MiniMax H3 Image API
O MiniMax-H3-Image é um modelo da MiniMax que gera e edita imagens em alta resolução de 4096 por 4096 pixels, com suporte a até 16 imagens de referência e forte controle criativo.
O MiniMax-H3-Image é um modelo da MiniMax para geração e edição de imagens. Ele aceita entradas de texto e imagem, produzindo imagens de saída em alta resolução, com até 4096 por 4096 pixels (16 megapixels). O modelo suporta geração a partir de texto e edição com múltiplas imagens de referência, permitindo explorar variações criativas e manter partes do quadro consistentes em edições focadas.
Com configurações de inferência fixas (num_inference_steps 6 e guidance_scale 1), o modelo é adequado para tarefas como publicidade e branding, e-commerce, design de produto, UI/UX, jogos, concept art, exploração de produto e iterações de layout. A documentação destaca o melhor seguimento de instruções entre modelos de código aberto, além de detalhes ricos e realismo realista. O H3-Image-Context-IR expande prompts curtos em outros idiomas para descrições detalhadas em inglês, auxiliando usuários que não escrevem em inglês.
O modelo impõe algumas limitações: prompts negativos não são suportados e são rejeitados; valores diferentes dos fixos para num_inference_steps e guidance_scale retornam erro HTTP 400; prompts são truncados em 4096 tokens. O uso comercial que exija autorização escrita separada deve ser solicitado via platform.minimax.io/license. A variante MiniMax-H3-Image-PE pode ser implantada localmente com um servidor SGLang.
Atualizado:
ID DO MODELO
minimax-h3-image- Entrada
- text / image
- Saída
- image
Destaques
- Saída de 16 megapixels (4096x4096)
- Edição com até 16 imagens de referência
- Geração texto-imagem e edição multi-referência
- Forte seguimento de instruções
- Configurações fixas: 6 passos, escala 1
Provedores
Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.
| Disponibilidade | |
|---|---|
Estatísticas históricas não são uma verificação em tempo real. Dados ausentes não indicam uma interrupção.
Início rápido
Envie uma tarefa de imagem, consulte o status e salve as imagens. Os exemplos usam curl e a biblioteca padrão do Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1Defina sua chave de API
Crie uma chave na sua conta da Felo API Platform e defina-a como variável de ambiente.
export FELO_API_KEY="YOUR_API_KEY"2Faça sua primeira requisição
Os valores opcionais variam por modelo e não são definidos aqui. Confirme-os no Playground. Os campos ficam no mesmo nível de model e prompt, sem envolver em 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"
}'3Consultar tarefa
O envio retorna task_id. Consulte a cada 3 segundos enquanto queued ou running; pare em succeeded, failed ou interrupted. Espera máxima: 30 minutos. Guarde created.json para continuar sem reenviar a tarefa.
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")
PY4Baixar saída
Após o sucesso, salve outputs de task.json. Aceita URLs HTTPS, objetos URL e b64_json. Baixe URLs assinadas prontamente; o download não exige chave de 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
Para editar imagens, substitua a URL de exemplo por sua URL HTTPS ou uma data URL de imagem em base64. Envie uma vez e siga as mesmas etapas de consulta e salvamento.
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"
}
}
]
}'Parâmetros compatíveis
- n
- size
- resolution
- aspect_ratio
- output_format
- input_references
Prefere a referência completa?
Referência da API →Perguntas frequentes
O que é MiniMax H3 Image?
O MiniMax-H3-Image é um modelo da MiniMax para geração e edição de imagens. Ele aceita entradas de texto e imagem, produzindo imagens de saída em alta resolução, com até 4096 por 4096 pixels (16 megapixels). O modelo suporta geração a partir de texto e edição com múltiplas imagens de referência, permitindo explorar variações criativas e manter partes do quadro consistentes em edições focadas. Com configurações de inferência fixas (num_inference_steps 6 e guidance_scale 1), o modelo é adequado para tarefas como publicidade e branding, e-commerce, design de produto, UI/UX, jogos, concept art, exploração de produto e iterações de layout. A documentação destaca o melhor seguimento de instruções entre modelos de código aberto, além de detalhes ricos e realismo realista. O H3-Image-Context-IR expande prompts curtos em outros idiomas para descrições detalhadas em inglês, auxiliando usuários que não escrevem em inglês. O modelo impõe algumas limitações: prompts negativos não são suportados e são rejeitados; valores diferentes dos fixos para num_inference_steps e guidance_scale retornam erro HTTP 400; prompts são truncados em 4096 tokens. O uso comercial que exija autorização escrita separada deve ser solicitado via platform.minimax.io/license. A variante MiniMax-H3-Image-PE pode ser implantada localmente com um servidor SGLang.
Como o uso é cobrado?
Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes. Cobrado com base no custo real de geração. Consulte sua conta para o valor final.
Quais tipos de entrada o MiniMax-H3-Image aceita?
O modelo aceita entrada de texto e imagem, e produz imagens como saída.
Qual é a resolução máxima de saída?
O MiniMax-H3-Image gera imagens de até 4096 por 4096 pixels (16 megapixels).
Quantas imagens de referência podem ser usadas na edição?
A edição com múltiplas referências suporta até 16 imagens de referência.
O modelo suporta prompts negativos?
Não, prompts negativos não são suportados e são rejeitados pelo modelo.
Quais são as configurações fixas de inferência?
O modelo usa num_inference_steps 6 e guidance_scale 1. Outros valores retornam erro HTTP 400.
Qual é o limite de tokens para o prompt?
O prompt é truncado em 4096 tokens.