MiniMax-H3-Image: 텍스트에서 이미지 생성 및 이미지 편집 통합, 1600만 픽셀 직접 출력

MiniMax가 공개한 오픈소스 이미지 생성 및 편집 모델로, MiniMax H3 계열에 속합니다. DiT는 H3 아키텍처를 따르되 오디오 레이어를 제거했으며, 파라미터 수는 331억 개이고 텍스트 인코더는 MiniMax-H3의 것을 그대로 사용합니다. 동일한 체크포인트로 텍스트에서 이미지 생성과 하나 이상의 참조 이미지를 통한 편집이 모두 가능하며, 공식적으로 최대 16장의 참조 이미지를 지원한다고 밝히고 있습니다. 공식적으로는 다양한 종횡비에서 증폭기 없이 약 16MP의 이미지를 직접 생성할 수 있으며(1:1은 4096×4096, 21:9는 6272×2688), 모델은 6단계로 증류(distillation)되었고 CFG(Classifier-Free Guidance)를 사용하지 않습니다. 모델 카드의 예시에는 사실적인 사진, 컨셉 디자인, 중영문 논리 문제 풀이 보드의 텍스트 렌더링, 화이트 모델 렌더링을 영화 스틸 컷으로 변환, 빈 방에 가구 9개를 추가하여 총 10장의 참조 이미지로 거실 합성하기 등이 포함됩니다.

원제: MiniMaxAI/MiniMax-H3-Image

MiniMax가 공개한 오픈소스 이미지 생성 및 편집 모델로, MiniMax H3 계열에 속합니다. DiT는 H3 아키텍처를 따르되 오디오 레이어를 제거했으며, 파라미터 수는 331억 개이고 텍스트 인코더는 MiniMax-H3의 것을 그대로 사용합니다. 동일한 체크포인트로 텍스트에서 이미지 생성과 하나 이상의 참조 이미지를 통한 편집이 모두 가능하며, 공식적으로 최대 16장의 참조 이미지를 지원한다고 밝히고 있습니다. 공식적으로는 다양한 종횡비에서 증폭기 없이 약 16MP의 이미지를 직접 생성할 수 있으며(1:1은 4096×4096, 21:9는 6272×2688), 모델은 6단계로 증류(distillation)되었고 CFG(Classifier-Free Guidance)를 사용하지 않습니다. 모델 카드의 예시에는 사실적인 사진, 컨셉 디자인, 중영문 논리 문제 풀이 보드의 텍스트 렌더링, 화이트 모델 렌더링을 영화 스틸 컷으로 변환, 빈 방에 가구 9개를 추가하여 총 10장의 참조 이미지로 거실 합성하기 등이 포함됩니다.

중요한 이유 증폭기 없이 약 1600만 픽셀 직접 출력, 6단계 샘플링, 최대 16장 참조 이미지 지원, 주요 추론 프레임워크 및 ComfyUI 모두 이미 지원됨

상승 점수 471 · 좋아요 476 · 다운로드 수 667

이유

  • 공식적으로 오픈소스 모델 중 지시 사항 준수(instruction following) 능력이 가장 강하다고 주장하며, 짧은 프롬프트는 H3-Image-Context-IR(API) 또는 로컬 배포 가능한 MiniMax-H3-Image-PE를 통해 완전한 영어 설명으로 확장한 후 생성할 수 있음
  • 배포 경로가 완비되어 있음: SGLang, vLLM-Omni, diffusers, ComfyUI 모두 공식 문서나 템플릿을 제공하며, 공식적으로 나열된 하드웨어에는 H200, RTX PRO 6000 Blackwell 및 AMD MI350X가 포함됨
  • 모델 카드에서는 로컬 SGLang과 공식 API를 동일한 프롬프트로 사용하여 생성한 이미지 비교를 제시하며, 바로 실행 가능한 예제 스크립트를 첨부함

사용법

  • hf download MiniMaxAI/MiniMax-H3-Image를 실행한 후, MiniMax-H3 저장소의 text_encoder/를 다운로드하세요. sglang serve 또는 vllm serve --omni로 서비스를 시작하고, 텍스트에서 이미지 생성 요청은 /v1/images/generations으로, 편집 요청은 /v1/images/edits로 전송합니다(참조 이미지는 업로드 순서에 따라 프롬프트 내의 <Picture 1>, <Picture 2>에 대응됩니다).
  • size는 너비x높이 형식으로 작성하며, 공식 권장 사항은 약 16MP입니다(예: 4096x4096, 5472x3072). 단계 수는 반드시 6이어야 하고, guidance_scale은 반드시 1이어야 하며, 부정 프롬프트(negative prompt)는 지원되지 않습니다.
  • 프롬프트에는 완전한 영어 화면 설명을 작성해야 하며, 짧은 프롬프트는 먼저 MiniMax-H3-Image-PE를 통해 확장하세요.
  • ComfyUI: Comfy-Org/MiniMax-H3-Image 패키지 버전을 사용하고, 공식 튜토리얼에 따라 텍스트에서 이미지 생성 또는 편집 템플릿을 적용하세요.

리스크

  • 용량이 큼: DiT 가중치는 약 66GB이며, 추가로 약 67GB의 MiniMax-H3 텍스트 인코더가 필요하므로 데이터센터급 대용량 VRAM 그래픽 카드가 필요합니다.
  • MiniMax-H3-Image 커뮤니티 라이선스로 배포되며, 라이선스 4조에 명시된 상황에서는 별도의 서면 허가를 받아야 하므로 상업적 사용 전 약관을 확인해야 합니다.
  • '오픈소스 모델 중 지시 사항 준수 능력이 가장 강함'은 공식적인 주장이며, 모델 카드에는 제3자 평가가 첨부되지 않았습니다.
  • 본 항목은 실행되지 않았으므로, 효과는 모델 카드를 기준으로 합니다.

열기

Hugging Face Trending

최신 AI 소식 보기