AI WORLD HQ
Aki próbált már konkrét képet kicsikarni egy AI-eszközből, ismeri a legfrusztrálóbb részt: a kép majdnem olyan, amilyennek szeretnéd, de a részletek nem stimmelnek. A MiniMax nevű AI-cég szerint az új H3-Image modellt a gyorsaságra és a részletességre is kihegyezték, így hosszú várakozás nélkül kaphatsz élesebb eredményt.
Mit közölt a cég?
A H3-Image a MiniMax korábbi H3 modelljére épül. A cég szerint három fő feladatra használható:
- Szövegből kép készítése: szavakkal leírsz egy képet, a modell pedig megrajzolja. A leírásodat promptnak nevezik – ez az az utasítás, amit beírsz az AI-nak.
- Referenciaképek alapján történő képgenerálás: példaképeket adsz meg, a modell pedig ezek alapján követi a kívánt stílust vagy tartalmat. A MiniMax szerint akár 16 referenciaképet is képes kezelni.
- Képszerkesztés: egy meglévő képből indulsz ki, és megkéred a modellt, hogy változtasson rajta.
A MiniMax több állítást is megfogalmazott a saját modelljéről. A cég szerint a H3-Image teljes, 4096 × 4096 pixeles 4K-s képet készít kevesebb mint 10 másodperc alatt. Azt is hozzáteszik, hogy ez akár ötször gyorsabb lehet az általuk mainstream alternatíváknak nevezett megoldásoknál. Emellett szerintük a képek textúrái természetes hatásúak, a modell pedig pontosan követi a promptokat. Ezek a cég saját állításai, ezért kezeld őket állításként, amíg te magad ki nem próbálod a modellt.
Mit jelent az, hogy „nyíltak a modell súlyai”?
A bejelentés szerint a modell súlyai nyíltan hozzáférhetők. A súlyok azok a számok, amelyek a modell betanítás során megszerzett tudását tárolják – elképzelheted őket a modell kész receptjeként. A nyílt súlyok azt jelentik, hogy a fejlesztők és kutatók letölthetik, módosíthatják őket, és saját eszközöket építhetnek rájuk. A legtöbb hétköznapi felhasználónak ennél fontosabb, hogy mások alkalmazásokat készíthetnek a modellre építve.
Hol érheted el jelenleg?
A bejelentés szerint a H3-Image ezeken a helyeken érhető el:
- A MiniMax API Platform felületén. Az API – vagyis egy mód, amellyel egyik program kommunikálhat egy másikkal – lehetővé teszi, hogy a fejlesztők saját alkalmazásaikhoz kapcsolják a modellt.
- A MiniMax Code nevű termékrészben.
- A Hailuo AI szolgáltatásban, amely szintén a MiniMaxhoz tartozik.
- A Hugging Face oldalán, ahol a fejlesztők AI-modelleket osztanak meg. A modell súlyait is ott tették közzé.
A cég szerint Standard és gyorsabb Highspeed mód közül választhatsz. Az árakat a hivatalos oldalak tartalmazzák, ezért az aktuális költségekért nézd meg a MiniMax webhelyét, és ne hagyatkozz semmilyen összefoglalóra – erre sem.
Összegzés
A H3-Image egy új képgeneráló modell a MiniMaxtól, és a cég szerint gyors, részletes, valamint jól követi az utasításokat. Érdemes ezeket az állításokat a saját képeiddel is kipróbálni. A következő lépés egyszerű: írj egy világos promptot egy olyan képhez, amit valóban szeretnél elkészíteni, majd nézd meg, mennyire felel meg az eredmény annak, amit elképzeltél.