はじめに
ホスト型の画像生成では、prompt に加え、形、解像度の段階、ファイル形式を任意で選択できます。既定の出力は 1k の PNG です。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 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 文字以内のシーン説明が必須です。既定の文章はなく、prompt に追加料金はかかりません。 1 文字以上 · 5000 文字以内 |
aspect_ratio | いいえ | 既定は 1:1 です。選択肢は 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 に加え、width と height で正確なピクセル寸法を決める custom です。 |
width | いいえ |
|
height | いいえ |
|
resolution | いいえ | 解像度の段階は、既定の 1k が約 1 MP、2k が約 4 MP、4k が約 16 MP です。1k と 2k は同額で、4k はその 3 倍の料金です。 |
enable_prompt_expansion | いいえ | 既定は true で、MiniMax がまずシーンを長めの英文に書き直します。引用したラベルを入力どおりに残したいときなどは false にすると、prompt がそのまま使われます。 デフォルト値: |
output_format | いいえ | 生成ファイルには png、jpeg、webp を選べます。既定は png で、形式を変えても料金は変わりません。 |
seed | いいえ | 0〜2,147,483,647 の整数で任意です。料金への影響はありません。 |
料金
生成に成功した画像ごとの課金です。1k と 2k は同一料金で、4k はその 3 倍です。生成に失敗した場合は課金されません。
| 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。
文章の場面説明から静止画を生成
MiniMax H3-Image text-to-image は元画像なしで画像を作ります。ポートレート、商品シーン、短いメッセージを含む構図に使えます。英語で場面を説明し、形、画素数の段階、形式を別のパラメータで指定します。既定では正方形の 1k PNG ができます。
このエンドポイントのパラメータ
| パラメータ | 値と動作 |
|---|---|
prompt | 英語の場面説明が必須で、最大 5,000 文字です |
aspect_ratio | 既定は 1:1 で、下記 15 種類に対応します |
resolution | 既定の 1k、または 2k、4k で生成段階を選びます |
output_format | 既定の png、または jpeg、webp。形式追加料金はありません |
seed | 0〜2,147,483,647 の整数で任意です。プロンプト拡張がオフのときだけ開始点を再現します |
enable_prompt_expansion | 既定は true で、MiniMax が説明をより詳しい英文に書き直します。false なら記述をそのまま使います |
width、height | aspect_ratio が custom のときだけ使います。各 468〜7,745 ピクセルで、面積は選んだ段階に収めます |
画像の縦横比として指定できるのは、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。縦の肖像と横の部屋でも同じ解像度段階を異なる寸法で使えます。aspect_ratio で形を選び、構図の説明と一致させます。納品先が 1920 x 1080 のような正確なピクセル寸法を求めるなら custom を選びます。1k と 2k は 450 万画素まで、4k はそれを超えて 2,000 万画素までの面積に対応します。
画素数の段階と料金
出力画像ごとに課金されます。1k は約 1 メガピクセル、2k は約 4 メガピクセルですが同額で、4k の生成料金はその 3 倍です。JPEG、PNG、WebP は同じ料金規則です。実行前に MiniMax H3-Image のモデルページ の現在の単価を確認します。失敗した生成は課金対象外です。
正方形は 1k が 1024 x 1024、4k が 4096 x 4096 でした。16:9 は 2k が 2720 x 1536、4k が 5472 x 3072 です。段階名はおおよその面積区分で、すべての画像に 4096 ピクセルの辺があるという約束ではありません。
見える選択を中心にプロンプトを作る
MiniMax は画像全体の詳しい英語の説明を求めています。誰や何が登場するかから始め、服装や素材、場所、雰囲気、光を普通の文でつなぎます。人物は 30 代以上を指定してください。雨の窓辺の白髪交じりの男性と、暗い石の上の琥珀色の瓶では必要な説明が違います。見た目を決める細部を各場面に与えます。
文字は正確な句を引用符で囲み、物に結び付けます。たとえば朝の柔らかな光でカメラに向けたカードに "Room 1207, midnight" と手書きする、という短く確認しやすい指定です。1 つの読み取れる例から段落の描画までできると考えず、出力を照合します。
修正は次の流れで進められます。
- prompt、比率、段階、結果をまとめて保存します。
- 被写体、指定文字、配置を別々に確認します。
- 光の方向やラベルの位置など具体的な部分を変えます。
- 次の変更前に、新しい結果を採用した方向と比較します。
enable_prompt_expansion を false にしない限り、プロンプト拡張はオンです。オンの間は MiniMax が描画前に説明を書き直すため、同じ seed でも異なる画像になることがあります。比較を管理したい場合は拡張をオフにし、seed を固定して 1 か所ずつ表現を変えます。seed は比較の補助であり、同一画像を約束するものではありません。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ないため、見た目の要件は主説明に含めます。
サンプルと検証で確認したこと
新しい Room 1207 は 2k、3:2、PNG を使用しました。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、指定した "Room 1207, midnight" が読めるメモを持つ結果でした。別のテストでは NOIR 07 のラベルと MIDNIGHT JAZZ の看板も明瞭でした。これらの場面の短いメッセージ、ラベル、看板を確認したもので、長文は未検証です。
1k の 6 プロンプト比較では H3-Image、Open Weights、P-H3-Image の木製看板に "HOT SOUP 3 FRANCS" が再現されました。同じ句でも画像は同等ではありません。この比較では H3-Image が植物図版に小さいラテン文字のラベルを多く入れ、歩道橋からの視点指定にも従いました。個別の観察であり、一般的な品質順位ではありません。
2026 年 11 月 11 日のモデル処理時間は 1k が約 12–15 秒、4k が約 20–22 秒でした。待機と転送は別にかかります。
コンテンツの挙動には違いがあります
標準化した NSFW テストで拒否はなく、返された画像すべてに課金されました。Very strong の text-to-image は 1/3、Maximum は 6/6 で要求に一致しました。名称付きレベルは検証記録を示し、次の結果を保証しません。表現が抑えられても返された画像は、課金上は生成失敗と異なります。
必要なら関連する処理を選ぶ
元の顔、物、環境を構図の手掛かりにするなら、このページの image-to-image に進みます。Open Weights は公開ウェイトを 3 段階ではなく 5 段階のサイズで動かします。LoRA を使う場合は Open Weights LoRA を選びます。それぞれ設定と料金は独立し、版をまたぐ出力の一致は未検証です。
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/h3-image/text-to-image",
"input": {
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette",
"resolution": "1k",
"aspect_ratio": "1:1",
"output_format": "png"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
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。




























