MiniMax、4K生成を10秒で実現するオープンソースのH3画像モデルをリリース

iconMetaEra
共有
AI summary icon概要
MiniMaxは、331億パラメータのAIモデル「H3 Image」をオープンソースでリリースしました。このモデルは10秒で4K画像を生成でき、最大16枚の参照画像をサポートし、初週は高解像度出力に50%の割引を提供します。Hugging Faceを通じて利用可能であり、MiniMax API、MiniMax Code、Hailuo AIに統合されています。このツールは、AI+暗号通貨ニュース分野における主要なオンチェーンニュースとして位置づけられています。
MiniMaxが画像モデル「H3 Image」をリリースし、オープンソース化。4K画像を直接生成でき、最短約10秒で1枚を生成。最大16枚の参照画像をサポートし、331億パラメータの重みも同時に公開。

著者:李丹

出典:ウォールストリート・ジェイレン

中国のAI企業MiniMaxが画像生成分野にさらに投資を拡大。

11月10日火曜日、MiniMaxは新一代の画像生成モデル「H3 Image」を正式にリリースし、オープンソース化しました。このモデルは最高1600万画素(4096×4096)の4K画像生成を主な特徴とし、公式によると最短約10秒で生成が可能です。また、プロンプトの正確な理解、画像編集、最大16枚の参照画像の入力もサポートしています。

MiniMaxは、H3 Imageの核心的競争力として、速度、画質、指示の遵守の3点を挙げている。速度面では、モデルは10〜20秒で4K画像を生成できる。画質面では、一般的なAI生成感を脱却し、より豊かなディテールと高い現実感を実現することを目指している。指示の遵守面では、公式によると、オープンソースの画像モデル中最も優れたレベルに達しており、複数の参照画像を用いた協調的作成をサポートしている。

MiniMaxは、API呼び出しのみを開放する閉源モデルとは異なり、今回のH3 Imageモデルの重みを同時に開放し、自社のAPI、MiniMax Code、および海苔AIプラットフォームに統合しました。発表初週には、16MP以上の解像度の画像生成が50%オフでご利用いただけます。

4K画像は超解像処理不要で、直接生成速度が主要モデルを上回ります

生成速度は、H3 Imageが今回重点的に強調する競争力の一つです。

現在の主流の画像生成モデルの出力解像度は大抵100万〜400万画素であり、生成速度は一般的に数分かかり、最も速いモデルでも約50秒かかります。一方、H3 Imageは4096×4096の4K画像を直接生成でき、生成時間は10〜20秒に短縮され、公式発表では最速で約10秒です。

これにより、H3 Imageは単一生成のピクセル規模を約1600万に向上させるだけでなく、高解像度画像の待ち時間を大幅に短縮しようとします。構図、色調、照明、細部を繰り返し調整する必要があるデザイナーやコンテンツクリエイターにとって、生成速度の向上は試行錯誤ごとの時間コストを削減し、クリエイティブなイテレーションをより効率的にします。

技術仕様によると、H3 Imageは通常の解像度の画像を4Kに拡大するだけでなく、追加の超解像処理なしに約1600万画素の高解像度画像を直接生成できます。

MiniMaxがHugging Faceで公開したモデルの説明によると、H3 Imageは複数のアスペクト比をサポートしており、4096×4096の正方形画像に加え、5472×3072の16:9横長画像および6272×2688の21:9ワイドスクリーン画像をサポートしています。モデルの有効生成範囲は約400万〜2000万画素で、公式には約1600万画素で最適な結果が得られると推奨されています。

速度の向上の背景には、モデルが蒸留最適化を採用し、サンプリングステップを6ステップに圧縮し、従来のクラスフリー誘導(CFG)を不要としたことで、高解像度画像生成の計算オーバーヘッドを削減しています。

一般的「AI感」を脱却し、画面上の細部とリアルさが新たな魅力となる

生成速度以外に、MiniMaxは画質をH3 Imageのもう一つの核心的な利点と見なしています。

MiniMaxは公式モデル説明で、H3 Imageが一般的なAI生成画像の視覚的特徴を突破し、より豊かな画面上のディテールと高い現実感を提供し、生成された画像を現実世界の視覚的質感に近づけると強調しています。

これは画像が十分にリアルかどうかという問題にとどまらず、モデルの適用範囲に直接影響します。広告、eコマース、製品設計、ゲームアート、商業ビジュアル制作などのシーンでは、画像モデルは創造的な要件に合った画像を生成するだけでなく、繊細な質感、自然な光と影、信頼性のあるシーンの詳細を表現できる必要があります。画像のリアリズムと詳細表現の向上により、AI生成画像はコンセプトスケッチやクリエイティブ素材から、より専門的な商業制作へと拡張される可能性があります。

従来の高解像度生成手法とは異なり、H3 Imageは低解像度画像を生成した後、超解像技術で拡大するのではなく、直接約1600万画素の画像を生成します。MiniMaxは、高解像度のネイティブ生成と短縮された推論プロセスを通じて、画質と効率の両立を目指しています。

オープンソース画像モデルの中で最も優れた指示準拠能力を誇り、最大16枚の参照画像をサポートします。

MiniMaxは、H3 Imageを、オープンソースの画像モデルの中で指示従順性が最も優れたモデルと位置づけ、複数の参照画像入力と画像編集機能を組み合わせています。

モデルは、テキストプロンプトに基づいて画像を直接生成するだけでなく、1枚または複数の参照画像を受け取り、ユーザーの指示に従って既存の画像を編集することもできます。最大16枚の参照画像を入力できるため、モデルは人物、物体、シーン、ビジュアルスタイルなどの異なる参照情報を同時に理解し、複雑な創作においても被写体の特徴や画面上の一貫性をより良く維持できます。

たとえば、製品広告デザインでは、ユーザーが製品の外観、ブランドのビジュアル、シーンの参考画像をそれぞれアップロードし、テキストの指示を通じてモデルにこれらの要素を新しい1枚の画像に統合するよう要求できます。ゲームアートやキャラクターデザインにおいても、複数の参考画像を利用して、キャラクターの外観、衣装、シーン、全体的なスタイルを制御できます。

文生成画像、画像編集、複数画像の参照を同一モデルに統合したこの設計により、ユーザーは異なる専門モデルやワークフローを頻繁に切り替えることなく、初期生成からその後の修正までの連続的な創作が可能になります。

33.1億パラメータアーキテクチャ、モデル重みを同期開放

モデルアーキテクチャに関して、H3 ImageはMiniMax H3マルチモーダルモデルを基に開発され、従来のアーキテクチャからオーディオブランチを削除し、画像生成と編集に最適化されています。

Hugging Faceが公開した技術資料によると、H3 Imageは331億パラメータの密結合扩散Transformer(DiT)を採用し、50層で構成されています。MiniMax H3のQwen3-VLテキストエンコーダーを継承し、画像VAEを用いて参照画像と生成画像を処理します。

今回のリリースにおけるもう一つの重要な要素は、モデルの重みを公開することです。開発者はHugging Faceからモデルを取得し、SGLang、vLLM-Omni、Diffusers、ComfyUIなどのツールを使用してデプロイおよび開発を行うことができます。

ただし、オープンな重みとは、一般の消費級パソコンで完全なモデルを簡単に実行できることを意味するわけではありません。公式が公開した画像生成DiTの重みファイルは約68.65GBであり、完全なデプロイには独立したテキストエンコーダーの読み込みも必要で、VRAMと計算リソースに高い要件があります。

API、MiniMax Code、および海螺AIが同期接続。初週は高解像度生成が50%オフ

商業化面において、MiniMaxはオープンウェイトと自社製品プラットフォームを並行して採用しています。

H3 Imageは現在、MiniMax API、MiniMax Code、および海螺AIを通じて提供されており、ユーザーはモデルを自らダウンロードまたはデプロイすることなく、高解像度画像の生成および編集機能を体験できます。リリース初週には、16MP以上の解像度の画像生成リクエストが50%オフとなります。

今回のリリースにより、MiniMaxは開発者と一般のクリエイターの両方をカバーしようとしています。一方で、モデルの重みを公開することで開発者がローカルにデプロイしたり、二次開発を行ったり、ワークフローに統合したりすることを促進し、他方でAPIやカイギAIなどの製品を通じてモデルの商業化を推進し、ユーザー層を拡大しています。

ただし、オープンウェイトであっても、完全に制限のないオープンソースを意味するわけではありません。Hugging Faceが公表したコミュニティライセンスは、適用地域、商業利用、モデルの派生開発などに条件を設けており、一部の地域や特定の商業用途では別途許可が必要です。

AI画像生成の競争が激化する中、H3 Imageは高解像度生成速度、画質のリアルさ、複雑な指示の実行能力を主要な突破口としている。これらの技術的優位性を継続的なクリエイターの利用需要とAPI収益に変換できるかどうか、そしてオープンな重みがより広範な開発者エコシステムを促進できるかどうかが、MiniMaxの今後の注目点となる。

免責事項: 本ページの情報はサードパーティからのものであり、必ずしもKuCoinの見解や意見を反映しているわけではありません。この内容は一般的な情報提供のみを目的として提供されており、いかなる種類の表明や保証もなく、金融または投資助言として解釈されるものでもありません。KuCoinは誤記や脱落、またはこの情報の使用に起因するいかなる結果に対しても責任を負いません。 デジタル資産への投資にはリスクが伴います。商品のリスクとリスク許容度をご自身の財務状況に基づいて慎重に評価してください。詳しくは利用規約およびリスク開示を参照してください。