Felo API PlatformFelo API Platform
بازگشت به مدل‌ها

MiniMax H3 Image API

MiniMax-H3-Image مدل تولید و ویرایش تصویر از MiniMax است که خروجی تا ۱۶ مگاپیکسل و ویرایش با حداکثر ۱۶ تصویر مرجع را پشتیبانی می‌کند.

MiniMax-H3-Image یک مدل تولید و ویرایش تصویر از شرکت MiniMax است که متن و تصویر را به عنوان ورودی می‌پذیرد و تصویر تولید می‌کند. این مدل توانایی تولید تصاویر با ابعاد ۴۰۹۶ در ۴۰۹۶ پیکسل (۱۶ مگاپیکسل) را دارد و از ویرایش تصویر با حداکثر ۱۶ تصویر مرجع پشتیبانی می‌کند. بر اساس مستندات، این مدل قوی‌ترین پیروی از دستورالعمل را در میان مدل‌های متن‌باز دارد.

این مدل برای کارهایی مانند تبلیغات و برندسازی، تجارت الکترونیک، طراحی محصول، رابط و تجربه کاربری، بازی‌سازی، هنر مفهومی، کاوش محصول و تکرار چیدمان مناسب است. همچنین برای ویرایش‌های متمرکزی که بخش‌هایی از کادر باید ثابت بمانند کاربرد دارد. تنظیمات استنتاج این مدل ثابت است: num_inference_steps برابر ۶ و guidance_scale برابر ۱. پرامپت تا ۴۰۹۶ توکن کوتاه می‌شود.

این مدل تحت مجوز MiniMax-H3-Image Community License Agreement منتشر شده است. نسخه MiniMax-H3-Image-PE به صورت محلی و با سرور SGLang قابل اجراست. مؤلفه H3-Image-Context-IR پرامپت‌های کوتاه به زبان‌های دیگر را به توصیف‌های مفصل انگلیسی گسترش می‌دهد. پرامپت‌های منفی پشتیبانی نمی‌شوند و رد می‌شوند. مقادیر غیر از مقادیر ثابت num_inference_steps و guidance_scale خطای HTTP 400 برمی‌گردانند. استفاده تجاری که نیاز به اجازه کتبی جداگانه دارد باید از طریق platform.minimax.io/license درخواست شود.

به‌روزرسانی:

MODEL ID

minimax-h3-image
ورودی
text / image
خروجی
image

نکات برجسته

  • خروجی تا ۱۶ مگاپیکسل (۴۰۹۶ در ۴۰۹۶)
  • ویرایش با حداکثر ۱۶ تصویر مرجع
  • پیروی قوی از دستورالعمل
  • تنظیمات استنتاج ثابت
  • پرامپت تا ۴۰۹۶ توکن

ارائه‌دهندگان

1 ارائه‌دهنده

قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.

ارائه‌دهنده · جزئیات قیمت‌گذاری
دسترس‌پذیری

شروع سریع

وظیفه تصویر را ارسال کنید، وضعیت را بررسی و تصاویر را ذخیره کنید. مثال‌ها از curl و کتابخانه استاندارد Python 3 استفاده می‌کنند.

POST https://openapi.felo.ai/api/v1/images/generations

1کلید API خود را بگیرید

از حساب Felo API Platform خود کلیدی بسازید و آن را به‌عنوان متغیر محیطی تنظیم کنید.

export FELO_API_KEY="YOUR_API_KEY"

2اولین درخواست خود را بفرستید

مقادیر اختیاری به مدل بستگی دارند و اینجا تنظیم نشده‌اند. آن‌ها را در Playground تأیید کنید. فیلدها هم‌سطح model و prompt هستند و داخل input قرار نمی‌گیرند.

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
  "model": "minimax-h3-image"
}'

3بررسی وظیفه

ارسال، task_id برمی‌گرداند. در queued یا running هر ۳ ثانیه بررسی کنید؛ در succeeded، failed یا interrupted متوقف شوید. حداکثر انتظار ۳۰ دقیقه است. برای ادامه بررسی بدون ارسال مجدد، created.json را نگه دارید.

python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen

task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800

while task["status"] in ("queued", "running"):
    if time.monotonic() >= deadline:
        raise TimeoutError(f"Keep task_id={task_id} to resume polling")
    time.sleep(3)
    with urlopen(Request(url, headers=headers), timeout=60) as response:
        task = json.load(response)
    if task.get("task_id") != task_id or task.get("kind") != "image":
        raise ValueError("Unexpected task response")
    print(task["status"])

if task["status"] != "succeeded":
    raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
    raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY

4دانلود خروجی

پس از موفقیت، outputs را از task.json ذخیره کنید. نشانی HTTPS، شیء URL و b64_json پشتیبانی می‌شوند. پیوندهای امضاشده را زود دانلود کنید؛ دانلود تصویر به کلید API نیاز ندارد.

python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen

task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
    raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}

for index, output in enumerate(task["outputs"], 1):
    item = output if isinstance(output, dict) else {}
    url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
    mime = item.get("media_type") or "image/png"
    if url and url.startswith("https://"):
        with urlopen(url, timeout=60) as response:
            data = response.read()
            mime = response.headers.get_content_type()
    elif url and url.startswith("data:image/") and ";base64," in url:
        header, encoded = url.split(",", 1)
        mime = header[5:].split(";", 1)[0]
        data = base64.b64decode(encoded, validate=True)
    elif item.get("b64_json"):
        data = base64.b64decode(item["b64_json"], validate=True)
    else:
        raise ValueError("Unrecognized image output")
    path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
    path.write_bytes(data)
    print(path)
PY
input_references

برای ویرایش تصویر، نشانی نمونه را با نشانی HTTPS تصویر خود یا data URL تصویر base64 جایگزین کنید. یک بار ارسال کرده و همان مراحل بررسی و ذخیره را دنبال کنید.

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
  "model": "minimax-h3-image",
  "input_references": [
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/product.png"
      }
    }
  ]
}'

پارامترهای پشتیبانی‌شده

  • n
  • size
  • resolution
  • aspect_ratio
  • output_format
  • input_references

مرجع کامل را ترجیح می‌دهید؟

مرجع API →

پرسش‌های متداول

معرفی مدل: MiniMax H3 Image?

MiniMax-H3-Image یک مدل تولید و ویرایش تصویر از شرکت MiniMax است که متن و تصویر را به عنوان ورودی می‌پذیرد و تصویر تولید می‌کند. این مدل توانایی تولید تصاویر با ابعاد ۴۰۹۶ در ۴۰۹۶ پیکسل (۱۶ مگاپیکسل) را دارد و از ویرایش تصویر با حداکثر ۱۶ تصویر مرجع پشتیبانی می‌کند. بر اساس مستندات، این مدل قوی‌ترین پیروی از دستورالعمل را در میان مدل‌های متن‌باز دارد. این مدل برای کارهایی مانند تبلیغات و برندسازی، تجارت الکترونیک، طراحی محصول، رابط و تجربه کاربری، بازی‌سازی، هنر مفهومی، کاوش محصول و تکرار چیدمان مناسب است. همچنین برای ویرایش‌های متمرکزی که بخش‌هایی از کادر باید ثابت بمانند کاربرد دارد. تنظیمات استنتاج این مدل ثابت است: num_inference_steps برابر ۶ و guidance_scale برابر ۱. پرامپت تا ۴۰۹۶ توکن کوتاه می‌شود. این مدل تحت مجوز MiniMax-H3-Image Community License Agreement منتشر شده است. نسخه MiniMax-H3-Image-PE به صورت محلی و با سرور SGLang قابل اجراست. مؤلفه H3-Image-Context-IR پرامپت‌های کوتاه به زبان‌های دیگر را به توصیف‌های مفصل انگلیسی گسترش می‌دهد. پرامپت‌های منفی پشتیبانی نمی‌شوند و رد می‌شوند. مقادیر غیر از مقادیر ثابت num_inference_steps و guidance_scale خطای HTTP 400 برمی‌گردانند. استفاده تجاری که نیاز به اجازه کتبی جداگانه دارد باید از طریق platform.minimax.io/license درخواست شود.

هزینه استفاده چگونه محاسبه می‌شود؟

صورت‌حساب شما به ارائه‌دهنده‌ای که استفاده می‌کنید، قیمت‌های آن و میزان مصرف شما بستگی دارد. ورودی‌های طولانی‌تر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند. صورت‌حساب بر اساس هزینه واقعی تولید محاسبه می‌شود. مبلغ نهایی را در صورت‌حساب ببینید.

این مدل چه نوع ورودی‌هایی را پشتیبانی می‌کند؟

ورودی متن و تصویر را می‌پذیرد و تصویر تولید می‌کند. بنابراین هم تولید تصویر از متن و هم ویرایش تصویر با تصاویر مرجع ممکن است.

حداکثر تعداد تصاویر مرجع برای ویرایش چقدر است؟

این مدل از ویرایش تصویر با حداکثر ۱۶ تصویر مرجع پشتیبانی می‌کند.

آیا می‌توان تنظیمات num_inference_steps و guidance_scale را تغییر داد؟

خیر، این تنظیمات ثابت هستند: num_inference_steps برابر ۶ و guidance_scale برابر ۱. مقادیر دیگر خطای HTTP 400 برمی‌گردانند.

آیا پرامپت منفی پشتیبانی می‌شود؟

خیر، پرامپت‌های منفی پشتیبانی نمی‌شوند و رد می‌شوند.

محدودیت طول پرامپت چقدر است؟

پرامپت تا ۴۰۹۶ توکن کوتاه می‌شود.

تفاوت MiniMax-H3-Image با MiniMax-H3-Image-PE چیست؟

MiniMax-H3-Image-PE نسخه‌ای است که به صورت محلی و با سرور SGLang قابل اجراست، در حالی که MiniMax-H3-Image مدل اصلی تولید و ویرایش تصویر است.

مدل‌های مرتبط