P-H3-Image บน ComfyUI: ทดสอบสร้างและแก้ภาพ 8 steps

เนื้อหาในคลิป

P-H3-Image คืออะไร และรันได้กี่แบบ

P-H3-Image เป็นโมเดลจาก PrunaAI ที่ต่อยอดจาก MiniMax H3 สร้างภาพได้ด้วย sampling เพียง 8 steps และรองรับทั้ง image editing กับการใช้ภาพ reference หลายภาพ คลิปนี้นำโมเดลมารันใน ComfyUI แล้วทดสอบทีละหัวข้อ โดยดูรายละเอียดของภาพ การทำตาม prompt และจุดที่ผลลัพธ์เริ่มผิดพลาด

วิธีรันมีสองทาง ทางแรกดาวน์โหลด weights แบบ standalone ทั้งชุด ทางที่สองสำหรับคนที่มี base model MiniMax H3 FL2VA อยู่แล้ว ใช้ LoRA ขนาดราว 2 GB แทน ซึ่ง description ระบุให้ตั้ง strength ที่ 1.0 ผู้ทำคลิปแจก workflow ทั้งสองแบบ

โครงสร้าง workflow ใน ComfyUI

ฝั่งซ้ายของ workflow เป็นตัวโหลดโมเดล รองรับทั้ง safetensors และ GGUF สลับได้ด้วยตัวควบคุม use GGUF ฝั่ง safetensors PrunaAI มีให้เลือก BF16, INT8 ConvRot และ W4A8 โดย workflow ตั้งไว้ที่ INT8 ConvRot และดาวน์โหลดเฉพาะเวอร์ชันที่จะใช้ก็พอ นอกจากนี้ยังต้องโหลด text encoder, VAE และ prompt upsampler แยกอีกตัว ก่อนเริ่มต้องอัปเดต ComfyUI และติดตั้ง custom nodes ที่ workflow ใช้ให้ครบ

prompt upsampler จะขยาย prompt ก่อนส่งเข้าโมเดล และแสดงข้อความที่ขยายแล้วไว้ข้างกล่อง prompt มีสวิตช์ปิดได้เพื่อเทียบผล ตัวเลือก resolution ให้กำหนด aspect ratio กับจำนวน megapixel ซึ่ง PrunaAI แนะนำราว 8 megapixels สำหรับ text-to-image ส่วนการแก้ภาพให้เปิด image edit โหลดภาพหลัก แล้วบรรยายสิ่งที่ต้องการเปลี่ยน และยังมีช่องใส่ภาพ reference เพิ่มกับตัวเลือกกำหนดขนาด output เอง

ผลทดสอบ text-to-image

งานที่ออกมาดีคือภาพ portrait ชาวประมงวัย 80 ที่ริ้วรอย สีผิว และหนวดเคราดูสมจริง แม้ตัวแบบดูอายุน้อยกว่าที่สั่ง ภาพวิลล่าคอนกรีตที่เส้นตรงและ perspective สม่ำเสมอ ป้ายร้าน The Daily Grind ที่สะกดถูก และมือที่คีบลูกแก้วด้วยนิ้วครบห้านิ้ว

จุดที่พลาดมักเป็นรายละเอียดเฉพาะของ prompt เช่น ภาพแสงนีออนที่ใบหน้าได้แสงกลางๆ แทนแสงนีออนและได้โหลแก้วแทนขวด ลำแสง volumetric ในโรงงานเก่าที่จาง มะนาวที่ใหญ่เกินสัดส่วนชาม แว่นตาที่วางคร่อมสองหน้าของหนังสือแทนที่จะอยู่หน้าซ้าย ย่อหน้าลายมือที่สะกดผิดบางคำ และไพ่ที่ตัวเลขกับสัญลักษณ์เพี้ยน

ผลทดสอบ image editing และ multi-reference

การเปลี่ยนภาพทิวทัศน์ฤดูร้อนกลางวันเป็นคืนฤดูหนาวมีหิมะยังรักษาองค์ประกอบหลักไว้ได้ เพิ่มหิมะ แสงจันทร์ และไฟในกระท่อม แต่รายละเอียดต้นไม้กับกระท่อมบางส่วนเปลี่ยนไป และเงาสะท้อนของดวงจันทร์ซ้อนกันสองชั้น ในการทดสอบนี้ผู้ทำคลิปปิด use custom size เพื่อใช้ขนาดของภาพต้นทาง

การใส่คนสองคนจากภาพ reference ลงในฉากหลังได้ใบหน้าและชุดที่จำได้ แสงกลมกลืน แต่กรอบภาพขยับเข้าใกล้ขึ้นและรายละเอียดฉากหลังเปลี่ยน ส่วนการแทนที่ใบหน้ากษัตริย์และราชินีในภาพวาด ใบหน้าใหม่จำได้ชัดรวมถึงแว่นและเครา แขกอีกสี่คนยังอยู่ครบ แต่มือของกษัตริย์ยังเป็นสีผิวเดิม และใบหน้าใหม่ดูเป็นภาพถ่ายมากกว่าภาพวาด