はじめに
元画像と、残すもの・加えるもの・色を変えるものを指定します。image 1、image 2 を使い、画像ごとの役割を区別してください。
| 項目 | 値 |
|---|---|
| 入力 | 画像 |
| 出力 | 画像 |
| 公開元とモデル | MiniMax の H3-Image で、静止画生成と参照編集に対応します。 |
| 必須のプロンプト | 詳しい英語の説明を最大 5,000 文字で入力します。 |
| 解像度の段階 | 1k(既定、約 1 MP)、2k(約 4 MP)、4k(約 16 MP)です。 |
| 生成単価の規則 | 1k と 2k は同額で、4k はその 3 倍になります。 |
| キャンバスの比率 | 3:1–1:3 の 15 種類(1:1、16:9、9:16、21:9、4:5 など)、またはピクセル単位の custom 寸法です。 |
| 出力エンコード | 既定の PNG のほか JPEG、WebP に対応し、形式で料金は変わりません。 |
| 編集の入力数 | 1–16 枚。アップロード順に image 1、image 2 以降と呼びます。 |
| 入力可能な形式 | JPEG、PNG、WebP、HEIC、HEIF |
| 入力寸法 | 各辺 128–8192 ピクセルで、長辺は短辺の 4 倍以下です。 |
| 比率を省略したとき | text-to-image は 1:1、編集は参照画像と prompt からモデルが選びます。 |
| 公開されていない設定 | ネガティブプロンプト、ガイダンス、サンプリングステップです。 |
| 画素寸法の実測値 | 1k・1:1 は 1024 x 1024、2k・16:9 は 2720 x 1536、4k・1:1 は 4096 x 4096、4k・16:9 は 5472 x 3072 です。 |
主な機能とハイライト
場面の中に書かれた Room 1207
2k、3:2 の結果では、黒いシルクのスリップ姿の女性がホテルのシーツに横たわり、"Room 1207, midnight" と読めるメモを持っています。柔らかな朝の光の写真風シーンでも指定の文字が残りました。短い手書き行を確認する例で、長文を安定して描くことは示していません。
クラブの一部になるレタリング
クラブ画像には読める MIDNIGHT JAZZ の看板があり、別の香水テストではラベルに NOIR 07 が描かれました。いずれも場面内の短い句です。自分の文言では引用符と配置面を示し、返された文字を 1 字ずつ確認します。
部屋と被写体に別の役目を
家具のある部屋の例は、一方が空間、もう一方が犬という 2 枚の目的が明確です。合成テストでは人物や物を別画像の場面へ移せました。入力順に元画像を呼び、場所のどの要素を残すかも説明します。
元の物を基準に変更を伝える
スニーカーの例は配色の希望に、元の形と床を残す指示を添えています。商品編集でも変更と保持を分けて書きます。細部の保持は確認すべき目標で、画像が変わらない保証ではないため、生成後に元の物と比較してください。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 5,000 文字以内の編集指示が必須です。アップロード順に image 1、image 2 と番号で指定してください。 1 文字以上 · 5000 文字以内 |
image_urls | はい | JPEG・PNG・WebP・HEIC・HEIF の画像を 1〜16 枚並べたリストが必須です。縦横はそれぞれ 128〜8192 ピクセル、長辺は短辺の 4 倍以内にしてください。 1 件以上 · 16 件以内 |
aspect_ratio | いいえ | 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 のほか、編集結果の幅と高さを直接決める custom も選べます。省略すると画像と prompt からモデルが形を決めます。 |
width | いいえ |
|
height | いいえ |
|
resolution | いいえ | 編集の出力には 1k(既定、約 1 MP)、2k(約 4 MP)、4k(約 16 MP)を選べます。前の 2 段階は同額で、4k の生成料金はその 3 倍です。 |
enable_prompt_expansion | いいえ | 既定の true では、MiniMax が画像を処理する前に編集指示をより詳しい英文へ書き直します。image 1、image 2 などの書き方をそのまま残したい場合は false にします。 デフォルト値: |
output_format | いいえ | 編集結果は png、jpeg、webp に対応し、省略時は png です。形式による追加課金はありません。 |
seed | いいえ | 任意の 0〜2,147,483,647 で、料金はかかりません。 |
料金
返された画像ごとに選択したサイズの料金がかかり、各入力画像に少額が加算されます。1k と 2k の生成料金は共通で、4k はその 3 倍です。失敗した編集は課金されません。
| 仕様 | 料金 |
|---|---|
| $0.036 / 枚 |
| $0.036 / 枚 |
| $0.108 / 枚 |
ユースケース
メモを中心にしたポートレート
人物、静かな部屋、カードの正確な言葉を説明します。Room 1207 の例は 2k、3:2 で読み取れる手書きメッセージとなり、ポーズや光と同じく言葉が重要な場面の出発点になります。
商品画像の短いラベル
文字を短くし、ボトルのラベルなど特定の面に結び付けます。NOIR 07 は読み取れ、MIDNIGHT JAZZ の看板も明瞭でした。画像に長文を計画するより、短い文字を検証する根拠になる結果です。
服装と場所の修正
許可のある人物写真を編集に使い、新しい服装や場所と、人物を残す指示を分けて書きます。単一画像の変更で顔を認識できました。元画像の続きとして採用する前に各編集を確認してください。
別の場面へ被写体を配置
1 枚を人物や物、もう 1 枚を配置先の環境にします。2 枚の合成テストでは役割を組み合わせられました。入力に番号を付けると、動かす被写体と受け入れる場面を指定できます。
横長と正方形の構図
配置先に合う形を選び、画素数の段階は別に指定します。実測は 2k・16:9 が 2720 x 1536、4k・1:1 が 4096 x 4096、4k・16:9 が 5472 x 3072 で、段階名だけで幅は固定されません。
プロンプトガイドと実践のヒント
生成か編集かを選びます
言葉で場面を作るなら text-to-image、既存画像を基準にするなら image-to-image を使います。編集の人物写真は使用権のある成人のものにし、なりすましを避けます。
目指す画像を説明します
被写体、服装、雰囲気、場所、光を、つながりのある英語で 5,000 文字以内に書きます。編集なら image 1、image 2 以降の入力を名指しし、変更点と保持する細部を指定します。
形、サイズ、形式を設定
15 種類の比率と 1k、2k、4k を選びます。1k と 2k は同じ生成単価で、4k は 3 倍です。既定は PNG で、JPEG と WebP も形式による追加料金なしで使えます。
返された細部を確かめます
引用した文字を prompt と照合し、編集した顔や物を元画像と比較します。採用結果と設定を残してから、指示の一部を変えて次の生成を行います。
入力画像を修正・合成する
MiniMax H3-Image image-to-image は編集指示と 1–16 枚の写真を受け付けます。一方で残す人物や物、もう一方で配置先の場面を与えられます。当社の単一画像テストでは服装と場所を変えても顔を認識でき、2 枚のテストでは一方の被写体を他方の環境と組み合わせられました。
使用権のある写真を使ってください。編集入力の人物は成人とし、なりすましをしないでください。肖像の修正を採用する前に、人物と元画像の細部を確かめます。
編集のパラメータ
| パラメータ | 必須条件・選択 |
|---|---|
prompt | 最大 5,000 文字の指示が必須です。入力をアップロード番号で指定します |
image_urls | 順序付きの 1–16 枚が必須で、各入力に料金が加わります |
aspect_ratio | 15 種類から任意選択。省略時は入力と prompt からモデルが選びます |
resolution | 既定は 1k で、2k、4k も使えます |
output_format | 既定の png のほか jpeg、webp があり、形式で単価は変わりません |
seed | 任意で 0〜2,147,483,647 です。拡張をオフにすれば、同じ元画像で指示を 1 か所だけ変えた比較に使えます |
enable_prompt_expansion | 既定は true です。false にすると編集指示を書き直さずに MiniMax へ渡します |
width、height | aspect_ratio が custom のときの正確な出力寸法(ピクセル)です。両方必須で、選んだ段階に収めます |
入力は JPEG、PNG、WebP、HEIC、HEIF です。各辺は 128–8192 ピクセル、長辺は短辺の 4 倍以下です。複数の参照を送る前にすべてを確認してください。
出力比率は 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 です。配置に必要な形があれば指定します。未指定ならモデルが選ぶため、縦長の元画像でも同じ比率とは限りません。当社の比率未指定の単一人物編集は 832 x 1248 でした。custom を選ぶと、比率の代わりに width と height で正確なピクセル寸法を指定できます。たとえば印刷用の縦長なら 1024 x 1536 です。
元画像の役割を言葉で決める
最初を image 1、次を image 2 と実際の順序で呼びます。枚数だけでは画像をどう組み合わせるかは伝わりません。完成場面の説明前に、元の被写体、新しい環境、保持する部分を明確にします。
合成なら image 1 の部屋を場所にし image 2 の犬をソファの横へ置く、と指示できます。肖像の変更なら image 1 のシェフを認識できるよう保ち、雨の屋台へ移すという構造になります。服装や光の指示は、対象が明確になるよう役割を決めた後に加えます。
変更点と保持目標を分けてください。配色なら布、縁、ソールの色に続けて残すシルエットと床を指定できます。場所の変更なら新背景を示し、残す顔と服装を書きます。これらは結果と照合する指示であり、言及しない細部がすべて固定される保証ではありません。
実用的な確認手順
- アップロード順と prompt の呼び名を照合します。
- 編集前に比率と解像度段階を確かめます。
- 結果の被写体を対応する元写真と比較します。
- 配置、指定色、短い文字を個別に調べます。
- 採用結果と元画像一覧を次の修正用にまとめます。
生成料金と参照料金
編集は出力段階の生成料金に、最初の元画像を含む入力ごとの少額料金を加えます。1k と 2k の生成単価は同じで、4k の生成分は 3 倍です。出力形式では変わりません。参照数を決める前に モデルページの現在の料金 を確認してください。失敗した編集は無料です。
追加の画像には環境や被写体の供給など明確な目的を持たせます。多数の画像だけで意図が伝わると考えず、不要な参照は送信前に外します。入力料金は渡した枚数に応じます。
観察結果と制限
単一画像の服装・場面変更で顔を認識でき、2 枚の合成でも人物や物を別の場面に置けました。室内の犬、シェフ、スニーカーは変更と保持を分ける例です。無制限の連続修正で同一性が維持されることは示していません。
短い文字のテストはボトルの NOIR 07 と看板の MIDNIGHT JAZZ です。編集で文字が必要なら、言葉を引用し位置を指定して結果を校正します。短文の記録で長文の正確さは確認できません。
標準化した NSFW テストでは毎回画像が返り、各出力に課金されました。Very strong の編集は 0/3、Maximum は 6/6 で指示に一致しました。この違いを踏まえて挙動を判断する必要があります。表現が抑えられた画像も納品扱いで、失敗時の無料規則とは別です。
この選択肢にネガティブプロンプト、ガイダンス、サンプリングステップはありません。seed は enable_prompt_expansion が false のときだけ開始点を再現するため、同じ元画像で指示を 1 か所変えて確かめる用途に向きますが、同一の編集結果は約束しません。3 段階の解像度は概算の画素面積で、幅は比率にも依存します。段階名だけで判断せず、保存した寸法を確認してください。
関連版が向く場合
入力画像が不要なら同じファミリーの text-to-image を使います。中間サイズが必要なら、最大 9 枚の編集入力と独自の参照記法を持つ Open Weights を検討します。Open Weights LoRA は LoRA 入力も追加します。版間の同一画像は未検証なので、必要な操作と参照容量で選んでください。
API クイックスタート
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-image/edit",
"input": {
"image_urls": [
"https://example.com/reference.png"
],
"output_format": "png",
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"resolution": "1k"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。




























