Çinli yapay zeka şirketi MiniMax, görsel üretim ve düzenleme modeli MiniMax-H3-Image'ı açık kaynak olarak yayımladı. Model, ayrı bir süper çözünürlük modeline ihtiyaç duymadan yaklaşık 16 megapiksellik görselleri doğrudan üretiyor.
Hugging Face'in aktardığına göre aynı ağırlık seti hem metinden görsel üretimini hem de görsel düzenlemeyi destekliyor. Kullanıcılar modele en fazla 16 referans görsel verebiliyor. Üretim çözünürlüğü 4096×4096 ile 6272×2688 arasında değişiyor. Örnekleme adımı ise 6 adıma indirgenmiş durumda.
Difüzyon transformer (DiT) mimarisindeki parametre sayısı 33,1 milyar, ağırlık dosyalarının boyutu yaklaşık 68,65 GB. Model SGLang, vLLM-Omni, diffusers ve ComfyUI üzerinden dağıtılabiliyor. MiniMax, modelin talimatları yerine getirme becerisinin açık kaynak modeller arasında en güçlüsü olduğunu öne sürdü.
Comment 0