开始使用

MiniMax H3 Image 模型介绍、API 价格与生图测评

了解 MiniMax H3 Image 的生图与编辑能力、标准版与极速版的 API 价格,以及女侦探角色设定图的出图耗时和三镜头分镜一致性对照。

MiniMax H3 Image 是一款开放权重的图像模型,能直接生成 4096 × 4096 像素的方形 4K 图,单次请求最多接收 16 张参考图。按 MiniMax 国际 API 的常规价示例,标准版生成一张方形 4K 图约需 0.069 美元。更高的分辨率给分镜局部裁切和海报改版留出了空间。这次我们实测了角色设定图、三镜头咖啡馆分镜、海报中英文排字和发夹换色。

MiniMax H3 Image 是什么?

H3 Image 是 MiniMax 基于 H3 推出的静态图像模型,支持文生图、参考图生成和图片编辑。比如,你可以先用文字生成一张咖啡馆全景,再把角色设定图、咖啡馆和文件袋作为参考,生成女侦探进门的分镜。想调整画面中的发夹颜色,也可以上传原图并用文字描述改动。MiniMax 开放了模型权重,也通过 MiniMax 开放平台、MiniMax Code 和海螺提供在线服务。

项目MiniMax 官方 API 规格
输入文生图使用文字提示词。参考图生成和编辑可输入文字及 1 至 16 张图
输出尺寸提供 1K、2K、4K 三个像素面积档位,自定义尺寸最高 2,000 万像素
宽高比1:3 至 3:1
输出数量和格式单次 1 至 10 张,支持 JPEG、PNG、WebP
可选版本标准版与极速版(Highspeed)的 API 参数和限制相同

H3 Image 的三个特点

1、原生 4K 给二次裁切留出空间

在 MiniMax API 里,4K 是像素面积档位,具体宽高由画幅决定。方图是 4096 × 4096,像素总数约为方形 2K 的四倍。16:9 横图是 5472 × 3072,3:4 竖图是 3552 × 4736。准备从全景裁一张人物或道具特写时,可以先按最终用途选画幅,再核对导出文件的实际尺寸。

2、用多张参考图交代人物、道具和场景

给每张参考图写明用途。图 1 提供人物的脸和服装,图 2 提供道具的形状,图 3 提供房间布局。修改已有图片时,可以上传原图,用文字说明要改的区域和要保留的细节。MiniMax 的图片编辑 API 目前以文字描述指定编辑区域,暂未提供像素级蒙版。

3、标准版和极速版怎么选

两版使用相同的 API 参数。极速版的图片输入、输出 token 单价各是标准版的两倍。先看交付时限,再用同一提示词、画幅和参考图比较两版的等待时间和费用。

MiniMax H3 Image 多少钱一张?

按 2026 年 11 月 12 日查阅的 MiniMax 国际 API 定价,标准版的文本输入、图片输入和图片输出每百万 token 分别为 2.30 美元、1.50 美元、3.80 美元,极速版分别为 2.30 美元、3.00 美元、7.60 美元。提示词增强所用的 token 也计入文本输入。

下表是国际 API 的常规价示例。输出均为方图,编辑示例里的参考图均为 1K。每次请求按实际 token 用量扣费。

任务输出规格标准版(美元/张)极速版(美元/张)
文生图1K0.021790.03529
文生图2K0.023330.03622
文生图4K0.068790.13001
图片编辑,1 张参考图2K0.026580.04576
图片编辑,1 张参考图4K0.073120.13673
图片编辑,3 张参考图4K0.079140.15407

国际 API 的首发优惠覆盖标准版和极速版,最终交付图至少有 1,660 万像素时,整次请求费用打五折。方形 4K 文生图的优惠示例为标准版 0.03439 美元/张、极速版 0.06501 美元/张。优惠于 **2026 年 11 月 17 日 16:00(UTC)**结束。

按官方示例估算,一张可用图多少钱?

假设你用标准版先生成 20 张 2K 草图,再用单张参考图做 5 次 4K 编辑。按上表的常规价估算,生成费用合计 约 0.83 美元。如果最后留下 5 张图,平均每张可用图 约 0.17 美元。比较两个版本时,可以同时看单次生成价格和拿到满意结果所需的次数。

本地运行要把硬件、算力和部署算进预算。MiniMax 提供模型权重和部署说明,ComfyUI 也有文生图和图片编辑工作流。显存和系统内存用量随模型精度、组件卸载方式、输出尺寸和参考图数量变化。模型权重的使用适用 MiniMax 社区许可。

MiniMax H3 Image 生图测评

1. 同一条提示词,分别生成 2K 和 4K 角色图

用同一条提示词各生成一张日韩漫画风格的女侦探全身图。角色设定里有几个方便逐项核对的细节:齐下巴黑短发、右侧橘色发夹、左眼下一颗小痣,以及带暖橘色宽翻领的深蓝短风衣。

提示词

画一张日韩漫画风格的女侦探角色设定图,竖版 3:4,单人正面全身,从头到鞋完整入画。她约 22 岁,神情冷静、警觉,直视镜头。黑色短发齐下巴,发尾整齐。她右侧太阳穴上方别着一枚醒目的橘色长方形发夹,左眼下方有一颗小痣。

她穿深海军蓝短风衣,宽翻领是暖橘色,内搭米白色高领衫,下穿深蓝直筒裤和黑色短靴。她自然站立,双手垂在身体两侧,手里空着,手和衣服轮廓清晰可见。

用干净的漫画线条和清晰的块面阴影。以深蓝为主色,暖橘只点在发夹和翻领上。使用柔和均匀的正面光,让五官、发夹和服装细节都看得清。背景为纯浅灰,画面只包含这一位角色。

2K 档 · 56 秒

第一张女侦探角色图,齐下巴黑发、左眼下单颗痣、橘色宽翻领短风衣

4K 档 · 1 分 07 秒

第二张女侦探角色图,橘色发夹、左眼下两个黑点、衣摆较长的深蓝风衣

MiniMax 在发布公告中给出的方形 4K 模型耗时为 10 秒以内。这次角色图记录的是生成等待时间,2K 和 4K 档各计时一次,分别为 56 秒和 67 秒。测试入口、模型版本和计时起止点缺少记录。

目前展示的两份 JPG 都是 1760 × 2368 像素,与官方 API 的 3:4 画幅 2K 档尺寸相同。4K 档实际交付的尺寸和细节需要用原始文件核对。

两张图都画出了人物右侧的橘色发夹、深蓝外套的橘色翻领和米白色高领衫。第一张保留了齐下巴的短发和左眼下的单颗痣,风衣也更接近提示词里的短款。第二张的衣摆更长,左眼下多出一个黑点。下面两组分镜都用第二张作为人物参考。

2. MiniMax H3 Image 能否让多镜头分镜中的角色、场景和道具保持一致?

这次用一段连续动作测试分镜一致性。女侦探拿着文件袋走进咖啡馆,在窗边坐下,把文件袋放到桌上,最后低头查看封口。每个镜头都核对四件事:能否认出同一位侦探,服装有没有变化,文件袋的封口是否一致,以及窗、卡座、圆桌和吧台的相对位置能否接得上。

组别参考图实测样图
A 组仅人物全景、中景、近景各一张,另有一张偏差样例
B 组人物、咖啡馆、文件袋全景、中景、近景各一张,另有一张六格分镜

两组共用上一节的第二张人物图。共用提示词写的是「单颗小痣」和「短风衣」,人物图里左眼下有两个黑点,衣摆也较长。下文用人物图核对造型是否延续。两组都展示独立的全景、中景和近景。中景与近景的文件尺寸有差异,以下按展示画面逐项比较。

场景和道具参考图

  1. 咖啡馆。 画一张空咖啡馆的日韩漫画室内全景,主色为深蓝,灯光为暖橘。玻璃门在店的一端。一侧是连排窗和深蓝卡座,对面是吧台,中间留出过道。从入口数过去,第二扇窗边放一张深色圆桌,桌上方悬一盏橘色半球吊灯。让门、窗、桌和吧台的位置清楚可见。
  2. 文件袋。 在纯浅灰背景上画一个正面朝向镜头的 A4 竖式棕色牛皮纸文件袋,袋口闭合。上方翻盖和下方袋身各有一枚橘色圆扣,一根深蓝细绳绕住两枚圆扣。用干净的日韩漫画线条,完整呈现袋形和封口。

咖啡馆参考图

空咖啡馆,深蓝卡座沿窗排列,过道对面是吧台,圆桌上方是橘色吊灯

文件袋参考图

牛皮纸文件袋正面,上下两枚橘色圆扣由一根深蓝细绳连接

测试设计中的共用提示词

生成一张横版 16:9 的日韩漫画分镜,以深蓝和暖橘为主色。沿用女侦探参考图中的脸、齐下巴黑发、右侧橘色发夹、左眼下单颗小痣,以及带暖橘宽翻领的深蓝短风衣和米白高领衫。咖啡馆的玻璃入口在店的一端,一侧是连排窗和深蓝卡座,对面是吧台,中间是过道。从入口数过去,第二扇窗边有一张深色圆桌,桌上方是橘色半球吊灯。文件袋是 A4 竖式棕色牛皮纸袋,袋口闭合,深蓝细绳绕住上下两枚橘色圆扣。

每次在共用提示词后接上对应的镜头描述。

镜头接在共用提示词后的画面描述
1 · 全景从店内靠吧台的一侧朝玻璃门拍。女侦探正走进店,右手拿着牛皮纸文件袋,第二扇窗旁的圆桌和橘色吊灯出现在同一画面。
2 · 中景从过道侧拍向窗边卡座。女侦探坐在第二扇窗旁,用右手把文件袋平放在圆桌上,圆扣朝上。取景包含窗框、卡座和桌上方的橘色吊灯。
3 · 近景从圆桌斜前方拍女侦探。文件袋留在同一张桌上,橘色圆扣和深蓝细绳在前景。女侦探低头查看封口,脸和橘色翻领入镜,画面边缘带到窗框与深蓝卡座。

分镜实测图

A 组 · 仅人物参考 · 全景(5472 × 3072)。侦探靠近窗边,右手拿文件袋。

A 组全景,女侦探靠画面左侧站在窗边,右手拿文件袋

B 组 · 人物、咖啡馆、文件袋参考 · 全景(5472 × 3072)。侦探从远处玻璃门方向走进过道。

B 组全景,女侦探在咖啡馆中间过道,右手拿文件袋

A 组 · 仅人物参考 · 中景(5472 × 3072)。文件袋平放在圆桌,手边只清楚露出一枚橘色圆扣。

A 组中景,女侦探坐在窗边卡座,手搭在平放于圆桌的文件袋上

B 组 · 人物、咖啡馆、文件袋参考 · 中景(2720 × 1536)。女侦探坐在窗边卡座,文件袋平放在橘灯下的圆桌上,两枚圆扣和连绳都可见。

B 组中景,女侦探坐在窗边卡座,橘色吊灯下的圆桌上平放着双扣文件袋

A 组 · 仅人物参考 · 近景(5472 × 3072)。两侧眼下都有黑点,蓝绳横向绕袋打结。

A 组近景,女侦探两侧眼下都有黑点,文件袋上的蓝绳横向打结

B 组 · 人物、咖啡馆、文件袋参考 · 近景(2720 × 1536)。保留左眼下两个黑点,文件袋用纵向蓝绳连住两枚橘扣。

B 组近景,女侦探左眼下有两个黑点,文件袋的双橘扣由纵向蓝绳连接

A 组偏差样例 · 发夹变成两枚并换边,原来的长裤变成露出大腿的下装,文件袋竖在桌上。

A 组偏差样例,橘色发夹换边并变成两枚,文件袋竖在桌上

B 组六格分镜 · 窗边圆桌、橘灯和双扣文件袋在多格里反复出现,右上格的进门人物双手空着。

B 组六格分镜,下排中间是女侦探在窗边圆桌查看平放的文件袋

核对项两组样图里的差异
人物身份两组全景、近景都能认出黑短发和单枚橘色发夹。B 组近景里左眼下的双点更贴近共同的人物参考。
服装两组都保留深蓝外套、橘色翻领和浅色高领。A 组中景与近景多出肩袢和袖扣,另有一张出现下装变化。
道具两张全景里的文件袋都在右手,落座画面里都到了圆桌上。B 组中景和近景都能看到双扣连绳,更接近道具参考。B 组全景仍出现横向绑绳。
空间关系两张全景都把窗边卡座和吧台放在过道两侧。A 组人物靠窗,B 组人物走在过道中间,具体桌位仍有待同机位画面核对。

如果把这些画面剪成一段,优先核对近景里容易被放大的细节。比如全景里的文件袋如果带横绳,切到只有纵绳的特写,观众就可能以为道具换了。

3. 海报上的中英文能排对吗?

上传 B 组里女侦探查看文件袋封口的咖啡馆近景,把这张分镜改成故事《密封档案》的放映海报。

提示词

把上传的咖啡馆近景改成一张 4:5 竖版放映海报。沿用原图的蓝橘配色、窗边卡座和暖橘吊灯。女侦探仍坐在窗边,低头看圆桌上的牛皮纸文件袋。保留她右侧的单枚橘色发夹、左眼下的两个黑点,以及深蓝风衣的橘色宽翻领。让她的脸和文件袋上的两枚橘色圆扣都清楚入镜。

在画面上下留出深蓝色排字区域。顶部第一行用窄体大字写「THE SEALED FILE」,第二行用约一半字号写「密封档案」。底部两行分别写「11月14日」和「DOORS 8 PM」。海报只排这四行文字,引号只用于标记文字范围。

结果与观察

海报底图 · B 组近景

女侦探查看文件袋封口的咖啡馆近景

海报成图 ·《密封档案》

密封档案竖版海报,顶部是中英文片名,中央是咖啡馆里的女侦探和文件袋,底部是日期和入场时间

逐行核对这张海报,「THE SEALED FILE」「密封档案」「11月14日」「DOORS 8 PM」都与提示词一致。英文片名最大,中文片名在下一行,日期和入场时间放在底部。原来的横版近景改成竖版后,女侦探的橘色发夹、左眼下的两个黑点、窗边卡座和文件袋的两枚橘扣仍能辨认。

4. 只改发夹颜色,其他地方会不会跟着变?

以第 1 部分的第二张角色图为编辑前的对照。这张图的长风衣、发型和左眼下双点与银色发夹样图相对应。

提示词

将图中女侦探右侧的橘色发夹改成哑光银色。保留发夹的长方形轮廓和位置,以及人物的脸、发型、服装、姿势、背景和光线。

结果与观察

编辑前 · 橘色发夹

编辑前,女侦探右侧戴一枚橘色长方形发夹

编辑后 · 银色发夹

编辑后,同一位置的长方形发夹变成银色,橘色翻领仍在

右侧发夹从橘色变成银色,位置和长方形轮廓基本一致。左眼下的两个黑点、橘色翻领和站姿也保留了。发夹上有一条明显的亮带,哑光感偏弱,背景比底图略偏粉灰。这个样图完成了换色,材质和背景色仍有轻微偏差。

在 Arcloop 规划故事板

分享

发现更多

锁住脸,换掉画风

锁住脸,换掉画风

AI 漫剧全流程:从选题到变现

AI 漫剧全流程:从选题到变现

如何在两个场景之间拍摄电话对话

如何在两个场景之间拍摄电话对话

多角色配音与跨集声线一致

多角色配音与跨集声线一致