MiniMax stellt mit H3-Image einen KI-Bildgenerator vor, der auf dem im Sommer veröffentlichten H3-Modell aufbaut. Er erstellt Bilder aus Text und bearbeitet vorhandene Bilder mit bis zu 16 Referenzen. MiniMax stellt die Modellgewichte unter seiner Community License auf Hugging Face bereit.
Anzeige
4K-Bilder in 10 bis 20 Sekunden
Für ein quadratisches Bild mit 4096 × 4096 Pixeln gibt MiniMax 10 bis 20 Sekunden an. Das Modell erzeugt diese Auflösung direkt.
In der API steht die Einstellung »4K« für die Fläche des Bildes. Wer das Seitenverhältnis auf 16:9 stellt, erhält deshalb ein breiteres Bild mit 5472 × 3072 Pixeln. Bei frei gewählter Breite und Höhe sind bis zu 20 Megapixel möglich.
Bei der Bildbearbeitung kann der Nutzer die Vorlagen im Text einzeln ansprechen. So kann er etwa ein Produktfoto als Vorlage für das Motiv verwenden und mit einem zweiten Bild den gewünschten Hintergrund vorgeben. Pro Anfrage liefert die API bis zu zehn Bilder als JPEG, PNG oder WebP.
Quelle: MiniMax
Was 4K-Bilder zum Start kosten
MiniMax nennt die API, MCode und Hailuo AI als Zugänge. In der API gibt es neben dem Standardmodell die schnellere Variante H3-Image-Highspeed, die für Bildausgaben mehr berechnet. Ein quadratisches 4K-Bild aus einem Textprompt kostet im Preisbeispiel für das Standardmodell rund 3,44 US-Cent statt 6,88 US-Cent. Der Rabatt von 50% gilt bei beiden Varianten ab 16,6 Megapixeln bis zum 17. November um 17 Uhr deutscher Zeit.
Quelle: Minimax
Rund 135 GB für die lokale Installation
Die Dateien des Bildmodells belegen rund 68,7 GB. Dazu kommen 66,7 GB für den Textencoder, der die Eingaben für das Bildmodell aufbereitet. Wer den Textencoder bereits für das H3-Videomodell heruntergeladen hat, kann ihn weiterverwenden.
Der Bildgenerator selbst hat 33,1 Milliarden Parameter und damit mehr als dreimal so viele wie FLUX.2 [klein] 9B. Wie viel Grafikspeicher H3-Image beim Ausführen braucht, hängt von der Bildgröße und der Konfiguration ab. Wer kurze Prompts lokal automatisch ausformulieren lassen will, kann dafür ein Zusatzmodell mit 17,9 GB herunterladen.
