‏🖼 انتشار مدل H3-Image از MiniMax با خروجی 4K

‏شرکت MiniMax مدل تولید تصویر H3-Image را عرضه کرد. این مدل که بر پایه معماری مدل ویدئویی H3 ساخته شده، توانایی تولید تصاویر بومی با ابعاد 4096×4096 پیکسل را تنها در مهم‌ترین مراحل دارد.

‏از ویژگی‌های فنی این مدل می‌توان به موارد زیر اشاره کرد:
‏* پشتیبانی از پرامپت‌های بسیار طولانی تا ۳۲ هزار کاراکتر و استفاده از ۱۶ تصویر مرجع.
‏* سرعت تولید در حالت Highspeed حدود ۱۰.۳ ثانیه و در حالت Standard حدود ۱۶ ثانیه.
‏* استفاده از دیفیوژن ترنسفورمر ۳۳.۱ میلیاردی که برای اجرا به همراه انکودر و VAE به حدود ۱۳۵ گیگابایت حافظه نیاز دارد.

‏کاربران می‌توانند از طریق مخزن گیت‌هاب به کدهای مرتبط دسترسی پیدا کنند، وزن‌های مدل را از Hugging Face دانلود کنند یا عملکرد آن را در fal آزمایش کنند. برای سیستم‌هایی با کارت گرافیک ۲۴ گیگابایتی، استفاده از SGLang برای انتقال لایه‌ها به RAM پیشنهاد شده است. همچنین قالب‌های استفاده از این مدل در ComfyUI نیز در دسترس قرار گرفته‌اند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#H3_Image #DiffusionTransformer