MiniMax 11 月 11 日发布了图片模型 H3 Image ,权重直接开源,Hugging Face 和 GitHub 都能下载。这次最有意思的是一个模型同时管生图和改图:改图时最多可以传 16 张参考图,在提示词里用 Image 1、Image 2 指代,早期测试的人拿它做同一角色的多姿势、多表情设定图。
另一项也挺实用。 4K 最高大约 1600 万像素,21:9 能出到 6272 × 2688 。它是在 H3 视频模型的基础上做的,生成的图可以直接当首帧,接 H3 Max 做成视频,出图到视频算是一条链路打通了。
不过本地跑就别想了:模型 33.1B 参数,权重 69 GB ,还要再加一个 67 GB 的文本编码器,官方列的硬件是 H200 、RTX PRO 6000 这一档。许可证也有个坑,美国、欧盟、英国和韩国不在免版税范围内,要商用的先看清楚条款。
我自己用 H3 Image 测了一下:2K 一张大概 15 到 19 秒,4K 大概 22 秒,带一张参考图改图大约 20 秒。注册送免费积分,不用绑卡。
有 V 友拿它试过多参考图改图吗?最想看同一个角色第一轮换衣服、第二轮换表情、第三轮换场景,最后把几张摆一起,看看脸和手到底崩没崩。