مدل تصویرساز جدید Hailuo AI با قابلیت ادیت و پشتیبانی از چندین رفرنس

مدل تصویرساز جدید MiniMax با نام H3 Image طی ساعات اخیر به‌صورت Early Access در اختیار تعدادی از تولیدکنندگان محتوا و آزمایش‌کنندگان قرار گرفته است؛ مدلی که براساس گزارش‌های اولیه می‌تواند تا ۱۶ تصویر مرجع را هم‌زمان دریافت کند و خروجی‌هایی با وضوح حداکثر 4K ارائه دهد.

H3 Image هنوز به‌صورت رسمی و عمومی توسط MiniMax معرفی نشده و بسیاری از اطلاعات فعلی آن از آزمایش‌کنندگان Early Access به‌دست آمده است. بااین‌حال، نسخه موجود در Hailuo AI نشان می‌دهد این مدل با تمرکز ویژه روی تولید تصویر براساس چند رفرنس، ویرایش تصاویر و حفظ هویت سوژه توسعه پیدا کرده است.

MiniMax H3 Image چیست؟

H3 Image مدل جدید تولید و ویرایش تصویر MiniMax است؛ شرکتی چینی که پیش‌تر خانواده مدل‌های Hailuo و H3 را برای تولید ویدیو معرفی کرده بود.

مدل H3 ویدیویی MiniMax پیش‌تر به‌عنوان یک مدل چندوجهی با پشتیبانی از متن، تصویر، ویدیو و صدا معرفی شده بود، اما H3 Image به‌طور مشخص برای تولید تصاویر ثابت و ویرایش آن‌ها توسعه یافته است.

براساس اطلاعات مشاهده‌شده در نسخه Early Access، H3 Image در بخش مدل‌های تصویری Hailuo AI قرار گرفته و فعلاً دسترسی به آن محدود است.

پشتیبانی از ۱۶ تصویر مرجع

یکی از مهم‌ترین قابلیت‌هایی که H3 Image را از بسیاری از مدل‌های فعلی متمایز می‌کند، امکان استفاده هم‌زمان از تعداد زیادی تصویر مرجع است.

گزارش آزمایش‌کنندگان اولیه نشان می‌دهد این مدل می‌تواند حداکثر ۱۶ تصویر Reference را در یک درخواست دریافت کند.

چنین قابلیتی می‌تواند برای حفظ چهره یک شخصیت در تصاویر مختلف، ترکیب چند محصول، بازسازی لباس و محیط، طراحی کانسپت یا ساخت مجموعه تصاویر هماهنگ کاربرد زیادی داشته باشد.

اطلاعات استخراج‌شده از رابط Hailuo نیز سقف ۱۶ تصویر مرجع را برای MiniMax-H3-Image نشان می‌دهد.

خروجی تصاویر تا وضوح 4K

کاربران Early Access همچنین از امکان تولید تصاویر در اندازه‌های 1K، 2K و 4K خبر داده‌اند.

نمونه‌های منتشرشده شامل تصاویر فوتورئال، پوسترهای سینمایی، طراحی شخصیت، کانسپت‌های صنعتی و تصاویر سه‌بعدی هستند.

بااین‌حال، MiniMax هنوز به‌طور رسمی مشخص نکرده است که خروجی 4K به‌صورت Native تولید می‌شود یا از مرحله افزایش وضوح استفاده می‌کند.

در نتیجه بهتر است این قابلیت تا انتشار مشخصات رسمی مدل، یک ویژگی گزارش‌شده توسط آزمایش‌کنندگان Early Access در نظر گرفته شود.

H3 Image امکان ویرایش تصاویر را هم دارد

H3 Image فقط یک مدل Text-to-Image نیست و بخش مهمی از تمرکز آن روی Image Editing قرار دارد.

کاربران می‌توانند تصاویر موجود را به مدل بدهند و تغییراتی را با دستور متنی روی آن‌ها اعمال کنند.

نمونه‌های اولیه منتشرشده نشان می‌دهند این مدل می‌تواند در حفظ هویت چهره، لباس، استایل و ترکیب‌بندی تصاویر مرجع عملکرد قابل‌توجهی داشته باشد.

این قابلیت به‌خصوص برای تولید مجموعه تصاویر از یک شخصیت یا محصول با ظاهر یکسان اهمیت زیادی دارد.

پشتیبانی فارسی مهم‌ترین نکته برای کاربران ایرانی است

یکی از جالب‌ترین ادعاهای مطرح‌شده در آزمایش‌های اولیه، توانایی H3 Image در تولید متن فارسی داخل تصویر است.

برخی کاربران Early Access گزارش کرده‌اند که مدل قادر است دستورهای فارسی را درک کند یا متن فارسی را در تصاویر خروجی نمایش دهد.

اگر این قابلیت در نسخه نهایی نیز حفظ شود، H3 Image می‌تواند یکی از معدود مدل‌های تصویرسازی چینی با پشتیبانی کاربردی از زبان فارسی باشد.

بااین‌حال، MiniMax هنوز فهرست رسمی زبان‌های پشتیبانی‌شده برای H3 Image را منتشر نکرده است؛ بنابراین ادعای «اولین مدل چینی با پشتیبانی فارسی» فعلاً قابل تأیید قطعی نیست و باید منتظر آزمایش‌های بیشتر و اطلاعات رسمی شرکت ماند.

عملکرد مدل در تصاویر واقعی مورد توجه قرار گرفته است

یکی دیگر از ویژگی‌هایی که آزمایش‌کنندگان اولیه روی آن تأکید دارند، کیفیت بالای تصاویر فوتورئال H3 Image است.

نمونه‌های منتشرشده در شبکه‌های اجتماعی نشان می‌دهند مدل تلاش می‌کند بافت پوست، نورپردازی، عمق میدان و حالت طبیعی عکس را بدون ظاهر بیش‌ازحد مصنوعی تولید کند.

همچنین برخی آزمایش‌ها روی طراحی محصولات، معماری، تصاویر CAD مانند، پوسترهای بازی و Character Sheet انجام شده است.

البته هنوز بنچمارک مستقل و گسترده‌ای برای مقایسه H3 Image با مدل‌هایی مانند GPT Image، Nano Banana یا Seedream منتشر نشده است.

فعلاً فقط Early Access است

در زمان نگارش این خبر، MiniMax هنوز اعلامیه رسمی مربوط به عرضه عمومی H3 Image را منتشر نکرده است.

تعدادی از تولیدکنندگان محتوا اعلام کرده‌اند دسترسی Early Access دریافت کرده‌اند و مدل نیز در رابط Hailuo AI برای برخی حساب‌ها مشاهده شده است.

قیمت، API، شرایط استفاده تجاری و تاریخ عرضه عمومی مدل هنوز مشخص نیست.

به همین دلیل فعلاً باید H3 Image را مدلی در مرحله Preview و آزمایش محدود در نظر گرفت، نه یک محصول عمومی و نهایی.

رقابت مدل‌های تصویرساز چینی جدی‌تر می‌شود

شرکت‌های چینی طی ماه‌های اخیر حضور پررنگ‌تری در بازار مدل‌های مولد تصویر و ویدیو داشته‌اند.

مدل‌هایی مانند Seedream و خانواده Hailuo در کنار محصولات شرکت‌هایی مانند ByteDance، Alibaba و Tencent باعث شده‌اند رقابت در زمینه تولید تصویر، حفظ شخصیت و ویرایش مبتنی بر رفرنس شدیدتر شود.

H3 Image نیز ظاهراً با تمرکز روی تعداد بالای تصاویر مرجع، کیفیت 4K و ویرایش دقیق وارد همین رقابت شده است.

اگر MiniMax مشخصات گزارش‌شده را در نسخه عمومی حفظ کند و پشتیبانی از زبان‌هایی مانند فارسی نیز قابل‌اعتماد باشد، H3 Image می‌تواند به یکی از مدل‌های قابل‌توجه این بازار تبدیل شود.