Felo API PlatformFelo API Platform
モデル一覧へ戻る

MiniMax H3 Image Highspeed API

MiniMax H3 Image Highspeedは、テキストや画像を入力として画像を生成・編集できる、速度に最適化されたオープンウェイトの画像生成モデルです。

MiniMax H3 Image Highspeedは、MiniMax H3 Imageシリーズにおける速度最適化版です。テキスト入力と画像入力を受け取り、画像を出力します。テキストプロンプトからの画像生成に加え、既存画像の編集にも対応し、1回の生成で最大16枚の参照画像を組み合わせることができます。長く密度の高いテキストの描画や長いプロンプトの読み取りも可能です。

速度面では、Highspeedモードは標準モードより3〜4倍高速で、標準モード自体も一部の競合モデルより1.5〜2倍速いとされています。出力解像度は約16メガピクセルで、1:3から3:1までのアスペクト比をサポートします。標準版と同一のパラメータと制限を持ち、比較的控えめなハードウェアでもローカル実行できるとされています。

ポスター、インフォグラフィック、UI画面、マーケティング素材の制作や、迅速なプロトタイピング、バッチ処理、複数要素のシーン作成、キャラクターの一貫性が求められる複雑な構図などに適しています。一方、実効32倍の空間圧縮率により特定の解像度ではぼやけが目立つ場合があり、細部の精細さに欠けることや、32bのテキストエンコーダを搭載しているためモデルが重いことも指摘されています。

更新日時:

モデル ID

minimax-h3-image-highspeed
入力
text / image
出力
image

ハイライト

  • 標準モードより3〜4倍高速なHighspeedモード
  • 最大16枚の参照画像を組み合わせ可能
  • 約16メガピクセルのネイティブ解像度で出力
  • 1:3から3:1までのアスペクト比に対応
  • 長く密度の高いテキストの描画に対応
  • オープンウェイトでローカル実行が可能

プロバイダー

1 プロバイダー

プロバイダーごとの API 料金を比較できます。プロバイダーを選択すると、すべての料金と適用条件を確認できます。

プロバイダー · 料金の内訳
稼働率

Quick Start

画像タスクを送信し、状態を確認してから画像を保存します。curl と Python 3 の標準ライブラリのみを使用します。

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

1API key を設定

Felo API Platform アカウントで key を作成し、環境変数として設定します。

export FELO_API_KEY="YOUR_API_KEY"

2最初のリクエスト

任意パラメーターの値はモデルによって異なるため、例では指定しません。追加前に Playground で確認してください。各フィールドは model・prompt と同じ階層に置き、input で囲みません。

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"
}'

3タスクをポーリング

送信後に task_id が返ります。queued・running の間は3秒ごとに確認し、succeeded・failed・interrupted で終了します。待機は最大30分です。created.json を保存すると、再送信せず同じタスクの確認を再開できます。

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

4出力をダウンロード

成功後、task.json の outputs を保存します。HTTPS URL、URL オブジェクト、b64_json に対応しています。署名付き URL は早めにダウンロードしてください。画像の取得に API キーは不要です。

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

画像編集では、例の URL を自分の HTTPS 画像 URL または base64 画像 data URL に置き換えます。一度送信した後、同じ確認・保存手順を使います。

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"
      }
    }
  ]
}'

対応パラメータ

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

完全なリファレンスが必要ですか?

API リファレンス →

よくある質問

モデルについて: MiniMax H3 Image Highspeed?

MiniMax H3 Image Highspeedは、MiniMax H3 Imageシリーズにおける速度最適化版です。テキスト入力と画像入力を受け取り、画像を出力します。テキストプロンプトからの画像生成に加え、既存画像の編集にも対応し、1回の生成で最大16枚の参照画像を組み合わせることができます。長く密度の高いテキストの描画や長いプロンプトの読み取りも可能です。 速度面では、Highspeedモードは標準モードより3〜4倍高速で、標準モード自体も一部の競合モデルより1.5〜2倍速いとされています。出力解像度は約16メガピクセルで、1:3から3:1までのアスペクト比をサポートします。標準版と同一のパラメータと制限を持ち、比較的控えめなハードウェアでもローカル実行できるとされています。 ポスター、インフォグラフィック、UI画面、マーケティング素材の制作や、迅速なプロトタイピング、バッチ処理、複数要素のシーン作成、キャラクターの一貫性が求められる複雑な構図などに適しています。一方、実効32倍の空間圧縮率により特定の解像度ではぼやけが目立つ場合があり、細部の精細さに欠けることや、32bのテキストエンコーダを搭載しているためモデルが重いことも指摘されています。

利用料金はどのように計算されますか?

料金は利用するプロバイダーと実際の使用量により決まります。長い入力などは料金が異なる場合があります。内訳をご確認ください。 実際の生成費用に基づく課金です。最終金額は請求明細をご確認ください。

どのような入力に対応していますか?

テキスト入力と画像入力に対応し、画像を出力します。テキストプロンプトからの生成と、既存画像の編集の両方が可能です。

一度に複数の参照画像を使えますか?

はい。1回の生成で最大16枚の参照画像を組み合わせることができます。

標準版との違いは何ですか?

Highspeed版は速度に最適化されており、標準モードより3〜4倍高速です。パラメータと制限は標準版と同一です。

どのような用途に向いていますか?

ポスター、インフォグラフィック、UI画面、マーケティング素材の制作や、迅速なプロトタイピング、バッチ処理、複数要素のシーン作成などに向いています。

ローカル環境で実行できますか?

オープンウェイトモデルであり、比較的控えめなハードウェアでもローカル実行できるとされています。

関連モデル