请注意这是一个针对特定风格画风的例子,
并且这篇文章踩中了Minimax的短板,
作者论点是两个一起用效果最好,而非谁一定胜过谁
我在制作一款古风题材游戏,打算使用开源模型生成素材。
尝试了 qwen-image-v2.1
众所周知,如果全部使用官方API,会面临“差不多的价格为啥不用更好的GPT”的问题。
而qwen的开源协议是“可以评测不能使用”的特供协议,
正在与阿里沟通希望获签许可
在此过程中,这两天另一个强力的开源模型发布:
下面是实测内容
qwen-image-v2.1 单独生成图片,含执行加工颜色和改良.
MinimaxH3-image 用同提示词单独生成图片,
令人大跌眼镜,我已做出多次参数调整,包含了含PE和不含PE的情况,已经启用了4mp和16mp缩小,总计出图几十张确认不是随机问题。结果发现各种方式改进的都是纹理和线条质量,并非审美。
直接生成图欧美脸和画风与预期不符
为了避免偶然问题,进行调整,不强制使用相同提示词,交给AI执行发挥,
仍然不适合游戏。
仔细查看和放大,它已经非常精细地制作了衣着纹理、手部轮廓,
几乎没有模块块,这点做得比GPT还好
绘制的细致程度超过qwen,但是丑,它出精致图但是不是开箱即用出符合审美的图。
这里需要明确区分【丑】【风格不符】,和【纹理质量】【符合指令】【一致性】不是一个系列标准
一个图可能丑但是非常符合指令和纹理精致
我意识到了一件事情,明确要求MinimaxH3-image绘制“中国脸、古风、武侠、水墨”
并且明确的得到结论它不会这个,
对古风人物较高概率(非全部)欧美脸、水墨画大概率成水彩、油画或其他风格,限定水墨画质量不佳。
对于“京酱肉丝”,qwen能给出正确且美观图片,MinimaxH3-image会生成面条。
说明二者的训练库有明显差异,不是覆盖关系
后续偶然的一次尝试中发现了更佳的用法,
基于qwen生成的底图使用minimax加工,表情生动,动作幅度富有张力
那么尝试了是否可以将“qwen生图、minimax改图”作为固定工作流
得到结果如下,
提示词是请minimax基于上面qwen生成的三视图生成五视图
此例,从整体感官、分辨率、线条锐度、手指细节处理、脏点等, 均相当不错
方便细节对比的版本,左:minimax,右:qwen
附另一组对比
minimax比起只用qwen有非常显著的动作张力和表情处理优势
我认为这两个模型不应该是一个同台竞技的关系,
它们的互补性很好,
作者个人认为联合使用 1+1大于2,
在不能解决 qwen 的本地合规问题情况下,官方API的少量调用,加minimax免费编辑,能生成高质量特定风格图。
如有不同视角欢迎意见
其他杂项:
需要再次强调这是一个针对特定画风的特例测试,
minimax多个图生图的一致性关系非常好,且具备qwen不具备的保持头身比例能力
qwen支持alpha,minimax需要qwen其他软件来抠图或者半透明化













