MiniMax H3 Image : génération 4K et retouche avec 16 références
Préparez vos retouches avec 16 références au maximum, comprenez la surface 4K et comparez les images exploitables avant de choisir une API.
EvoLink TeamÉquipe produitDans cet article
Pour les équipes qui développent des outils de visuels produit et des processus de création marketing, l’intérêt réside dans le contrôle accru autour d’une même tâche : organiser les sources, définir le format final, puis générer des propositions à examiner. Les utilisateurs d’EvoLink peuvent comparer ces fonctions aux modèles déjà proposés par la passerelle API unifiée, tout en vérifiant séparément l’accès à H3 Image.
Le canal direct MiniMax utilise des requêtes synchrones, une diffusion facultative des images terminées une par une et une surface 4K par défaut. La route EvoLink utilise des tâches asynchrones et une résolution 2K par défaut pour les formats automatiques ou définis par un rapport ; cette intégration couvre la version standard. Highspeed, le service Context-IR autonome et la diffusion image par image décrits ici sont des fonctions du fournisseur, absentes de cette intégration EvoLink.
Quels sont les points marquants ?
H3 Image génère une nouvelle image à partir de texte ou accepte des références et des consignes de retouche. Les principales commandes sont les suivantes :
| Fonction | Prise en charge | Intérêt pour le processus |
|---|---|---|
| Références multiples | 1–16 images en entrée pour la retouche | Distinguer produit, personnage, scène et direction visuelle |
| Canevas flexible | Niveaux de surface 1K/2K/4K ; sortie personnalisée jusqu’à 20 millions de pixels | Préparer différents emplacements et tailles de livraison |
| Génération par lot | 1–10 images par requête, avec diffusion image par image | Examiner les propositions terminées pendant la génération des autres |
| Prompts consultables | Renvoie le prompt réellement utilisé pour chaque image | Voir comment une consigne courte devient une description visuelle |
| Prétraitement des prompts | Context-IR renvoie un prompt enrichi sans produire d’image | Examiner le brief développé avant la génération texte-image |
| Versions du modèle | Versions standard et Highspeed | Les comparer sur les mêmes tâches avant de choisir la version par défaut |
Réunir davantage d’exigences créatives dans une image
Jusqu’à 16 références permettent d’attribuer des rôles distincts aux ressources. Une publicité produit peut fournir séparément le produit, le lieu et le style ; un projet de personnage peut distinguer identité, vêtements et environnement.
Pour une scène de soin cosmétique, une photo de face peut définir l’emballage et les proportions du flacon, une autre l’espace souhaité, et une référence visuelle la lumière et les couleurs. Les consignes précisent ce qui doit rester et ce qui doit changer. Chaque exigence issue des sources peut alors être retrouvée lors de la vérification.
Un exemple de consigne suit ce principe : remplacer le chat de la première image par le shiba inu de la deuxième, en conservant le fond. Il montre comment désigner une source, un changement et des éléments à préserver. Les compositions de produits, de personnages et de scènes peuvent suivre cette méthode, avec validation sur vos propres ressources.
Pour les produits, vérifiez d’abord forme, emballage, étiquettes et proportions. Pour les personnages, comparez identité, tenue et accessoires entre propositions. Les références ajoutent du contexte ; la préservation des bons détails reste à tester avec les ressources réelles.
Adapter le canevas 4K aux emplacements
| Rapport | Niveau 2K | Niveau 4K | Exemple de format à prévoir |
|---|---|---|---|
| 1:1 | 2048 × 2048 | 4096 × 4096 | Visuels produit carrés et réseaux sociaux |
| 16:9 | 2720 × 1536 | 5472 × 3072 | Publicités horizontales et premières images vidéo |
| 9:16 | 1536 × 2720 | 3072 × 5472 | Créations sociales verticales et premières images vidéo |
| 3:1 | 3552 × 1184 | 7104 × 2368 | Bannières très larges |
Les usages sont des exemples de préparation créative.
Un même niveau de surface peut servir plusieurs emplacements, mais chaque emplacement exige sa composition. Une image principale de fiche produit, une bannière et un visuel social vertical demandent des cadrages et des espaces libres différents, même à surface comparable.
JPG est le format par défaut ; PNG et WEBP sont proposés. La compression JPEG et WEBP est réglable, avec une valeur par défaut de 95. PNG ignore ce paramètre. Il s’agit de compression du fichier livré, pas d’un niveau de qualité ou de vitesse du modèle. H3 Image ne prend actuellement pas en charge les fonds transparents ; choisir PNG n’y change rien.
Examiner le prompt enrichi avant de générer
revised_prompt, pour comparer la consigne originale et sa description développée.Un brief de marque peut se limiter à « un visuel produit dans une salle de bains aux tons chauds », alors que la validation nécessite encore de préciser distance de prise de vue, placement du produit et éléments du fond. Lire le développement permet de vérifier si ces interprétations correspondent à la direction créative. C’est un contrôle textuel ; l’image finale doit encore être examinée.
La limite du prompt est de 32,000 caractères, mais sans enrichissement, seuls les quelque 4096 premiers tokens prennent effet. Ces capacités ne sont pas équivalentes. Les équipes qui gèrent leurs propres prompts complets doivent encore limiter la longueur et préciser sujet, détails à conserver et composition finale.
Générer plusieurs propositions et examiner chacune dès sa fin
Un brief produit peut fournir un lot permettant de contrôler le produit, la place pour le texte et l’adéquation du fond à la marque, avant de choisir une image à poursuivre. Le paramètre de lot fournit plusieurs résultats par requête. Pour des directions créatives distinctes, rédigez des briefs séparés : un lot ne couvre pas automatiquement dix concepts prédéfinis.
Quels processus de production évaluer en priorité ?
Les scénarios suivants servent à évaluer ces fonctions ; ils ne représentent pas des tests déjà réalisés.
Scènes produit et variantes marketing
Les équipes peuvent garder la photo produit comme entrée fixe et essayer d’autres espaces, lumières et compositions. Une campagne demande souvent un carré de présentation, une bannière horizontale et un visuel social vertical. Retouche par références et réglage du canevas donnent un point de départ commun.
Vérifiez d’abord le flacon, la forme de la chaussure, l’emballage ou les autres structures clés, puis le décor. Si les petits textes ou les marques doivent être exacts, ajoutez des critères d’acceptation spécifiques : la 4K ne garantit pas la justesse typographique. Contrôlez aussi proportions et espaces libres selon les formats, pour savoir si les corrections manuelles diminuent réellement.
Personnages, scènes et recherche de concepts
Pour les concepts de jeu, personnages ou scènes narratives, les équipes peuvent fournir séparément références de personnage, vêtements et environnement, puis décrire leurs relations. Lorsqu’un personnage change de lieu, précisez les caractéristiques à préserver et la lumière ou l’environnement qui peuvent varier.
L’acceptation porte sur les relations : le personnage tient-il le bon accessoire, sa tenue reprend-elle des éléments indésirables d’une autre image, les positions sont-elles correctes ? Les entrées multiples facilitent ces consignes, mais cohérence d’identité, relations spatiales complexes et révisions répétées restent à tester.
Valider une image fixe avant la production vidéo
Pour un clip produit ou une vidéo de personnage, H3 Image peut être évalué pour des premières images candidates. Validez sujet, décor et composition, puis transmettez l’image retenue à un modèle image-vers-vidéo distinct. Vous examinez ainsi le fixe avant d’investir dans la vidéo.
Standard, Highspeed et actualité open source
MiniMax-H3-Image ou MiniMax-H3-Image-Highspeed dans le champ du modèle. Les deux versions partagent les mêmes paramètres et limites et peuvent être évaluées avec les mêmes ressources, canevas et exigences. Le service Context-IR autonome ne prend en charge que la version standard.Comparez Highspeed et la version standard selon le temps d’exécution, le taux d’acceptation et le coût par ressource retenue avant de choisir pour la production. Le nom seul n’établit ni multiplicateur fixe de vitesse ni classement qualitatif.
L’auto-hébergement nécessite des poids téléchargeables et une licence de modèle adaptée ; l’accès API seul ne fournit ni les uns ni l’autre. Vérifiez les conditions de déploiement avant de choisir l’auto-hébergement, et confirmez séparément les droits du compte et les frais pour l’utilisation API.
Accès et coûts à vérifier côté développement
Les API directes MiniMax acceptent du texte pour générer une image, ou du texte avec références pour la retoucher, et peuvent renvoyer les images terminées séparément. Utilisez le format de requête et le traitement des résultats propres au canal choisi.
Le fournisseur rapporte les tokens d’entrée et de sortie, notamment les images de référence et l’équivalent en tokens texte des frais d’enrichissement. La génération ne facture que les images réussies. Pour un visuel produit, consignez références, traitement du prompt, sortie et requêtes supplémentaires nécessaires à l’acceptation. C’est la base du coût par ressource retenue. Les exemples de tokens ne remplacent pas les prix unitaires H3 Image, et deux tâches différentes ne permettent pas de déduire un multiplicateur fixe du prix de retouche.
Questions fréquentes
MiniMax H3 Image est-il identique à H3 image-vers-vidéo ?
Non. H3 Image produit des images fixes. H3 image-vers-vidéo utilise des images dans un processus vidéo distinct.
La 4K donne-t-elle toujours une largeur de 4096 pixels ?
Non. Elle définit une surface cible ; les dimensions dépendent du rapport. La sortie 4K au format 16:9 mesure 5472 × 3072.
Peut-on produire des PNG transparents ou retoucher par masque ?
H3 Image ne prend pas en charge les fonds transparents ni la retouche locale par masque. PNG est un format de sortie, pas une fonction de transparence.
Quelle différence entre Highspeed et la version standard ?
Les deux versions partagent les mêmes paramètres et limites. Comparez la latence et la qualité d’image sur le même brief avant de choisir pour la production ; ne supposez pas un multiplicateur fixe de vitesse ni un avantage qualitatif.
Context-IR génère-t-il des images ?
Non, il renvoie un prompt enrichi. En texte-image, examinez-le puis désactivez l’enrichissement lors de la génération. La retouche conserve toujours l’enrichissement.
