Felo API PlatformFelo API Platform
Назад к моделям

MiniMax H3 Image API

MiniMax-H3-Image — генеративная модель, создающая изображения до 4096 на 4096 пикселей и поддерживающая редактирование с использованием до 16 референсных изображений.

MiniMax-H3-Image — модель от MiniMax для генерации и редактирования изображений. Она принимает текстовые и графические входные данные, а на выходе выдаёт изображения. Максимальное разрешение — 4096 на 4096 пикселей (16 мегапикселей). Модель поддерживает создание изображений по текстовому описанию и редактирование с опорой на несколько референсов: можно передать до 16 изображений, чтобы сохранить согласованность отдельных частей кадра.

Модель подходит для рекламы и брендинга, электронной коммерции, промышленного дизайна, UI/UX, геймдева, концепт-арта, исследования продуктовых идей и итераций макета. Согласно документации, она демонстрирует лучшее следование инструкциям среди открытых моделей. Компонент H3-Image-Context-IR разворачивает короткие запросы на других языках в подробные описания на английском.

При генерации используются фиксированные параметры: num_inference_steps 6 и guidance_scale 1. Промпт обрезается до 4096 токенов. Негативные промпты не поддерживаются и отклоняются. Если указать значения num_inference_steps или guidance_scale, отличные от фиксированных, вернётся ошибка HTTP 400. Для коммерческого использования, требующего отдельного письменного разрешения, необходимо обратиться через platform.minimax.io/license. Модель распространяется по лицензии MiniMax-H3-Image Community License Agreement.

Обновлено:

MODEL ID

minimax-h3-image
Вход
text / image
Выход
image

Ключевые возможности

  • Разрешение до 4096 на 4096 пикселей
  • До 16 референсных изображений
  • Фиксированные параметры генерации
  • Лучшее следование инструкциям среди открытых моделей
  • Расширение промптов через H3-Image-Context-IR

Поставщики

1 поставщиков

Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.

Поставщик · Подробности оплаты
Доступность

Quick Start

Отправьте задачу, опрашивайте её статус и сохраните изображения. Примеры используют curl и стандартную библиотеку Python 3.

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

1Добавьте API key

Создайте key в аккаунте Felo API Platform и задайте его как environment variable.

export FELO_API_KEY="YOUR_API_KEY"

2Первый запрос

Необязательные значения зависят от модели и в примере не заданы. Проверьте их в Playground. Поля находятся на одном уровне с model и prompt, без обёртки 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"
}'

3Опрос задачи

После отправки возвращается task_id. При queued или running опрашивайте каждые 3 секунды; при succeeded, failed или interrupted завершайте. Ожидание — до 30 минут. Сохраните created.json для продолжения опроса без повторной отправки.

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

4Скачать результат

После успеха сохраните outputs из task.json. Поддерживаются HTTPS URL, объекты URL и b64_json. Подписанные ссылки скачивайте своевременно; API-ключ для скачивания не нужен.

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

Для редактирования замените пример URL своим HTTPS URL изображения или base64 data URL. Отправьте один раз, затем используйте те же шаги опроса и сохранения.

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"
      }
    }
  ]
}'

Поддерживаемые параметры

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

Нужен полный справочник?

Справочник API →

Частые вопросы

О модели MiniMax H3 Image?

MiniMax-H3-Image — модель от MiniMax для генерации и редактирования изображений. Она принимает текстовые и графические входные данные, а на выходе выдаёт изображения. Максимальное разрешение — 4096 на 4096 пикселей (16 мегапикселей). Модель поддерживает создание изображений по текстовому описанию и редактирование с опорой на несколько референсов: можно передать до 16 изображений, чтобы сохранить согласованность отдельных частей кадра. Модель подходит для рекламы и брендинга, электронной коммерции, промышленного дизайна, UI/UX, геймдева, концепт-арта, исследования продуктовых идей и итераций макета. Согласно документации, она демонстрирует лучшее следование инструкциям среди открытых моделей. Компонент H3-Image-Context-IR разворачивает короткие запросы на других языках в подробные описания на английском. При генерации используются фиксированные параметры: num_inference_steps 6 и guidance_scale 1. Промпт обрезается до 4096 токенов. Негативные промпты не поддерживаются и отклоняются. Если указать значения num_inference_steps или guidance_scale, отличные от фиксированных, вернётся ошибка HTTP 400. Для коммерческого использования, требующего отдельного письменного разрешения, необходимо обратиться через platform.minimax.io/license. Модель распространяется по лицензии MiniMax-H3-Image Community License Agreement.

Как рассчитывается стоимость?

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности. Оплата по фактическим затратам на генерацию. Итоговая сумма указана в счёте.

Какие входные и выходные данные поддерживает модель?

Модель принимает текст и изображения, а выдаёт изображения. Поддерживаются генерация по текстовому описанию и редактирование с несколькими референсами.

Какое максимальное разрешение изображения?

Модель создаёт изображения размером до 4096 на 4096 пикселей, что соответствует 16 мегапикселям.

Сколько референсных изображений можно использовать при редактировании?

При редактировании можно передать до 16 референсных изображений.

Поддерживаются ли негативные промпты?

Нет, негативные промпты не поддерживаются и отклоняются.

Можно ли изменить параметры генерации, такие как num_inference_steps и guidance_scale?

Нет, эти параметры фиксированы: num_inference_steps 6 и guidance_scale 1. Любые другие значения приводят к ошибке HTTP 400.

Чем MiniMax-H3-Image отличается от MiniMax-H3-Image-PE?

MiniMax-H3-Image-PE — это вариант, который можно развернуть локально и запускать с помощью локального сервера SGLang.

Связанные модели