Mô hình tạo ảnh MiniMax H3 chính thức mã nguồn mở: 6 bước xuất trực tiếp 16,8 triệu pixel, cộng đồng đã chạy trước một tuần

Động Sát Beating Tin nhanh AI, MiniMax chính thức phát hành H3-Image và mã nguồn mở trọng số mô hình. Nó có thể trực tiếp tạo ra hình ảnh 4096×4096, khoảng 16,8 triệu pixel, không cần phóng to thêm. Theo dữ liệu chính thức, thời gian tạo dưới 10 giây, tốc độ cao nhất đạt gấp 5 lần sản phẩm chủ lưu. Nó còn tích hợp tạo văn bản thành hình ảnh và chỉnh sửa hình ảnh vào cùng một mô hình, hỗ trợ tối đa 16 hình ảnh tham chiếu.

H3-Image kế thừa kiến trúc của mô hình video H3, loại bỏ phần âm thanh, giữ nguyên bộ mã hóa văn bản gốc, và thiết kế lại bộ giải mã cho hình ảnh. Mạng tạo hình ảnh cốt lõi có 33,1 tỷ tham số. Sau khi chưng cất, chỉ cần 6 lần lấy mẫu để tạo một hình ảnh, giảm đáng kể các bước tính toán.

Mô hình này thực ra đã được báo trước từ tháng 8. Ngày 7 tháng 8, nhà nghiên cứu MiniMax Kiro tiết lộ trong Reddit AMA rằng nhóm đang phát triển mô hình hình ảnh chuyên dụng từ kiến trúc cùng nguồn của H3, và có kế hoạch mở mã nguồn trọng số. Lúc đó cũng đề xuất một quy trình làm việc: trước tiên dùng mô hình hình ảnh tạo khung hình đầu tiên, sau đó giao cho H3 tiếp tục tạo video.

Cộng đồng thậm chí còn làm ra trước cả MiniMax. Ngày 3 tháng 11, Pruna AI đã dựa trên mô hình video H3 mã nguồn mở để ra mắt P-H3-Image, cũng hỗ trợ tạo hình ảnh và chỉnh sửa hình ảnh. Pruna đã nén mạng tạo từ 33,1 tỷ xuống còn khoảng 20 tỷ tham số, chỉ cần 8 bước lấy mẫu. Phiên bản lượng tử hóa nhỏ nhất khoảng 20GB, khi tạo hình ảnh 8 triệu pixel, bộ nhớ GPU đỉnh chỉ khoảng 21GB.

Phiên bản chính thức của MiniMax thì giữ nguyên mạng tạo 33,1 tỷ tham số, nén lấy mẫu xuống còn 6 bước, và hỗ trợ độ phân giải cao hơn cùng nhiều hình ảnh tham chiếu hơn. Tuy nhiên, trọng số gốc cộng với bộ mã hóa văn bản tái sử dụng tổng cộng khoảng 135GB, rõ ràng nặng hơn.

Giấy phép trọng số mã nguồn mở của H3-Image có những hạn chế. Hoa Kỳ, Vương quốc Anh, Liên minh châu Âu và Hàn Quốc không nằm trong khu vực được cấp phép của giấy phép cộng đồng. Doanh nghiệp có doanh thu hàng năm vượt 1 triệu USD, hoặc cung cấp dịch vụ lưu trữ mô hình cho bên thứ ba, đều cần được cấp phép riêng trước.