Introducción
El generador alojado acepta un prompt y opciones de forma, nivel de píxeles y formato de archivo; el resultado predeterminado es un PNG en 1k.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Salida | Imagen |
| Empresa y modelo | MiniMax; H3-Image, para generación de imágenes fijas y edición con referencias |
| Prompt obligatorio | Descripción detallada en inglés; hasta 5.000 caracteres |
| Niveles de resolución | 1k (predeterminado, alrededor de 1 MP), 2k (unos 4 MP), 4k (unos 16 MP) |
| Regla de tarifa de generación | 1k y 2k comparten tarifa; 4k cuesta el triple |
| Relaciones del lienzo | 15 relaciones de 3:1 a 1:3, entre ellas 1:1, 16:9, 9:16, 21:9 y 4:5, o un ancho y alto personalizados en píxeles |
| Codificación de salida | PNG por defecto; también JPEG y WebP; el formato no modifica el precio |
| Entradas de edición | 1–16 imágenes; nómbralas image 1, image 2 y siguientes según el orden de carga |
| Formatos de entrada admitidos | JPEG, PNG, WebP, HEIC y HEIF |
| Dimensiones de entrada | 128–8192 píxeles por lado; el lado largo no puede superar cuatro veces el corto |
| Forma cuando se omite | Texto a imagen: 1:1; edición: el modelo la elige a partir de las referencias y el prompt |
| Controles no disponibles | prompt negativo, guía y pasos de muestreo |
| Dimensiones medidas en píxeles | 1k 1:1: 1024 x 1024; 2k 16:9: 2720 x 1536; 4k 1:1: 4096 x 4096; 4k 16:9: 5472 x 3072 |
Funciones y aspectos destacados
Room 1207, integrado en la escena
El resultado en 2k y 3:2 muestra a una mujer con vestido de seda negro recostada sobre sábanas de hotel, sosteniendo una nota que dice claramente "Room 1207, midnight". Las palabras solicitadas se conservaron en una escena fotográfica con luz suave de mañana. La muestra permite revisar una línea manuscrita breve; no demuestra una reproducción confiable de textos largos.
Letras que forman parte del club
La imagen del club contiene un letrero MIDNIGHT JAZZ legible y la prueba de perfume reprodujo NOIR 07 en la etiqueta. Son frases cortas integradas en una escena. Al proporcionar tu propio texto, ponlo entre comillas y señala su superficie; después verifica cada letra recibida.
Una función distinta para la habitación y el sujeto
El ejemplo de la habitación amueblada aclara el propósito de dos referencias: una aporta el espacio y otra el perro. Nuestras pruebas trasladaron correctamente una persona u objeto de una imagen a otro entorno. Nombra las fuentes según el orden de carga y explica qué elementos del lugar conservar.
Describe el cambio alrededor del objeto de origen
El ejemplo del tenis combina una nueva paleta con instrucciones para mantener la forma y el piso originales. Sigue esa estructura de cambio y conservación al redactar una edición de producto. Tras generar, compara el objeto con la fuente: preservar un detalle es un objetivo que revisar, sin garantizar una imagen inalterada.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Descripción obligatoria de la escena de hasta 5.000 caracteres; sin texto predefinido ni cargo adicional por el prompt. mínimo 1 caracteres · máximo 5000 caracteres |
aspect_ratio | No | El valor predeterminado es 1:1; las opciones son 1:1, 1:2, 2:1, 1:3, 3:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 9:21, 21:9, o custom para un tamaño exacto definido con width… |
width | No | Ancho exacto en píxeles, de 468 a 7.745, usado solo cuando |
height | No | Alto exacto en píxeles, de 468 a 7.745, obligatorio junto con width cuando |
resolution | No | Nivel de píxeles: 1k por defecto, unos 1 MP; 2k, unos 4 MP; 4k, unos 16 MP. 1k y 2k cuestan lo mismo, mientras que 4k cuesta el triple. |
enable_prompt_expansion | No | true por defecto: MiniMax primero reescribe tu escena como una descripción más larga en inglés. Valor predeterminado: |
output_format | No | Elige png, jpeg o webp para el archivo generado; png es el valor predeterminado y el formato no modifica el precio. |
seed | No | Entero opcional de 0 a 2.147.483.647, sin efecto en el precio. |
Precios
Pagas por imagen completada: 1k y 2k comparten tarifa, y 4k cuesta el triple. Las generaciones fallidas no se cobran.
| Especificación | Precio |
|---|---|
| $0.036 / imagen |
| $0.036 / imagen |
| $0.108 / imagen |
Casos de uso
Retratos alrededor de una nota escrita
Describe a una persona, una habitación tranquila y las palabras exactas de una tarjeta. El ejemplo Room 1207 reprodujo de forma legible el mensaje manuscrito solicitado en 2k y 3:2: un punto de partida concreto para escenas donde el texto importa tanto como la pose y la luz.
Etiquetas cortas en imágenes de productos
Limita el texto necesario y asígnalo a una superficie concreta, como la etiqueta de una botella. El resultado NOIR 07 mostró letras legibles; la escena MIDNIGHT JAZZ también incluyó un letrero claro. Estas observaciones respaldan revisar textos cortos, sin dar por hecho que se podrá incluir una página de prosa en la imagen.
Cambios de ropa y ubicación
Lleva al editor un retrato que tengas permiso de usar y describe otra vestimenta o entorno, con una instrucción aparte para conservar a la persona. Nuestros cambios de una sola imagen mantuvieron una apariencia reconocible. Revisa cada edición antes de aceptarla como continuación de la fuente.
Un sujeto en otra escena
Destina una entrada a la persona u objeto y otra al entorno de destino. Nuestras composiciones de dos imágenes combinaron esas funciones con éxito. Numerar las cargas permite identificar qué sujeto trasladar y qué escena debe recibirlo.
Escenas amplias y composiciones cuadradas
Elige la forma de salida según su destino y configura por separado el nivel de píxeles. Medimos 2720 x 1536 en 2k y 16:9, 4096 x 4096 en 4k y 1:1, y 5472 x 3072 en 4k y 16:9; el nivel no impone un ancho fijo.
Guía de prompts y consejos prácticos
Decide entre generar y editar
Empieza con texto a imagen para una escena descrita con palabras, o con imagen a imagen si el resultado debe apoyarse en imágenes existentes. Al editar personas, usa fotos que tengas derecho a utilizar, representa a personas adultas y evita la suplantación.
Describe la imagen que buscas
Redacta en inglés una descripción continua del sujeto, la ropa, el ambiente, el entorno y la luz, con un máximo de 5.000 caracteres. Para una edición, menciona image 1, image 2 y las demás imágenes cargadas; después indica los cambios y los detalles que deben permanecer.
Configura la forma, el tamaño y el archivo
Escoge entre quince relaciones de aspecto y selecciona 1k, 2k o 4k; 1k y 2k comparten tarifa de generación, mientras que 4k cuesta el triple. PNG es el formato predeterminado; JPEG y WebP están disponibles con la misma tarifa, independiente del formato.
Revisa los detalles recibidos
Compara las letras entre comillas con el prompt y contrasta las personas u objetos editados con sus fuentes. Guarda el resultado elegido y sus ajustes antes de cambiar una parte de la instrucción para otra ejecución.
Genera una imagen fija a partir de una escena escrita
MiniMax H3-Image texto a imagen crea una imagen sin cargar una fuente. Úsalo para un retrato editorial, una escena de producto o una composición con un mensaje corto. Tu descripción en inglés define la escena; parámetros independientes determinan forma, nivel de píxeles y codificación. La solicitud predeterminada produce un PNG cuadrado en 1k.
Parámetros de este endpoint
| Parámetro | Valor admitido y comportamiento |
|---|---|
prompt | Descripción obligatoria de la escena en inglés, hasta 5.000 caracteres |
aspect_ratio | 1:1 por defecto; admite las quince relaciones indicadas abajo |
resolution | 1k por defecto, o 2k o 4k; modifica el nivel de generación |
output_format | png por defecto; jpeg y webp como alternativas sin recargo por formato |
seed | Entero opcional de 0 a 2.147.483.647; repite el punto de partida solo con la expansión del prompt desactivada |
enable_prompt_expansion | true por defecto: MiniMax reescribe la descripción como un prompt en inglés más completo; false conserva tu redacción |
width, height | Solo con aspect_ratio en custom; de 468 a 7.745 píxeles cada uno, con el área dentro del nivel elegido |
Las relaciones admitidas son 1:1, 1:2, 2:1, 1:3, 3:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 9:21 y 21:9. Un retrato vertical y una habitación amplia pueden compartir nivel de resolución con dimensiones distintas. Ajusta aspect_ratio para que el encuadre descrito coincida con el lienzo. Elige custom si el destino exige un tamaño exacto en píxeles, como 1920 x 1080; en 1k o 2k el área puede llegar a 4,5 megapíxeles y 4k cubre formatos más grandes hasta 20 megapíxeles.
Niveles de píxeles y facturación
La generación se cobra por imagen entregada. 1k y 2k comparten tarifa, aunque abarcan aproximadamente uno y cuatro megapíxeles. 4k triplica ese cargo. JPEG, PNG y WebP siguen la misma regla. Consulta las tarifas vigentes en la página de MiniMax H3-Image antes de ejecutar; las generaciones fallidas no se cobran.
Medimos cuadrados de 1024 x 1024 en 1k y 4096 x 4096 en 4k. En 16:9, el resultado 2k midió 2720 x 1536 y el 4k, 5472 x 3072. El nivel indica un área aproximada: no promete un lado de 4096 píxeles en todas las imágenes.
Construye el prompt con decisiones visibles
MiniMax indica que H3-Image espera una descripción detallada de toda la imagen en inglés. Empieza por quién o qué aparece y enlaza la ropa o el material, el entorno, el ambiente y la iluminación en frases naturales. Para personas, especifica adultos de treinta años o más. Un hombre de barba canosa junto a una ventana lluviosa y una botella ámbar sobre piedra oscura necesitan indicaciones distintas; aporta los detalles que definan cada escena.
Para incluir letras, pon la frase exacta entre comillas y asígnala a un objeto. Por ejemplo, una tarjeta manuscrita con "Room 1207, midnight", sostenida hacia la cámara con luz suave de mañana. Es un requisito breve y fácil de revisar. Compara las palabras recibidas con el prompt; una muestra legible no confirma tipografía de párrafos completos.
Una secuencia útil de revisión:
- Guarda juntos el prompt, la relación, el nivel y la imagen recibida.
- Inspecciona por separado el sujeto, las palabras solicitadas y la disposición.
- Modifica un detalle concreto, como la dirección de luz o la ubicación de la etiqueta.
- Compara el siguiente resultado con la dirección aceptada antes de otro cambio.
La expansión del prompt está activa salvo que pongas enable_prompt_expansion en false. Mientras lo está, MiniMax reescribe la descripción antes de dibujar, por lo que un mismo seed puede dar otra imagen. Para una comparación controlada, desactiva la expansión, mantén seed fijo y cambia una frase a la vez; el seed apoya esa comparación sin prometer una imagen idéntica. No hay prompt negativo, guía ni pasos de muestreo, así que incluye los requisitos visuales en la descripción principal.
Qué mostraron nuestras muestras y pruebas
La nueva muestra Room 1207 usó 2k, 3:2 y PNG. Devolvió a una mujer con vestido de seda negro sobre sábanas de hotel y una nota legible con "Room 1207, midnight". Otras pruebas reprodujeron claramente NOIR 07 en una botella y MIDNIGHT JAZZ en un letrero. Estas observaciones confirman mensajes, etiquetas y letreros breves en esas escenas; los textos largos siguen sin verificarse.
Una comparación de seis prompts en 1k también reprodujo "HOT SOUP 3 FRANCS" en un letrero de madera con H3-Image, Open Weights y P-H3-Image. Compartir la frase no hizo equivalentes las imágenes. En esa comparación, H3-Image colocó más etiquetas latinas pequeñas en una lámina botánica y siguió el punto de vista solicitado de un puente peatonal. Son observaciones individuales, sin una clasificación general de calidad.
El procesamiento medido del modelo el 11 de noviembre de 2026 fue de unos 12–15 segundos en 1k y unos 20–22 segundos en 4k. La cola y la transferencia añaden tiempo a esas mediciones.
El comportamiento del contenido varía
Ninguna solicitud fue rechazada en las pruebas NSFW estandarizadas y se cobró cada imagen entregada. En Very strong, texto a imagen coincidió con lo solicitado en 1/3 ejecuciones; en Maximum, en 6/6. Los niveles nombran el registro de pruebas sin garantizar otra solicitud. A efectos de facturación, una imagen entregada con intensidad reducida se distingue de una generación fallida.
Elige un flujo relacionado cuando lo necesites
Pasa a imagen a imagen en esta página cuando una persona, objeto o entorno de origen deba guiar la composición. Open Weights ejecuta los pesos publicados con cinco tamaños en lugar de tres. Usa Open Weights LoRA si el flujo requiere archivos LoRA. Estas alternativas tienen controles y precios propios; no se ha verificado una salida equivalente entre versiones.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-image/text-to-image",
"input": {
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"resolution": "1k",
"aspect_ratio": "1:1",
"output_format": "png"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.




























