소개
오픈웨이트 생성기에 장면 설명을 보내고 필요에 따라 seed, 화면비, 크기 단계, 인코딩을 고릅니다.
| 항목 | 값 |
|---|---|
| 입력 | 텍스트 |
| 출력 | 이미지 |
| 모델과 출력 | MiniMax H3-Image 오픈웨이트, 텍스트 생성과 이미지 편집, 정지 이미지 |
| 프롬프트 한도 | 두 엔드포인트 모두 필수, 최대 5,000자 |
| 해상도 선택 | 1k 약 100만화소(기본); 1.5k 약 240만화소; 2k 약 400만화소; 3k 약 940만화소; 4k 약 1,680만화소 |
| 캔버스 비율 | 15가지: 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 |
| 화면비 기본값 | 텍스트 생성은 1:1, 편집은 |
| 편집 사진 | 1~9장, 원본 뒤에 참조 최대 8장 |
| 사진 참조 표기 | <Picture 1>은 원본, <Picture 2> 이후는 추가 참조 |
| seed 설정 | 선택 사항, 동일 화소를 보장하지 않지만 한 요소 변경 비교 지원 |
| 파일 인코딩 | jpeg(기본), png, webp, 형식에 따른 요금 차이 없음 |
| 실측 이미지 크기 | 1k 3:4: 896 x 1184; 1.5k 9:16: 1152 x 2048; 2k 3:2: 2496 x 1664; 3k 1:1: 3072 x 3072; 4k 16:9: 5472 x 3072 |
| 관찰된 모델 처리 시간 | 11월 11일 1k 오전 20 |
| 과금 기준 | 해상도 단계별 완료 이미지당 과금, 편집은 원본 다음 참조마다 추가 요금, 실패 요청 무료 |
핵심 기능 및 하이라이트
도시 윤곽과 대비되는 푸른 수영장 빛
1.5k, 3:4, seed 7의 옥상 수영장 예시에는 밤에 물에서 나오는 남성이 도시 불빛과 푸른 수영장 빛을 배경으로 보입니다. 더 큰 정사각형 아침 식사 장면과 함께 중간 단계의 인물 사진을 보여 줍니다.
중대형 단계의 테이블 장면
아침 식사 샘플은 seed 7로 빵, 무화과, 꿀, 리넨이 보이는 3072 x 3072 이미지를 반환했습니다.
해안 장면에 자전거를 탄 인물을 배치합니다
합성은 <Picture 1>의 도로와 연한 파란색 쿠페를 유지하며 <Picture 2>의 인물과 자전거를 그 옆에 놓았습니다.
흐린 날씨를 가을빛으로 바꿉니다
원본 한 장이 주황색 낙엽과 안개 낀 강이 있는 가을 다리 장면으로 바뀌었습니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
prompt | 예 | 원하는 장면을 최대 5,000자로 설명합니다. 필수 필드이며 기본값과 프롬프트 길이 요금은 없습니다. 1자 이상 · 5000자 이하 |
aspect_ratio | 아니요 | 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 중 고릅니다. 생략하면 1:1이며 단계별 요금에는 영향을 주지 않습니다. |
resolution | 아니요 | 다른 값을 선택하지 않으면 1k로 생성합니다. 1.5k, 2k, 3k, 4k를 고를 수 있으며 단계가 올라갈수록 이미지당 요금도 증가합니다. |
output_format | 아니요 | 기본 인코딩은 jpeg입니다. png와 webp도 같은 요금으로 이용할 수 있습니다. |
seed | 아니요 | 선택 사항인 seed로 난수 소스를 고정해 변경 사항 하나를 비교합니다. 같은 출력은 보장되지 않습니다. |
요금
성공한 생성은 선택한 5가지 크기 단계 중 해당 요금으로 이미지당 과금합니다. 상위 단계일수록 비싸며 생성 실패에는 요금이 없습니다.
| 사양 | 요금 |
|---|---|
| $0.024 / 장 |
| $0.036 / 장 |
| $0.048 / 장 |
| $0.096 / 장 |
| $0.144 / 장 |
활용 사례
분위기가 분명한 야간 인물 사진
인물, 행동, 광원을 중심으로 에디토리얼 장면을 구성합니다. 옥상 수영장 예시는 1.5k, 3:4, seed 7로 도시 불빛과 푸른 수영장 빛을 배경으로 한 남성을 반환했습니다.
더 큰 크기의 테이블 배치
출력 단계를 고르기 전에 사물과 위치를 설명합니다. 3k 정사각형 아침 식사 결과는 3072 x 3072로 빵, 무화과, 꿀, 리넨을 내려다보는 구도였습니다.
원본별 역할을 나눈 합성
장소와 추가 대상을 서로 다른 사진 번호로 지정합니다. 해안 편집에서는 도로와 연한 파란색 쿠페가 남았으며 다른 참조의 자전거와 인물이 그 옆에 나타났습니다.
대상을 유지하며 계절 변경
유지할 세부 요소를 명시하면서 새 계절과 조명을 요청합니다. 다리 편집에서는 인물과 자전거를 남기고 가을 낙엽, 황금빛, 강 위의 안개를 추가했습니다.
지정한 짧은 문구의 간판
짧은 라벨이나 간판 문구를 따옴표로 묶고 장면의 어느 곳에 둘지 적습니다. 같은 프롬프트 비교에서 나무 간판의 HOT SOUP 3 FRANCS가 정확히 표현됐습니다. 긴 글은 여전히 주의 깊게 검토해야 합니다.
프롬프트 가이드 및 실전 팁
장면이나 원본에서 시작합니다
글로 적은 구상은 텍스트 생성을, 수정할 사진이 있으면 이미지 편집을 선택합니다. 편집에는 사용 권한이 있는 성인 사진을 쓰며 사칭하지 않습니다.
구도와 참조 역할을 설명합니다
장소, 대상, 의상, 빛, 카메라 시점을 연결된 영어 문장으로 적습니다. 편집에서는 원본을 <Picture 1>로 부르고 이후 참조마다 번호에 맞는 역할을 줍니다.
화면비, 단계, 파일 형식을 정합니다
1k~4k에서 해상도를 고르고 생성 화면비를 선택합니다. 편집은 비율을 주지 않으면 원본 형태를 따릅니다. 기본 JPEG 외에 PNG와 WebP도 가능합니다.
seed로 한 가지 변경을 비교합니다
seed와 나머지 설정을 고정하고 지시 하나만 바꿉니다. 결과의 세부 요소를 구상과 대조합니다. 고정 seed는 비교를 돕지만 동일 결과를 약속하지 않습니다.
글로 설명한 장면에서 정지 이미지 생성
MiniMax H3-Image Open Weights는 장면 설명을 이미지로 바꾸며 해상도 5단계와 선택 사항인 seed를 제공합니다. 원본 사진 없이 새 인물 사진, 테이블 배치, 시각적 구상을 만들 때 사용합니다. 옥상 수영장은 1.5k, 3:4, seed 7을, 아침 식사는 3k 정사각형을 사용한 예시입니다.
파라미터와 기본값
| 파라미터 | 입력 내용 | 기본값 또는 효과 |
|---|---|---|
prompt | 필수 장면 설명, 최대 5,000자 | 의도한 전체 구도 설명 |
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 | 생략 시 1:1 |
resolution | 1k, 1.5k, 2k, 3k, 4k | 기본 1k, 상위 단계마다 요금 증가 |
output_format | jpeg, png, webp | 기본 jpeg, 형식에 따른 요금 차이 없음 |
seed | 비교용 난수 소스, 선택 사항 | 동일 화소를 보장하지 않음 |
화면비는 구도를, 해상도 단계는 대략적인 이미지 면적을 정합니다. 실측은 1k 3:4의 896 x 1184, 1.5k 9:16의 1152 x 2048, 2k 3:2의 2496 x 1664, 3k 정사각형의 3072 x 3072, 4k 16:9의 5472 x 3072였습니다. 단계 이름을 고정 너비나 높이로 해석하지 않습니다.
생성 전 요금 확인
완료된 생성은 선택 해상도 단계에 따라 이미지당 과금합니다. 1k에서 중간 단계를 거쳐 4k로 올라갈 때마다 요금이 오릅니다. 필요한 파일에 맞춰 JPEG, PNG, WebP를 고르며 단계 요금에는 영향이 없습니다. 생성 실패는 무료입니다. 크기를 고르기 전 모델 페이지의 현재 요금을 확인합니다.
연결된 문장으로 이미지 설명
MiniMax는 전체 사진을 다루는 자세한 영어 설명을 권장합니다. 대상, 행동, 장소, 빛, 카메라 시점을 분명히 적습니다. 인물은 30대 이상으로 묘사합니다. 긴 스타일 태그 목록 대신 의상과 표정으로 분위기를 전달할 수 있습니다.
예를 들어 40대 여성이 실크 이브닝드레스를 입고 비가 그친 지붕 있는 테라스에서 기다리는 장면을 설명합니다. 문가의 따뜻한 빛, 푸르고 흐릿한 도시, 탁자 건너편에서 전체를 담는 카메라를 연결합니다. 지원 화면비는 별도로 골라 구도를 용도에 맞춥니다.
글자는 짧은 문구를 따옴표로 감싸 상점 간판, 병 라벨, 탁자 위 카드 등 사물에 연결합니다. 사용 전 반환 글자를 확인합니다. 확인된 근거는 짧은 문구이며 문단 길이의 정확성을 입증하지 않습니다.
한 가지 수정 비교
seed, 화면비, 해상도를 유지하고 빛 방향 등 하나만 바꿉니다. 두 프롬프트를 각 이미지 옆에 보관합니다. 고정 seed는 한 요소씩 비교하는 데 유용하지만 반복 요청의 동일 결과를 보장하지 않습니다. 화소 일치 검사가 아닌 시각적 근거로 비교합니다.
예시와 테스트 결과
- 옥상 샘플은 도시 불빛과 푸른 수영장 빛을 배경으로 밤에 물에서 나오는 남성을 반환했습니다. 설정은 1.5k, 3:4, seed 7, PNG였습니다.
- 아침 식사 샘플은 3k 정사각형에서 빵, 무화과, 꿀, 리넨의 3072 x 3072 하향 구도를 보여 줍니다.
- 1k의 6개 프롬프트 비교에서 나무 간판의 ‘HOT SOUP 3 FRANCS’가 정확했습니다. 다른 요청에서는 커피 드리퍼가 손잡이 달린 머그로 나타나 글자와 함께 사물 정체성도 확인해야 함을 보여 줍니다.
- 11월 11일 1k 모델 시간은 오전 20
45초, 저녁 36초였고 저녁 4k 실행은 36초였습니다. 대기와 전송은 제외합니다.
콘텐츠 테스트 관찰
11월 11일 저녁 NSFW 점검에서는 텍스트 생성 거부가 없었고 모든 반환 이미지에 과금됐습니다. 요청대로 제공된 횟수는 Mild 3/3, Moderate 3/3, Strong 3/3, Very strong 1/3, Maximum 6/6이었습니다. 일부는 거부 대신 완화된 이미지를 반환했습니다. 수준 이름은 테스트 기록이며 미래 요청에 대한 약속이 아닙니다.
한계와 관련 선택지
정지 이미지만 만들며 영상과 오디오는 출력하지 않습니다. 네거티브 프롬프트, 가이던스, 샘플링 스텝 제어는 없습니다. 프롬프트를 5,000자 이내로 작성하고 얼굴, 사물, 문구를 확인한 뒤 채택합니다.
원본을 바탕으로 바꾸려면 이미지 편집을 선택합니다. LoRA 계열은 스타일 가중치 파일을 최대 3개 받습니다. MiniMax H3-Image는 3단계와 seed 없는 제어를 제공하며 이 옵션과 출력 동등성은 검증되지 않았습니다. 별도 모델 P-H3-Image는 동일 입력 비교에서도 다른 이미지를 반환했습니다. 기존 H3 Image LoRA 계열은 H3 영상 모델로 단일 프레임을 생성합니다.
API 빠른 시작
# 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"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.
























