Felo API PlatformFelo API Platform
بازگشت به مدل‌ها

MiniMax H3 Image Highspeed API

MiniMax H3 Image Highspeed نسخه‌ای از مدل تولید تصویر MiniMax H3 Image با وزن‌های باز است که برای سرعت بالا بهینه شده و تصاویر را از متن یا تصویر مرجع تولید و ویرایش می‌کند.

MiniMax H3 Image Highspeed یک مدل تولید و ویرایش تصویر از خانواده MiniMax H3 است که با وزن‌های باز ارائه می‌شود. این مدل متن و تصویر را به عنوان ورودی می‌پذیرد و تصویر تولید می‌کند. برخلاف نسخه استاندارد، حالت Highspeed برای سرعت بهینه شده و طبق منابع، سه تا چهار برابر سریع‌تر از حالت استاندارد عمل می‌کند. پارامترها و محدودیت‌های آن با نسخه استاندارد یکسان است.

این مدل می‌تواند تا ۱۶ تصویر مرجع را در یک تولید ترکیب کند، متن‌های طولانی و متراکم را رندر کند و پرامپت‌های بلند را بخواند. خروجی آن با نسبت‌های تصویر از ۱:۳ تا ۳:۱ و در رزولوشن بومی حدود ۱۶ مگاپیکسل ارائه می‌شود. از جمله کاربردهای آن می‌توان به تولید تصویر از متن، ویرایش تصویر، ساخت پوستر، اینفوگرافیک، صفحه رابط کاربری، مواد بازاریابی، نمونه‌سازی سریع و پردازش دسته‌ای اشاره کرد. همچنین برای ترکیب‌بندی‌های پیچیده، حفظ ثبات شخصیت و ساخت صحنه‌های چندعنصری مناسب است.

این مدل با وجود سرعت بالا، محدودیت‌هایی نیز دارد: نسبت فشرده‌سازی فضایی مؤثر ۳۲x می‌تواند در برخی رزولوشن‌ها تصویر را به‌طور محسوسی تارتر کند و جزئیات ظریف را از دست بدهد. همچنین به دلیل رمزگذار متنی ۳۲b، مدل سنگینی است. با این حال، طبق گزارش کاربران، می‌توان آن را به‌صورت محلی روی سخت‌افزار modest اجرا کرد؛ برای مثال تولید تصاویر ۵ تا ۱۰ مگاپیکسلی با ۱۶ گیگابایت VRAM و تصاویر بالای ۲ مگاپیکسل با بیش از ۲۰ گام روی ۶ گیگابایت VRAM و ۱۶ گیگابایت RAM گزارش شده است.

به‌روزرسانی:

MODEL ID

minimax-h3-image-highspeed
ورودی
text / image
خروجی
image

نکات برجسته

  • ۳ تا ۴ برابر سریع‌تر از حالت استاندارد
  • ترکیب تا ۱۶ تصویر مرجع
  • رندر متن‌های طولانی و متراکم
  • خروجی حدود ۱۶ مگاپیکسل
  • نسبت تصویر از ۱:۳ تا ۳:۱
  • مدل با وزن‌های باز

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-highspeed"
}'

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-highspeed",
  "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 Highspeed?

MiniMax H3 Image Highspeed یک مدل تولید و ویرایش تصویر از خانواده MiniMax H3 است که با وزن‌های باز ارائه می‌شود. این مدل متن و تصویر را به عنوان ورودی می‌پذیرد و تصویر تولید می‌کند. برخلاف نسخه استاندارد، حالت Highspeed برای سرعت بهینه شده و طبق منابع، سه تا چهار برابر سریع‌تر از حالت استاندارد عمل می‌کند. پارامترها و محدودیت‌های آن با نسخه استاندارد یکسان است. این مدل می‌تواند تا ۱۶ تصویر مرجع را در یک تولید ترکیب کند، متن‌های طولانی و متراکم را رندر کند و پرامپت‌های بلند را بخواند. خروجی آن با نسبت‌های تصویر از ۱:۳ تا ۳:۱ و در رزولوشن بومی حدود ۱۶ مگاپیکسل ارائه می‌شود. از جمله کاربردهای آن می‌توان به تولید تصویر از متن، ویرایش تصویر، ساخت پوستر، اینفوگرافیک، صفحه رابط کاربری، مواد بازاریابی، نمونه‌سازی سریع و پردازش دسته‌ای اشاره کرد. همچنین برای ترکیب‌بندی‌های پیچیده، حفظ ثبات شخصیت و ساخت صحنه‌های چندعنصری مناسب است. این مدل با وجود سرعت بالا، محدودیت‌هایی نیز دارد: نسبت فشرده‌سازی فضایی مؤثر ۳۲x می‌تواند در برخی رزولوشن‌ها تصویر را به‌طور محسوسی تارتر کند و جزئیات ظریف را از دست بدهد. همچنین به دلیل رمزگذار متنی ۳۲b، مدل سنگینی است. با این حال، طبق گزارش کاربران، می‌توان آن را به‌صورت محلی روی سخت‌افزار modest اجرا کرد؛ برای مثال تولید تصاویر ۵ تا ۱۰ مگاپیکسلی با ۱۶ گیگابایت VRAM و تصاویر بالای ۲ مگاپیکسل با بیش از ۲۰ گام روی ۶ گیگابایت VRAM و ۱۶ گیگابایت RAM گزارش شده است.

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 ورودی‌هایی را پشتیبانی می‌کند؟

این مدل ورودی متن و تصویر را می‌پذیرد و خروجی آن تصویر است. بنابراین هم برای تولید تصویر از متن و هم برای ویرایش تصویرهای موجود قابل استفاده است.

حالت Highspeed چه تفاوتی با نسخه استاندارد دارد؟

حالت Highspeed برای سرعت بهینه شده و طبق منابع سه تا چهار برابر سریع‌تر از حالت استاندارد است. پارامترها و محدودیت‌های آن با نسخه استاندارد یکسان است.

آیا می‌توان چند تصویر مرجع را همزمان به کار برد؟

بله، این مدل می‌تواند تا ۱۶ تصویر مرجع را در یک تولید ترکیب کند.

رزولوشن و نسبت تصویر خروجی چگونه است؟

خروجی در رزولوشن بومی حدود ۱۶ مگاپیکسل ارائه می‌شود و نسبت‌های تصویر از ۱:۳ تا ۳:۱ پشتیبانی می‌شوند.

آیا اجرای محلی این مدل ممکن است؟

بله، این مدل وزن‌های باز دارد و طبق گزارش کاربران روی سخت‌افزار نسبتاً معمولی نیز اجرا می‌شود. برای مثال تولید تصاویر ۵ تا ۱۰ مگاپیکسلی با ۱۶ گیگابایت VRAM گزارش شده است.

مدل‌های مرتبط