MiniMax H3 Image API
MiniMax-H3-Image adalah model generasi dan penyuntingan gambar yang menghasilkan output hingga 16 megapiksel, mendukung hingga 16 gambar referensi, dan menonjol dalam kepatuhan instruksi.
MiniMax-H3-Image adalah model gambar dari MiniMax yang menerima input teks dan gambar serta menghasilkan gambar. Model ini dapat membuat gambar hingga 4096 x 4096 piksel (16 megapiksel) dan mendukung penyuntingan gambar dengan hingga 16 gambar referensi. Dokumentasi menyatakan model ini memiliki kepatuhan instruksi terkuat di antara model open-source. Varian H3-Image-Context-IR memperluas prompt singkat dalam bahasa lain menjadi deskripsi bahasa Inggris yang terperinci.
Model ini cocok untuk tugas seperti periklanan dan branding, e-commerce, desain produk, UI/UX, gaming, concept art, eksplorasi produk, iterasi tata letak, dan penyuntingan terfokus yang menjaga sebagian bingkai tetap konsisten. Pengaturan inferensi bersifat tetap: num_inference_steps 6 dan guidance_scale 1. Prompt dipotong hingga 4096 token, dan prompt negatif tidak didukung serta akan ditolak.
Ukuran area generasi minimum berkisar dari 1024 hingga 16777216 piksel, dengan default 4194304 (2048 x 2048). Ukuran lebih kecil yang diminta akan dibuat pada kanvas lebih besar dengan rasio aspek sama lalu diubah ukurannya dengan interpolasi LANCZOS. Untuk reproduksibilitas seed, perangkat generator disarankan diatur ke CPU, dan response_format sebaiknya diatur ke b64_json. Model ini dirilis di bawah MiniMax-H3-Image Community License Agreement, dan penggunaan komersial yang memerlukan otorisasi tertulis terpisah harus diminta melalui platform.minimax.io/license.
Diperbarui:
ID MODEL
minimax-h3-image- Masukan
- text / image
- Keluaran
- image
Sorotan
- Output hingga 16 megapiksel
- Hingga 16 gambar referensi
- Kepatuhan instruksi terkuat di kelas open-source
- Pengaturan inferensi tetap: 6 langkah, guidance 1
- Prompt dipotong hingga 4096 token
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | |
|---|---|
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Mulai cepat
Kirim tugas gambar, periksa status, lalu simpan gambar. Contoh menggunakan curl dan pustaka standar Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"2Kirim permintaan pertama
Nilai opsional berbeda per model dan tidak ditetapkan di sini. Periksa di Playground. Kolom sejajar dengan model dan prompt, tanpa pembungkus input.
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"
}'3Polling tugas
Pengiriman mengembalikan task_id. Periksa setiap 3 detik saat queued atau running; berhenti saat succeeded, failed, atau interrupted. Tunggu maksimal 30 menit. Simpan created.json untuk melanjutkan pemeriksaan tanpa mengirim ulang.
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")
PY4Unduh output
Setelah berhasil, simpan outputs dari task.json. Mendukung URL HTTPS, objek URL, dan b64_json. Segera unduh URL bertanda tangan; unduhan gambar tidak memerlukan kunci API.
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)
PYinput_references
Untuk mengedit gambar, ganti URL contoh dengan URL gambar HTTPS atau data URL gambar base64 Anda. Kirim sekali, lalu ikuti langkah pemeriksaan dan penyimpanan yang sama.
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"
}
}
]
}'Parameter yang didukung
- n
- size
- resolution
- aspect_ratio
- output_format
- input_references
Ingin referensi lengkap?
Referensi API →Pertanyaan umum
Mengenal MiniMax H3 Image?
MiniMax-H3-Image adalah model gambar dari MiniMax yang menerima input teks dan gambar serta menghasilkan gambar. Model ini dapat membuat gambar hingga 4096 x 4096 piksel (16 megapiksel) dan mendukung penyuntingan gambar dengan hingga 16 gambar referensi. Dokumentasi menyatakan model ini memiliki kepatuhan instruksi terkuat di antara model open-source. Varian H3-Image-Context-IR memperluas prompt singkat dalam bahasa lain menjadi deskripsi bahasa Inggris yang terperinci. Model ini cocok untuk tugas seperti periklanan dan branding, e-commerce, desain produk, UI/UX, gaming, concept art, eksplorasi produk, iterasi tata letak, dan penyuntingan terfokus yang menjaga sebagian bingkai tetap konsisten. Pengaturan inferensi bersifat tetap: num_inference_steps 6 dan guidance_scale 1. Prompt dipotong hingga 4096 token, dan prompt negatif tidak didukung serta akan ditolak. Ukuran area generasi minimum berkisar dari 1024 hingga 16777216 piksel, dengan default 4194304 (2048 x 2048). Ukuran lebih kecil yang diminta akan dibuat pada kanvas lebih besar dengan rasio aspek sama lalu diubah ukurannya dengan interpolasi LANCZOS. Untuk reproduksibilitas seed, perangkat generator disarankan diatur ke CPU, dan response_format sebaiknya diatur ke b64_json. Model ini dirilis di bawah MiniMax-H3-Image Community License Agreement, dan penggunaan komersial yang memerlukan otorisasi tertulis terpisah harus diminta melalui platform.minimax.io/license.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda. Ditagih berdasarkan biaya pembuatan sebenarnya. Lihat tagihan Anda untuk jumlah akhir.
Input apa yang didukung MiniMax-H3-Image?
Model ini menerima input teks dan gambar, serta menghasilkan gambar. Penyuntingan gambar dapat menggunakan hingga 16 gambar referensi.
Berapa ukuran gambar maksimum yang dapat dihasilkan?
Model ini dapat menghasilkan gambar hingga 4096 x 4096 piksel, setara 16 megapiksel.
Apakah prompt negatif didukung?
Tidak. Prompt negatif tidak didukung dan akan ditolak.
Apakah pengaturan inferensi dapat diubah?
Tidak. Nilai num_inference_steps 6 dan guidance_scale 1 bersifat tetap; nilai lain akan mengembalikan error HTTP 400.
Apa perbedaan MiniMax-H3-Image dengan MiniMax-H3-Image-PE?
MiniMax-H3-Image-PE adalah varian yang dapat diterapkan secara lokal dan dijalankan dengan server SGLang lokal.