KDZNR网

 找回密码
 立即注册
搜索
热搜: 活动 交友 discuz
查看: 24|回复: 0

H3-Image开源原生16MP生图模型 10秒级4K 支持16张参考图

[复制链接]

260

主题

0

回帖

830

积分

超级版主

Rank: 8Rank: 8

积分
830
发表于 6 天前 | 显示全部楼层 |阅读模式


11月10日深夜,MiniMax发布新一代图像生成模型H3-Image并同步开放模型权重。模型采用约33.1B参数的Diffusion Transformer(DiT),继承H3架构并移除音频分支,使用Qwen3-VL相关文本编码器做条件理解;图像VAE做16倍空间下采样,DiT对潜变量再划分为2×2 patch。

模型原生生成约1600万像素,支持4096×4096方图与6272×2688宽幅,不依赖额外超分模型;经蒸馏后仅需6次函数评估(6 NFE),且无需Classifier-Free Guidance。速度上4K文生图标准模式中位约16秒、Highspeed模式约10.3秒;最多支持16张参考图,融合人物、服装、背景与构图。公开BF16图像模型文件约68.65GB,文本编码器需额外加载。社区实测在CAD蓝图、爆炸拆解图等复杂指令题上正确率约48.1%,大字海报文字稳定、小字偶有偏差,写实人像保留自然皮肤纹理。

https://cloud.tencent.com.cn/developer/article/2781932
http://m.toutiao.com/group/7707926063338275368/
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|KDZNR网

GMT+8, 2026-11-22 13:11 , Processed in 0.059620 second(s), 18 queries .

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表