はじめに
公開ウェイトの生成機能にシーンの説明を送り、必要に応じて seed、画像の形、サイズの段階、エンコードを指定します。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 出力 | 画像 |
| モデルと出力 | MiniMax H3-Image の公開ウェイトで、text-to-image と画像編集による静止画です。 |
| prompt の文字数 | 両エンドポイントで必須、最大 5,000 文字です。 |
| 解像度段階 | 1k 約 1 MP(既定)、1.5k 約 2.4 MP、2k 約 4 MP、3k 約 9.4 MP、4k 約 16.8 MP です。 |
| キャンバス比率 | 15 種類:1:1、16:9、9:16、4:3、3:4、3:2、2:3、5:4、4:5、2:1、1:2、3:1、1:3、21:9、9:21 です。 |
| 形の既定動作 | 文章からの生成は 1:1、編集は |
| 編集画像の数 | 元画像と最大 8 枚の参照で、合計 1–9 枚です。 |
| 画像の参照記法 | 元画像は <Picture 1>、追加参照は <Picture 2> 以降で指定します。 |
| seed の利用 | 任意です。画素の一致を保証せず、変更 1 つの比較に使えます。 |
| ファイル形式 | jpeg(既定)、png、webp。形式で料金は変わりません。 |
| 画像寸法の記録 | 1k・3:4 は 896 x 1184、1.5k・9:16 は 1152 x 2048、2k・3:2 は 2496 x 1664、3k・1:1 は 3072 x 3072、4k・16:9 は 5472 x 3072 です。 |
| モデル処理の実測 | 11 月 11 日の 1k は午前 20–45 秒、夜 3–6 秒、夜の 4k は 36 秒でした。待機と転送は含みません。 |
| 課金の仕組み | 完成画像ごとに解像度別の料金がかかります。編集は元画像以降の参照に追加料金があり、失敗時は無料です。 |
主な機能とハイライト
街の輪郭を背にした青いプール光
1.5k、3:4、seed 7 の屋上プールでは、夜の水から出る男性を都市の明かりと青い光が照らします。大きな正方形の朝食例と並び、中間段階での肖像の例になっています。
中大サイズで描くテーブル
朝食のサンプルは seed 7 で、パン、イチジク、蜂蜜、リネンを 3072 x 3072 に描きました。
海岸の場面に自転車の乗り手を加える
合成では <Picture 1> の道と淡い青のクーペを残し、<Picture 2> の人物と自転車を横に置きました。
曇り空を秋の光へ
元画像 1 枚が、舞うオレンジ色の葉と霧の川を伴う秋の橋へ変わりました。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 作成したいシーンを 5,000 文字以内で記述してください。必須項目で既定値はなく、文字数による追加料金もありません。 1 文字以上 · 5000 文字以内 |
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 のいずれかを指定できます。未指定時は 1:1 となり、サイズ段階の料金には影響しません。 |
resolution | いいえ | 指定がなければ 1k で生成します。1.5k、2k、3k、4k も選べ、段階を上げるごとに画像 1 枚の料金が上がります。 |
output_format | いいえ | エンコードの既定値は jpeg です。png や webp を選んでも料金は同じです。 |
seed | いいえ | 任意の seed で乱数の生成元を固定し、1 つの変更を比較できます。同じ出力は保証されません。 |
料金
成功した生成画像ごとに、選んだ 5 段階のサイズの料金で課金されます。上の段階ほど料金が高く、失敗した生成には費用がかかりません。
| 仕様 | 料金 |
|---|---|
| $0.024 / 枚 |
| $0.036 / 枚 |
| $0.048 / 枚 |
| $0.096 / 枚 |
| $0.144 / 枚 |
ユースケース
雰囲気を定めた夜の肖像
人物、動作、光源を中心に場面を構成します。屋上プールの例では 1.5k、3:4、seed 7 で、都市の明かりと青いプールの光を背にした男性が返りました。
大きなサイズのテーブル配置
物と配置を説明してから段階を選びます。3k の正方形の朝食は 3072 x 3072 で、パン、イチジク、蜂蜜、リネンを真上から捉えました。
役割を分けた元画像の合成
場所と加える人物に異なる画像番号を与えます。海岸の編集では道と淡い青のクーペが残り、別参照の自転車と乗り手が横に現れました。
人物を残して季節を変更
残す細部を明記し、新しい季節や光を依頼します。橋の編集は人物と自転車を保ち、秋の葉、金色の光、川の霧を加えました。
短い指定文字の看板
短い看板やラベルを引用し、場面内の場所を示します。同一 prompt の比較は木製看板に HOT SOUP 3 FRANCS を正確に描きました。長文は引き続き慎重な確認が必要です。
プロンプトガイドと実践のヒント
場面か元画像から始めます
文章で作るなら text-to-image、写真を修正するなら画像編集を選びます。編集は使用権のある成人の写真を使い、なりすましを避けます。
構図と参照の役割を記述
場所、被写体、服装、光、カメラの視点をつながった英語で書きます。編集では元画像を <Picture 1> と呼び、後の参照にも番号と役割を与えます。
形と段階、形式を決めます
1k–4k から解像度を選び、生成では比率も指定します。編集で比率を省くと元画像に従います。既定は JPEG で、PNG と WebP も使えます。
seed で変更を比較します
seed などの設定を固定し、指示を 1 つ変えます。結果の細部を説明と照合してください。固定 seed は比較を助けますが、同一結果を約束しません。
文章で静止画を作る
MiniMax H3-Image Open Weights は場面の説明を画像へ変え、5 段階の解像度と任意の seed を使えます。元写真なしの肖像、テーブル配置、視覚研究に適しています。屋上プールは 1.5k、3:4、seed 7、朝食は 3k の正方形の例です。
パラメータと既定値
| パラメータ | 入力 | 既定・効果 |
|---|---|---|
prompt | 必須の場面説明、最大 5,000 文字 | 画面全体を説明します |
aspect_ratio | 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 | 省略時は 1:1 です |
resolution | 1k, 1.5k, 2k, 3k, 4k | 1k。段階を上げるごとに単価も上がります |
output_format | jpeg, png, webp | jpeg。形式で単価は変わりません |
seed | 任意の比較用乱数源 | 同じ画素は保証しません |
比率が画面の形、段階が概算の面積を決めます。実測は 1k・3:4 が 896 x 1184、1.5k・9:16 が 1152 x 2048、2k・3:2 が 2496 x 1664、3k 正方形が 3072 x 3072、4k・16:9 が 5472 x 3072 です。段階名は固定の幅や高さではありません。
生成前の料金確認
完成画像に選んだ解像度段階の料金がかかり、1k から中間段階を経て 4k へ上げるたびに価格が上がります。JPEG、PNG、WebP は必要な形式で選べ、段階の単価は同じです。失敗した生成は無料です。サイズを選ぶ前に モデルページの現在の価格 を確認します。
画像をつながった文章で説明
MiniMax は画像全体を詳しく英語で説明することを求めています。被写体、動作、場所、光、カメラの視点を明確にします。人物は 30 代以上にしてください。服装や表情で雰囲気を伝えれば、無関係なスタイルタグを長く並べる必要はありません。
たとえば、シルクのイブニングドレスの 40 代女性が雨上がりの屋根付きテラスで待ち、暖かな戸口の光が横顔を照らし、青くかすむ街を背景に机の向こうから全景を捉える、と説明できます。配置先に合わせ、対応する比率は別に選びます。
文字は短い句を引用し、店の看板、瓶のラベル、机のカードなどに結び付けます。使用前に返された文字を確認してください。文字の根拠は短い文言で、段落の正確さは示していません。
1 つの修正を比較
seed、比率、解像度を保ち、光の方向など 1 点を変えます。両方の prompt を画像と一緒に残します。固定 seed は比較の補助であり、再試行で同じ結果を約束しません。画素一致ではなく、視覚的な根拠として評価します。
例とテストの観察
- 屋上の例は、夜のプールから出る男性に街の明かりと青い光がある結果でした。設定は 1.5k、3:4、seed 7、PNG です。
- 朝食はパン、イチジク、蜂蜜、リネンの俯瞰で、3k 正方形の実測は 3072 x 3072 でした。
- 1k の 6 プロンプト比較では木製看板の "HOT SOUP 3 FRANCS" が正確でした。別の依頼はコーヒードリッパーが取っ手付きマグになり、文字だけでなく物の同一性も確認が必要と分かりました。
- 11 月 11 日の 1k の処理は午前 20–45 秒、夜 3–6 秒、夜の 4k は 36 秒で、待機・転送を除きます。
コンテンツ検証の記録
11 月 11 日夜の NSFW 確認では text-to-image の拒否はなく、すべての返却画像が課金されました。指示一致は Mild 3/3、Moderate 3/3、Strong 3/3、Very strong 1/3、Maximum 6/6 でした。一部は拒否でなく控えめな結果となっています。レベル名は記録を表し、将来の結果を約束しません。
制限と近い選択肢
静止画のみで動画・音声は出ません。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公開していません。5,000 文字以内に収め、採用前に顔、物、文字を説明と照合します。
既存画像を基準にするなら 画像編集、最大 3 つのスタイルウェイトを加えるなら LoRA 版 です。MiniMax H3-Image は 3 段階で seed がなく、この版との出力一致は未検証です。P-H3-Image は別モデルで、入力をそろえても異なる画像でした。旧 H3 Image LoRA ファミリー は H3 動画モデルで単一フレームを作ります。
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-image-open/text-to-image",
"input": {
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"resolution": "1k",
"aspect_ratio": "1:1",
"output_format": "jpeg"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$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。
























