'« effet IA » courant ; les détails visuels et le réalisme deviennent un autre atout.

Outre la vitesse de génération, MiniMax considère la qualité d'image comme un autre avantage fondamental de H3 Image.

MiniMax souligne dans sa documentation officielle que H3 Image dépasse les caractéristiques visuelles courantes des images générées par l'IA, offrant des détails plus riches et une plus grande réalisme, afin que les images générées soient plus proches de la qualité visuelle du monde réel.

Cela ne concerne pas seulement la réalisme suffisant des images, mais influence directement la gamme d'applications du modèle. Pour des scénarios tels que la publicité, le commerce électronique, la conception de produits, l'art de jeux vidéo et la production visuelle commerciale, les modèles d'images doivent non seulement générer des visuels conformes aux exigences créatives, mais aussi rendre des matériaux détaillés, des éclairages naturels et des détails de scènes crédibles. L'amélioration du réalisme visuel et de la qualité des détails permettra aux images générées par l'IA de s'étendre au-delà des croquis conceptuels et des supports créatifs pour entrer dans des créations commerciales plus professionnelles.

Contrairement aux solutions traditionnelles de génération haute résolution, H3 Image peut générer directement des images d'environ 16 millions de pixels, sans passer par la génération d'une image basse résolution suivie d'un agrandissement par technologie super-résolution. MiniMax vise à allier qualité d'image et efficacité grâce à une génération native haute résolution et un processus d'inférence plus court.

Capacité à suivre les instructions réputée comme la plus puissante parmi les modèles d'images open source, prend en charge jusqu'à 16 images de référence.

En matière de suivi des instructions, MiniMax positionne H3 Image comme le modèle d'image open source avec les meilleures capacités de suivi des instructions, en combinant cela avec une entrée de plusieurs images de référence et des capacités d'édition d'images.

Le modèle prend en charge non seulement la génération d'images directement à partir de prompts textuels, mais aussi la réception d'une ou plusieurs images de référence pour modifier les images existantes selon les instructions de l'utilisateur. La capacité à accepter jusqu'à 16 images de référence permet au modèle de comprendre simultanément diverses informations de référence, telles que les personnes, les objets, les scènes et les styles visuels, afin de mieux maintenir les caractéristiques du sujet et la cohérence visuelle dans des créations complexes.

Par exemple, dans la conception de publicités de produits, les utilisateurs peuvent télécharger séparément des images de référence pour l'apparence du produit, le visuel de la marque et le contexte, puis utiliser des instructions textuelles pour demander au modèle d'intégrer ces différents éléments dans une nouvelle image ; dans le domaine de l'art et de la conception de personnages pour les jeux, on peut également utiliser plusieurs images de référence pour contrôler l'apparence du personnage, ses vêtements, le décor et le style global.

Cette conception, qui intègre la génération d'images à partir de texte, l'édition d'images et la référence à plusieurs images au sein d'un même modèle, permet aux utilisateurs d'accomplir une création continue, de la génération initiale à la modification ultérieure, sans avoir à basculer fréquemment entre différents modèles ou flux de travail spécialisés.

Architecture de 3,31 milliards de paramètres, poids du modèle ouverts en同步

En ce qui concerne l'architecture du modèle, H3 Image est développé à partir du modèle multimodal MiniMax H3, avec la branche audio supprimée et optimisé pour la génération et l'édition d'images.

Selon les documents techniques publiés par Hugging Face, H3 Image utilise un Transformer diffusif dense (DiT) de 33,1 milliards de paramètres, comprenant 50 couches, et intègre l'encodeur de texte Qwen3-VL de MiniMax H3, ainsi qu'un VAE d'images pour traiter les images de référence et générer des images.

Un autre élément important de cette publication est l'ouverture des poids du modèle. Les développeurs peuvent obtenir le modèle via Hugging Face et le déployer et le développer à l'aide d'outils tels que SGLang, vLLM-Omni, Diffusers et ComfyUI.

Cependant, l'ouverture des poids ne signifie pas qu'un ordinateur grand public peut exécuter facilement le modèle complet. Les fichiers de poids DiT pour la génération d'images, tels que divulgués par l'officiel, pèsent environ 68,65 Go ; un déploiement complet nécessite également le chargement d'un encodeur texte indépendant, ce qui exige une mémoire vidéo et des ressources de calcul importantes.

API, MiniMax Code et Shell AI sont désormais intégrés en synchronisation ; génération haute résolution à 50 % la première semaine

Sur le plan commercial, MiniMax adopte une stratégie parallèle consistant à ouvrir ses poids et à exploiter sa propre plateforme de produits.

H3 Image est désormais disponible via l'API MiniMax, MiniMax Code et Hai Luo AI ; les utilisateurs peuvent profiter des fonctionnalités de génération et d'édition d'images haute résolution sans avoir à télécharger ni déployer le modèle eux-mêmes. Pendant la première semaine de publication, les demandes de génération d'images d'une résolution de 16 MP ou plus bénéficient d'une réduction de 50 %.

À partir de cette publication, MiniMax cherche à cibler à la fois les développeurs et les créateurs ordinaires : d’une part, en ouvrant les poids des modèles pour attirer les développeurs vers le déploiement local, le développement secondaire et l’intégration dans des flux de travail ; d’autre part, en promouvant la commercialisation des modèles via des API et des produits tels que Hai Luo AI, afin d’élargir sa base d’utilisateurs.

Cependant, les poids ouverts ne signifient pas un open source sans aucune restriction. La licence communautaire publiée par Hugging Face impose des conditions concernant la région d'application, l'utilisation commerciale et le développement de dérivés du modèle ; certaines régions et utilisations commerciales spécifiques nécessitent une autorisation distincte.

Dans un contexte de concurrence croissante dans la génération d’images par IA, H3 Image se concentre sur trois avantages technologiques clés : la vitesse de génération en haute résolution, le réalisme des images et la capacité à suivre des instructions complexes. La capacité à transformer ces trois avantages en besoins durables des créateurs et en revenus API, ainsi que la capacité des poids ouverts à stimuler un écosystème de développeurs plus large, seront des points à surveiller pour MiniMax.

Clause de non-responsabilité : les informations sur cette page peuvent avoir été obtenues auprès de tiers et ne reflètent pas nécessairement les points de vue ou opinions de KuCoin. Ce contenu est fourni à titre informatif uniquement, sans aucune représentation ou garantie d’aucune sorte, et ne doit pas être interprété comme un conseil en investissement. KuCoin ne sera pas responsable des erreurs ou omissions, ni des résultats résultant de l’utilisation de ces informations. Les investissements dans les actifs numériques peuvent être risqués. Veuillez évaluer soigneusement les risques d’un produit et votre tolérance au risque en fonction de votre propre situation financière. Pour plus d’informations, veuillez consulter nos conditions d’utilisation et divulgation des risques.