説明
MiniMax-H3-Imageは、MiniMaxAIによって開発された最先端のオープンソースモデルで、H3ファミリーの一部であり、高度な画像生成と編集に特化しています。このモデルは、創造的な意図を理解し、それを具体的な視覚出力(キャラクター、シーン、雰囲気など)に変換するように設計されており、正確な指示に従います。生成と編集の機能を単一のチェックポイントに統合し、ユーザーがテキストから画像を作成(テキストから画像)し、1つまたは複数の参照画像を修正(画像編集)できるようにし、クリエイターや開発者に柔軟で制御可能な画像作成ツールを提供します。
続きを読む
MiniMax-H3-Imageの主な特徴は、外部のアップスケーラーを必要とせずに、約16メガピクセルの高解像度画像を直接生成できることです。1:1(4096x4096)から21:9(6272x2688)までのさまざまなアスペクト比をサポートしています。このモデルは効率性を最適化しており、6サンプリングステップ(6 NFEs)に蒸留され、クラスファイアフリーガイダンスはありません。そのアーキテクチャは、音声レイヤーを除外したH3アーキテクチャを持つ拡散トランスフォーマー(DiT)に基づいており、MiniMax-H3テキストエンコーダを利用しています。
このモデルは、速度、画像品質、指示の遵守という3つのコアの強みを誇ります。16メガピクセルの画像生成を管理可能な計算コストで実現し、高詳細な作成を日常的に実用的にします。MiniMax-H3-Imageは、典型的な「AIの見た目」を超えて、複雑なディテールと生き生きとしたリアリズムを持つ画像を生成し、創造的および専門的なアプリケーションの可能性を高めます。さらに、オープンソースモデルの中で強力な指示の遵守を提供し、最大16の参照画像をサポートして、より大きな創造的制御を可能にします。
MiniMax-H3-Imageは、オンラインAPIおよびオンラインアプリケーションを介してアクセスできます。ローカル展開のために、SGLang、vLLM-Omni、diffusers、ComfyUIなどの推論フレームワークをサポートし、NVIDIAおよびAMDアクセラレーターの両方に対応しています。このモデルのアーキテクチャは、Qwen3-VLテキストエンコーダ、画像VAE、および331億パラメータの拡散トランスフォーマーを統合しています。また、テキストから画像のプロンプトを強化するためのオプションのプロンプト拡張モデルMiniMax-H3-Image-PEも提供しています。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイクラウド, ローカルで実行
- プラットフォームWeb
MiniMax-H3-Imageのハイライト
テキストから画像の生成
参照画像からの画像編集
16メガピクセル画像の生成
さまざまなアスペクト比をサポート(例:1:1、4:3、16:9、21:9)
高解像度にアップスケーラー不要
6サンプリングステップ(6 NFEs)
H3アーキテクチャを持つ拡散トランスフォーマー(DiT)
MiniMax-H3テキストエンコーダの統合
強力な指示の遵守
最大16の参照画像をサポートして編集
オンラインAPIアクセス
オンラインウェブアプリケーション
ローカル展開サポート(SGLang、vLLM-Omni、diffusers、ComfyUI)
NVIDIAおよびAMDアクセラレーターに対応
オプションのプロンプト拡張モデル(MiniMax-H3-Image-PE)
MiniMax-H3-Imageをはじめる
モデルへのアクセス:MiniMax-H3-ImageをオンラインAPIまたはウェブアプリケーションを介して直接利用します。
ローカル展開:モデルリポジトリとMiniMax-H3テキストエンコーダをHugging Faceキャッシュにダウンロードします。
推論フレームワークの設定:SGLang、vLLM-Omni、diffusers、またはComfyUIなどの推奨推論フレームワークをローカルサービングのために設定します。
リクエストの準備:テキストから画像の場合、詳細な英語のプロンプトと希望のサイズを含むJSONリクエストを/v1/images/generationsに送信します。画像編集の場合、参照画像をマルチパートフォームデータとして/v1/images/editsに送信します。
画像の生成:リクエストを実行して画像を生成または編集し、出力をb64_json形式のPNGとして受け取ります。
プロンプトの最適化(オプション):MiniMax APIのH3-Image-Context-IRを使用するか、ローカルにMiniMax-H3-Image-PEを展開してプロンプトを強化します。
MiniMax-H3-Imageの使用例
- フォトリアリスティックな写真生成
- シュールなエディトリアル写真
- 環境コンセプトアート
- キャラクターとクリーチャーデザイン
- 絵画とイラストスタイル
- 論理的なテキストレンダリング
- 3Dレンダリングから映画のスチルへ
- ゲームマップから一人称視点へ
- マルチ参照画像の合成







