الوصف
MiniMax-H3-Image هو نموذج مفتوح المصدر متطور تم تطويره بواسطة MiniMaxAI، وهو جزء من عائلتهم H3، متخصص في توليد وتحرير الصور المتقدمة. تم تصميم هذا النموذج لفهم النية الإبداعية وترجمتها إلى مخرجات بصرية ملموسة، بما في ذلك الشخصيات والمشاهد والأجواء، من خلال اتباع التعليمات بدقة. يجمع بين قدرات التوليد والتحرير ضمن نقطة تفتيش واحدة، مما يسمح للمستخدمين بإنشاء صور من النص (من نص إلى صورة) وتعديل صورة أو أكثر من الصور المرجعية (تحرير الصور)، مما يوفر للمبدعين والمطورين أدوات مرنة وقابلة للتحكم لإنشاء الصور.
قراءة المزيد
تتمثل إحدى النقاط البارزة في MiniMax-H3-Image في قدرته على توليد صور عالية الدقة تبلغ حوالي 16 ميجابكسل مباشرة، دون الحاجة إلى مقياس تكبير خارجي. يدعم مجموعة واسعة من نسب العرض، من 1:1 (4096x4096) حتى 21:9 (6272x2688). تم تحسين النموذج من أجل الكفاءة، حيث تم تقليصه إلى 6 خطوات أخذ عينات (6 NFEs) دون توجيه بدون مصنف. تعتمد بنيته على محول انتشار (DiT) مع بنية H3، مع استبعاد طبقات الصوت، ويستخدم مشفر النص MiniMax-H3.
يتميز النموذج بثلاث نقاط قوة أساسية: السرعة، وجودة الصورة، واتباع التعليمات. يحقق توليد صور بدقة 16 ميجابكسل بتكلفة حسابية قابلة للإدارة، مما يجعل إنشاء التفاصيل العالية عمليًا للاستخدام اليومي. يتجاوز MiniMax-H3-Image "مظهر الذكاء الاصطناعي" النموذجي لإنتاج صور بتفاصيل معقدة وواقعية حيوية، مما يعزز الإمكانيات للتطبيقات الإبداعية والمهنية. علاوة على ذلك، فإنه يقدم اتباع تعليمات قوي بين النماذج المفتوحة المصدر، ويدعم ما يصل إلى 16 صورة مرجعية لمزيد من التحكم الإبداعي.
يمكن الوصول إلى MiniMax-H3-Image عبر واجهة برمجة التطبيقات عبر الإنترنت وتطبيق ويب عبر الإنترنت. لدعم النشر المحلي، يدعم أطر الاستدلال مثل SGLang وvLLM-Omni وdiffusers وComfyUI، مع توافق مع كل من مسرعات NVIDIA وAMD. تتكامل بنية النموذج مع مشفر نص Qwen3-VL، وVAE للصورة، ومحول انتشار بـ 33.1 مليار معلمة. كما يقدم نموذج موسع للمطالبات اختياري، MiniMax-H3-Image-PE، لتعزيز مطالبات النص إلى الصورة.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, يعمل محليًا
- المنصاتالويب
أبرز ملامح MiniMax-H3-Image
توليد من نص إلى صورة
تحرير الصور من الصور المرجعية
يولد صور بدقة 16 ميجابكسل
يدعم نسب عرض متنوعة (مثل 1:1، 4:3، 16:9، 21:9)
لا حاجة لمقياس تكبير للحصول على دقة عالية
6 خطوات أخذ عينات (6 NFEs)
محول انتشار (DiT) مع بنية H3
تكامل مشفر نص MiniMax-H3
اتباع تعليمات قوي
يدعم ما يصل إلى 16 صورة مرجعية للتحرير
الوصول إلى واجهة برمجة التطبيقات عبر الإنترنت
تطبيق ويب عبر الإنترنت
دعم النشر المحلي (SGLang، vLLM-Omni، diffusers، ComfyUI)
متوافق مع مسرعات NVIDIA وAMD
نموذج موسع للمطالبات اختياري (MiniMax-H3-Image-PE)
البدء مع MiniMax-H3-Image
الوصول إلى النموذج: استخدم MiniMax-H3-Image مباشرة عبر واجهة برمجة التطبيقات عبر الإنترنت أو تطبيق الويب.
النشر المحلي: قم بتنزيل مستودع النموذج ومشفر نص MiniMax-H3 إلى ذاكرة التخزين المؤقت الخاصة بك على Hugging Face.
إعداد إطار الاستدلال: قم بتكوين أطر الاستدلال الموصى بها مثل SGLang وvLLM-Omni وdiffusers أو ComfyUI للخدمة المحلية.
تحضير الطلب: لتوليد من نص إلى صورة، أرسل طلبات JSON إلى /v1/images/generations مع مطالبة إنجليزية مفصلة والحجم المطلوب. لتحرير الصور، أرسل الصور المرجعية كبيانات نموذج متعددة الأجزاء إلى /v1/images/edits.
توليد الصورة: نفذ الطلب لتوليد أو تحرير الصور، واستقبل المخرجات كصورة PNG بتنسيق b64_json.
تحسين المطالبات (اختياري): استخدم H3-Image-Context-IR لواجهة برمجة التطبيقات MiniMax أو نشر MiniMax-H3-Image-PE محليًا لتحسين المطالبات.
حالات استخدام MiniMax-H3-Image
- توليد تصوير فوتوغرافي واقعي
- تصوير فوتوغرافي سريالي تحريري
- فن مفهوم البيئة
- تصميم الشخصيات والمخلوقات
- أساليب الرسم والتوضيح
- عرض النص مع التفكير
- تحويل عرض ثلاثي الأبعاد إلى لقطة فيلم
- تحويل خريطة لعبة إلى عرض ثلاثي الأبعاد من منظور الشخص الأول
- تركيب صور مرجعية متعددة







