P-H3-Image:基于 MiniMax-H3 的八步出图改图模型

Pruna AI 基于 MiniMax-H3 微调的图像模型,同一条 diffusers 管线既能文生图,也能用 1–8 张输入图做编辑:第 1 张是要改的图,其余作为参考(提示词里称 Picture 2、Picture 3……)。官方称 8 步、不用 CFG 即可出 8MP 图,擅长写实摄影、电影画面、编辑类风格和带短引号文字的平面设计。管线默认先跑基于 Qwen3.5-9B 的提示词扩写,把一句话请求改写成模型最擅长的完整描述;也可以关掉,按原文渲染。权重包括 33.1B 参数的 transformer、4B 文本编码器、VAE 和扩写模型,bf16 共约 100GB。

原题:PrunaAI/P-H3-Image

Pruna AI 基于 MiniMax-H3 微调的图像模型,同一条 diffusers 管线既能文生图,也能用 1–8 张输入图做编辑:第 1 张是要改的图,其余作为参考(提示词里称 Picture 2、Picture 3……)。官方称 8 步、不用 CFG 即可出 8MP 图,擅长写实摄影、电影画面、编辑类风格和带短引号文字的平面设计。管线默认先跑基于 Qwen3.5-9B 的提示词扩写,把一句话请求改写成模型最擅长的完整描述;也可以关掉,按原文渲染。权重包括 33.1B 参数的 transformer、4B 文本编码器、VAE 和扩写模型,bf16 共约 100GB。

为什么重要 不用 CFG 和反向提示词,自带提示词扩写,一句话请求就能出完整画面;另有低显存 ComfyUI 版

上升分 109 · 点赞 284 · 下载量 1666

理由

  • 多图合成:给最多 8 张图和一句话,扩写器会写清每张图取什么,再合成一张;改图时会写明“保留什么、改什么”,避免整张重画
  • 官方给出提示词要领:先说图像是什么(如“一张街头摄影”),只描述一个场景,要出现的文字逐字加引号,不加 stunning、8k 这类夸张词
  • 速度:官方称在一张 B200 上 8MP 文生图约 9 秒(不含扩写),扩写另需 6–11 秒

用法

  • pip install git+https://github.com/huggingface/diffusers 后用 ModularPipeline.from_pretrained("PrunaAI/P-H3-Image");传 image 参数即为改图
  • 文生图推荐 8MP 尺寸(默认 2912×2912),改图用 4MP 或 8MP;显存不足时用 ComponentsManager 自动卸载,80GB 卡峰值约 76GB
  • ComfyUI 用 PrunaAI/P-H3-Image-Comfy 的 int8 / 4 位文件,官方称 21GB 显存可跑

风险

  • 许可为 MiniMax H3 社区许可:不覆盖欧盟、英国、韩国和美国(需另向 MiniMax 取得许可),产品须标注“Powered by MiniMax H3”
  • 满配 8MP 加扩写约需 101GB 显存;2MP、4MP 下脸、手、小细节更易出错,小字和大段文字仍会写错
  • 本条未运行,效果以模型卡示例为准

打开

Hugging Face Trending

浏览最新 AI 动态