MiniMax ra mắt mô hình hình ảnh H3 mã nguồn mở với khả năng tạo ảnh 4K trong 10 giây

iconMetaEra
Chia sẻ
AI summary iconTóm tắt
MiniMax đã ra mắt mô hình H3 Image mã nguồn mở, một AI với 33,1 tỷ tham số có khả năng tạo ảnh 4K trong 10 giây. Mô hình hỗ trợ lên đến 16 hình ảnh tham chiếu và cung cấp giảm giá 50% cho các đầu ra độ phân giải cao trong tuần đầu tiên. Công cụ này có sẵn qua Hugging Face và được tích hợp vào MiniMax API, MiniMax Code và Hailuo AI, được định vị là một sự kiện tin tức trên chuỗi quan trọng trong lĩnh vực tin tức AI + tiền điện tử.
MiniMax đã phát hành và mở nguồn mô hình hình ảnh H3 Image, có khả năng tạo trực tiếp hình ảnh 4K, tốc độ nhanh nhất khoảng 10 giây mỗi hình, hỗ trợ tối đa 16 hình tham chiếu, đồng thời công khai trọng số 33,1 tỷ tham số.

Tác giả bài viết: Lý Đan

Nguồn bài viết: Wall Street Journal

Công ty AI Trung Quốc MiniMax tiếp tục đầu tư mạnh vào lĩnh vực tạo hình ảnh.

Vào thứ Ba, ngày 10 tháng 11, MiniMax chính thức ra mắt và mở nguồn mô hình tạo hình ảnh thế hệ mới H3 Image, tập trung vào khả năng tạo hình ảnh 4K với độ phân giải lên đến 16 triệu pixel (4096×4096), theo thông báo chính thức, thời gian hoàn thành nhanh nhất khoảng 10 giây, đồng thời hỗ trợ hiểu chính xác từ khóa, chỉnh sửa hình ảnh và nhập tối đa 16 hình ảnh tham chiếu.

MiniMax đã tóm tắt lợi thế cốt lõi của H3 Image thành ba khía cạnh: tốc độ, chất lượng hình ảnh và tuân thủ lệnh: về tốc độ, mô hình có thể tạo ra hình ảnh 4K trong vòng 10 đến 20 giây; về chất lượng hình ảnh, mô hình nỗ lực vượt qua cảm giác thường thấy từ AI, mang lại chi tiết phong phú hơn và độ chân thực cao hơn; về tuân thủ lệnh, công ty tuyên bố đây là mức cao nhất trong các mô hình hình ảnh mã nguồn mở, đồng thời hỗ trợ tạo tác phối hợp với nhiều hình ảnh tham chiếu.

Khác với các mô hình nguồn đóng chỉ mở API, MiniMax lần này đồng thời công bố trọng số mô hình H3 Image và tích hợp nó vào API của riêng mình, MiniMax Code và nền tảng Hải Lư AI. Trong tuần đầu ra mắt, việc tạo ảnh có độ phân giải 16MP trở lên còn được hưởng ưu đãi 50%.

Hình ảnh 4K không cần siêu phân giải, tốc độ tạo trực tiếp vượt trội so với các mô hình phổ biến

Tốc độ tạo là một trong những lợi thế cạnh tranh được nhấn mạnh mạnh mẽ nhất trong lần này của H3 Image.

Hiện nay, độ phân giải đầu ra của các mô hình tạo hình ảnh phổ biến trên thị trường chủ yếu tập trung từ 1 đến 4 triệu pixel, tốc độ tạo hình thường tính theo phút, ngay cả các mô hình nhanh nhất cũng cần khoảng 50 giây. So với đó, H3 Image có thể trực tiếp tạo ra hình ảnh 4K với độ phân giải 4096×4096, thời gian tạo hình được rút ngắn xuống còn 10 đến 20 giây, với tốc độ nhanh nhất được quảng bá bởi nhà phát hành khoảng 10 giây.

Điều này có nghĩa là H3 Image không chỉ tăng quy mô pixel cho mỗi lần tạo lên khoảng 16 triệu, mà còn cố gắng giảm đáng kể thời gian chờ đợi cho hình ảnh độ phân giải cao. Đối với các nhà thiết kế và người sáng tạo nội dung cần điều chỉnh lặp đi lặp lại bố cục, màu sắc, ánh sáng và chi tiết, việc tăng tốc độ tạo hình sẽ giảm chi phí thời gian cho mỗi lần thử và sai, giúp quá trình lặp lại sáng tạo hiệu quả hơn.

Về mặt kỹ thuật, H3 Image không đơn thuần là phóng to hình ảnh độ phân giải thông thường lên 4K, mà có khả năng tạo ra trực tiếp hình ảnh độ phân giải cao khoảng 16 triệu pixel mà không cần xử lý siêu phân giải bổ sung.

Thông tin mô hình do MiniMax công bố trên Hugging Face cho thấy H3 Image hỗ trợ nhiều tỷ lệ khung hình, ngoài ảnh vuông 4096×4096, còn hỗ trợ ảnh ngang 16:9 với kích thước 5472×3072 và ảnh rộng 21:9 với kích thước 6272×2688. Phạm vi tạo ảnh hiệu quả của mô hình khoảng 4 triệu đến 20 triệu pixel, và nhà phát hành khuyến nghị sử dụng khoảng 16 triệu pixel để đạt hiệu quả tốt nhất.

Đằng sau sự cải thiện tốc độ, mô hình đã áp dụng tối ưu hóa chưng cất, giảm số bước lấy mẫu xuống còn 6 bước (Sampling Steps), không cần hướng dẫn không phân loại truyền thống (CFG), nhằm giảm chi phí tính toán khi tạo hình ảnh độ phân giải cao.

Bỏ đi cảm giác “AI” phổ biến, chi tiết hình ảnh và tính chân thực trở thành điểm bán hàng khác

Ngoài tốc độ tạo hình, MiniMax coi chất lượng hình ảnh là một lợi thế cốt lõi khác của H3 Image.

MiniMax nhấn mạnh trong mô tả chính thức của mô hình rằng H3 Image có thể vượt qua các đặc điểm thị giác phổ biến của hình ảnh do AI tạo ra, mang lại chi tiết hình ảnh phong phú hơn và độ chân thực cao hơn, giúp hình ảnh được tạo ra gần với chất lượng thị giác của thế giới thực hơn.

Điều này không chỉ liên quan đến việc hình ảnh có đủ chân thực hay không, mà còn直接影响 đến phạm vi ứng dụng của mô hình. Đối với các bối cảnh như quảng cáo, thương mại điện tử, thiết kế sản phẩm, nghệ thuật trò chơi và sản xuất hình ảnh thương mại, mô hình hình ảnh không chỉ cần tạo ra các cảnh phù hợp với yêu cầu sáng tạo, mà còn phải có khả năng thể hiện chất liệu tinh tế, ánh sáng và bóng đổ tự nhiên cũng như các chi tiết cảnh quan đáng tin cậy. Việc nâng cao độ chân thực và khả năng biểu đạt chi tiết của hình ảnh có tiềm năng giúp hình ảnh do AI tạo ra mở rộng từ các bản phác thảo khái niệm và tài liệu sáng tạo sang các tác phẩm thương mại chuyên nghiệp hơn.

Khác với các giải pháp tạo hình ảnh độ phân giải cao truyền thống, H3 Image có thể tạo trực tiếp hình ảnh khoảng 16 triệu pixel, thay vì tạo hình ảnh độ phân giải thấp trước rồi phóng to bằng công nghệ siêu phân giải. MiniMax mong muốn kết hợp chất lượng hình ảnh và hiệu suất thông qua việc tạo gốc độ phân giải cao và quy trình suy luận ngắn hơn.

Khả năng tuân thủ lệnh được cho là mạnh nhất trong các mô hình hình ảnh mã nguồn mở, hỗ trợ tối đa 16 hình tham chiếu

Về khả năng tuân theo lệnh, MiniMax định vị H3 Image là mô hình hình ảnh mã nguồn mở có khả năng tuân theo lệnh mạnh nhất, đồng thời kết hợp nó với khả năng nhập nhiều hình ảnh tham chiếu và chỉnh sửa hình ảnh.

Mô hình không chỉ hỗ trợ tạo hình ảnh trực tiếp từ lời nhắc văn bản, mà còn có thể nhận một hoặc nhiều hình ảnh tham chiếu để chỉnh sửa hình ảnh hiện có theo hướng dẫn của người dùng. Khả năng nhập tối đa 16 hình ảnh tham chiếu giúp mô hình hiểu đồng thời các thông tin tham chiếu khác nhau như nhân vật, vật thể, cảnh quan và phong cách thị giác, từ đó duy trì tốt hơn đặc điểm chủ thể và tính nhất quán của hình ảnh trong các tác phẩm phức tạp.

Ví dụ: trong thiết kế quảng cáo sản phẩm, người dùng có thể tải lên riêng biệt các hình ảnh tham chiếu về ngoại hình sản phẩm, hình ảnh thương hiệu và bối cảnh, sau đó sử dụng lệnh văn bản để yêu cầu mô hình tích hợp các yếu tố khác nhau vào một hình ảnh mới; trong thiết kế mỹ thuật và nhân vật trò chơi, cũng có thể sử dụng nhiều hình ảnh tham chiếu để kiểm soát ngoại hình nhân vật, trang phục, bối cảnh và phong cách tổng thể.

Thiết kế tích hợp văn bản sinh hình ảnh, chỉnh sửa hình ảnh và tham chiếu nhiều hình ảnh trong cùng một mô hình có nghĩa là người dùng không cần phải thường xuyên chuyển đổi giữa các mô hình hoặc quy trình làm việc chuyên dụng khác nhau để hoàn thành quá trình sáng tạo liên tục từ tạo ban đầu đến chỉnh sửa sau đó.

Kiến trúc 3,31 tỷ tham số, trọng số mô hình được mở đồng bộ

Về kiến trúc mô hình, H3 Image được phát triển dựa trên mô hình đa phương tiện MiniMax H3, đã loại bỏ nhánh âm thanh trong kiến trúc ban đầu và được tối ưu hóa cho việc tạo và chỉnh sửa hình ảnh.

Theo tài liệu kỹ thuật do Hugging Face công bố, H3 Image sử dụng Dense Diffusion Transformer (DiT) với 33,1 tỷ tham số, gồm 50 lớp, kế thừa bộ mã hóa văn bản Qwen3-VL của MiniMax H3 và kết hợp với VAE hình ảnh để xử lý hình ảnh tham chiếu và tạo hình ảnh.

Một nội dung quan trọng khác trong bản phát hành lần này là việc mở trọng số mô hình. Các nhà phát triển có thể lấy mô hình qua Hugging Face và triển khai, phát triển bằng các công cụ như SGLang, vLLM-Omni, Diffusers và ComfyUI.

Tuy nhiên, việc mở trọng số không có nghĩa là các máy tính tiêu dùng thông thường có thể dễ dàng chạy mô hình đầy đủ. Tệp trọng số DiT tạo hình do chính thức công bố có dung lượng khoảng 68,65 GB, và việc triển khai đầy đủ còn cần tải trình mã hóa văn bản độc lập, đòi hỏi yêu cầu cao về bộ nhớ GPU và tài nguyên tính toán.

API, MiniMax Code và Hải Lô AI đồng bộ tích hợp, giảm 50% cho việc tạo độ phân giải cao trong tuần đầu tiên

Về mặt thương mại, MiniMax áp dụng chiến lược song song giữa việc mở trọng số và nền tảng sản phẩm tự phát triển.

H3 Image hiện đã được cung cấp thông qua MiniMax API, MiniMax Code và Hải Lạc AI, cho phép người dùng trải nghiệm các tính năng tạo và chỉnh sửa hình ảnh độ phân giải cao mà không cần tự tải xuống hoặc triển khai mô hình. Trong tuần đầu ra mắt, các yêu cầu tạo hình ảnh có độ phân giải từ 16MP trở lên sẽ được hưởng ưu đãi giảm 50%.

Từ đợt ra mắt này, MiniMax cố gắng tiếp cận cả nhà phát triển và người sáng tạo phổ thông: một mặt, thông qua việc công khai trọng số mô hình để thu hút các nhà phát triển triển khai tại chỗ, phát triển lại và tích hợp vào quy trình làm việc; mặt khác, thông qua API và các sản phẩm như Hai Luo AI để thúc đẩy thương mại hóa mô hình, mở rộng phạm vi người dùng.

Tuy nhiên, việc mở trọng số không đồng nghĩa với việc nguồn mở hoàn toàn không bị hạn chế. Giấy phép cộng đồng do Hugging Face công bố đặt ra các điều kiện đối với khu vực áp dụng, mục đích thương mại và phát triển mô hình dẫn xuất, một số khu vực và mục đích thương mại cụ thể cần được cấp phép riêng.

Trong bối cảnh cạnh tranh ngày càng gay gắt trong lĩnh vực tạo hình ảnh AI, H3 Image đã lấy tốc độ tạo hình độ phân giải cao, mức độ chân thực của hình ảnh và khả năng tuân thủ lệnh phức tạp làm điểm đột phá chính. Việc chuyển hóa ba lợi thế công nghệ này thành nhu cầu sử dụng liên tục từ các nhà sáng tạo và doanh thu API, cùng với việc các trọng số mở có thể thúc đẩy hệ sinh thái nhà phát triển rộng lớn hơn, sẽ là những điểm đáng chú ý trong thời gian tới của MiniMax.

Tuyên bố miễn trừ trách nhiệm: Thông tin trên trang này có thể được lấy từ bên thứ ba và không nhất thiết phản ánh quan điểm hoặc ý kiến của KuCoin. Nội dung này chỉ được cung cấp cho mục đích thông tin chung, không có bất kỳ đại diện hay bảo đảm nào dưới bất kỳ hình thức nào và cũng không được hiểu là lời khuyên tài chính hay đầu tư. KuCoin sẽ không chịu trách nhiệm về bất kỳ sai sót hoặc thiếu sót nào hoặc về bất kỳ kết quả nào phát sinh từ việc sử dụng thông tin này. Việc đầu tư vào tài sản kỹ thuật số có thể tiềm ẩn nhiều rủi ro. Vui lòng đánh giá cẩn thận rủi ro của sản phẩm và khả năng chấp nhận rủi ro của bạn dựa trên hoàn cảnh tài chính của chính bạn. Để biết thêm thông tin, vui lòng tham khảo Điều khoản sử dụng và Tiết lộ rủi ro của chúng tôi.