Modèle d'image affiné par Pruna AI sur MiniMax-H3 : la génération et l'édition d'images partagent un même pipeline, nécessitant 8 étapes, sans CFG ni prompts négatifs, pour produire directement des images de 800 mégapixels (8 MP) ; pour l'édition, jusqu'à 8 images peuvent être fournies, la 1ème étant celle à modifier et les autres servant de références (désignées dans le prompt par Picture 2, Picture 3...). Il intègre un modèle d'expansion de prompts basé sur Qwen3.5-9B, activé par défaut, qui reformule une demande en une phrase en un prompt complet optimisé pour ses points forts ; lors de l'édition, il est formulé sous la forme « modifier quoi, conserver quoi ». Le dépôt a été créé le 27 10, les notes mises à jour le 3 11, et il n'a pas été inclus dans les 7 dernières périodes.
Score de progression 106 · J'aime 109 · Téléchargements 287
Raisons
- Répond au besoin de « générer une image haute résolution à partir d'une phrase et modifier une image sans la redessiner entièrement » : l'auteur affirme qu'il excelle dans les photographies réalistes, les scènes cinématographiques et magazine, ainsi que les designs graphiques contenant du texte court entre guillemets ; ses images comparatives montrent qu'une entrée directe d'une demande courte conduit souvent à une redessin complet, tandis qu'après expansion en prompt éditorial, seules les parties spécifiées sont modifiées.
- Selon l'officiel, avec un seul GPU B200, bf16 et 8 MP, le rendu d'une image telle quelle prend environ 9 secondes avec une mémoire vidéo de pointe de 83 Go ; l'activation de l'expansion ajoute 6–11 secondes et porte la mémoire de pointe à environ 101 Go. La composition comprend un transformer de 33.1B paramètres, un encodeur de texte de 4B, un VAE et le modèle d'expansion, totalisant 100 Go en bf16.
- L'auteur propose également une version ComfyUI (PrunaAI/P-H3-Image-Comfy), utilisant uniquement les nœuds natifs de ComfyUI. Chaque composant est disponible en trois précisions : bf16, int8 et w4a8, pouvant être mélangées. Le jeu minimal nécessite 20 Go de téléchargement et environ 21 Go de mémoire vidéo de pointe pour 8 MP ; l'auteur indique que int8 est presque identique pixel par pixel à bf16, tandis que w4a8 modifie les détails et parfois la composition. Sur une L40S de 48 Go, w4a8 génère une image de 2048×2048 en environ 6.3 secondes (bf16 nécessite un déchargement, prenant environ 19 secondes). Un LoRA de 2.0 Go, à attacher à son propre MiniMax-H3, est également fourni.
Utilisation
- ComfyUI : commencez par exécuter
cd ComfyUI && git pullpour mettre à jour vers la dernière version master (les versions stable, desktop et Comfy Cloud devront attendre la prochaine publication). Téléchargez un fichier de chaque composant depuis PrunaAI/P-H3-Image-Comfy dans les répertoires correspondants deComfyUI/models. Ouvrezworkflows/p-h3-image_text_to_image.jsonouworkflows/p-h3-image_edit.json, saisissez une demande en une phrase et lancez l'exécution ; le workflow utilise un échantillonnage euler, 8 étapes, sans CFG, et sélectionnez le type minimax pour Load CLIP. - diffusers :
pip install git+https://github.com/huggingface/diffusers，再用puisModularPipeline.from_pretrained('PrunaAI/P-H3-Image')avecload_components(dtype=torch.bfloat16). Si vous passez une image, cela modifie l'image ; si vous passez une liste d'images, cela effectue une référence multi-images. Pour les cartes graphiques de 80 Go, utilisezenable_auto_cpu_offloadde ComponentsManager ; selon les affirmations officielles, le pic mémoire pour 8 MP est d'environ 76 Go. - La résolution suit le tableau des tailles en 8 MP adapté à votre carte (par défaut 2912×2912, utilisez 3872×2176 pour 16:9). Pour la modification d'images, utilisez 4 ou 8 MP. Lors de la rédaction manuelle des prompts, commencez par préciser clairement « ce que c'est » (par exemple, une photo prise par un photographe de rue), mettez entre guillemets tout texte à afficher et terminez par
no other text. Évitez des termes comme stunning, 8k ou masterpiece (l'auteur indique qu'ils rendent l'image brillante et sursaturée). Si vous ne souhaitez rien télécharger, essayez d'abord sur le Space PrunaAI/P-H3-Image.
Risques
- La licence est la MiniMax H3 Community License : elle ne couvre pas l'UE, le Royaume-Uni, la Corée du Sud et les États-Unis sans autorisation supplémentaire de MiniMax ; les produits basés dessus doivent indiquer « Powered by MiniMax H3 ». Seule la partie Qwen3-VL-4B (encodeur de texte) et le modèle d'expansion sont sous Apache-2.0.
- Limitations listées par l'auteur : sensibilité aux prompts, les adjectifs exagérés ou les prompts trop longs dégradent la qualité ; les mains et les petites personnes en arrière-plan peuvent être déformées ; le petit texte et les corps de texte denses deviennent souvent du pseudo-texte ; les erreurs sur les visages, les mains et les détails augmentent entre 2 et 4 MP ; ne génère que des images uniques, pas de vidéo ni d'audio. Cette rubrique n'a pas examiné les exemples d'images.
- Barrière à l'entrée élevée : la version diffusers originale nécessite environ 101 Go de mémoire vidéo pour 8 MP (environ 83 Go si l'expansion est désactivée) ; la version ComfyUI n'est actuellement disponible que dans la version de développement, les variantes int8 / w4a8 dépendant des noyaux INT8 de comfy-kitchen, nécessitant une NVIDIA Ampere ou supérieure, ou une AMD RDNA3/4. Les comparaisons de vitesse et de qualité sont les données propres à l'auteur.