MiniMax H3 Image：4K画像生成と最大16枚の参照画像による編集

商品画像ツールやマーケティング素材の制作フローを開発するチームにとって、注目点は一つの制作タスクの中で制御できる項目が増えたことです。素材を整理し、納品用キャンバスを決めてから、確認用の候補を生成できます。EvoLinkユーザーは、これらを統一APIゲートウェイで利用できる既存画像モデルとの比較条件にしつつ、H3 Imageの接続状況を別途確認できます。

MiniMax直接利用は同期リクエスト方式で、完成画像ごとのストリーミングを任意で有効にでき、面積設定の既定値は4Kです。EvoLinkのルートは非同期タスク方式で、自動サイズや比率指定では既定が2Kとなり、今回の接続対象は標準版です。以下に登場するHighspeed、独立したContext-IR、画像ごとのストリーミングは供給元の機能で、今回のEvoLink接続には含まれません。

今回の公開で注目する点

H3 Imageはテキストから新規画像を生成するほか、参照画像と編集指示を受け付けます。主な制御項目は次のとおりです。

一枚の画像に複数の制作要件を反映する

最大16枚の参照画像があると、各素材の役割を分けて指定できます。商品広告なら商品、目的の場所、スタイルを、キャラクター制作なら人物の同一性、服装、環境を独立して示せます。

スキンケア商品のシーンなら、正面写真でパッケージやボトルの比率を示し、別の写真で配置したい空間を、視覚的な参考資料で光と色調を伝えられます。テキストでは維持する要素と変更する環境を指定します。異なる素材からの要件に役割が与えられ、確認時にも追跡できます。

例えば、次のような編集指示を作れます。画像1の猫を画像2の柴犬に置き換え、背景を維持する指示になっています。参照元、変更内容、維持する要素を分ける方法であり、商品・人物・場面の組み合わせにも応用できます。実際の効果は手元の素材で検証が必要です。

商品タスクでは形状、包装、ラベル、比率を先に確認します。キャラクターでは候補間の同一性、服装、装飾品を比較します。複数参照は文脈を増やす機能であり、正しい細部を維持できるかは実素材での検証が必要です。

掲載形式に合わせて4Kキャンバスを使う

用途は制作計画の例です。

同じ面積プリセットで異なる掲載先に対応できますが、構図はそれぞれ設計する必要があります。商品ページのメイン画像、横長広告、縦長SNS画像では、面積が近くてもフレーミングと余白が異なります。

出力はJPGがデフォルトで、PNGとWEBPにも対応します。JPEGとWEBPの圧縮設定はデフォルト95で、PNGには影響しません。これは納品ファイルの圧縮であり、モデルの画質・速度モードではありません。H3 Imageは現在、透過背景に非対応のため、PNGを選んでも透過にはなりません。

拡張プロンプトを確認してから画像を生成する

ブランド側の要件が「暖色のバスルーム商品画像」だけでも、確認者は撮影距離、商品の位置、背景の要素まで把握したい場合があります。拡張文を読むと、その解釈が制作方針に沿うか確認できます。ただし確認できるのは文章であり、画像が要件を満たすかは出力の確認が必要です。

プロンプトの文字数上限は32,000文字ですが、拡張を無効にすると有効なのは先頭約4096トークンです。同じ入力容量として扱えません。完全なプロンプトを自社で管理する場合も長さを抑え、主体、維持する細部、納品構図を明確にしてください。

複数候補を生成し、完成した画像から確認する

一つの商品要件で候補群を生成し、商品、コピー用の余白、ブランドに合う背景を確認してから、次に進める画像を選べます。バッチ指定は一度に複数結果を得る機能です。明確に異なる方向性が必要なら要件を分ける必要があり、同じバッチが自動的に十種類の企画を網羅するとは限りません。

優先的に評価したい制作フロー

以下は機能を評価するためのシナリオであり、完了済みのモデルテストではありません。

商品シーンとマーケティング素材のバリエーション

商品写真を固定入力とし、異なる空間、光、構図を試せます。一つのキャンペーンでも、正方形の商品紹介、横長バナー、縦長SNS画像が必要になります。参照画像編集と画幅指定は共通の出発点になります。

まずボトル、靴の形、包装などの主要構造が維持されているか確認し、次に場面を評価します。包装の小さな文字やブランド表示の正確さが必須なら、個別の合格基準にします。4K対応から文字の正しさは導けません。各画幅で商品の比率と余白も確認し、後工程の修正が本当に減るか判断します。

キャラクター、場面、コンセプト探索

ゲームコンセプト、キャラクター設定、物語の場面では、人物、衣服、環境の参照を分け、その関係をテキストで説明できます。同じキャラクターが別の場所へ移るなら、維持すべき外見と変更可能な光・環境を指定します。

評価の中心は参照間の関係です。正しい小道具を持っているか、衣装に別画像の要素が混ざっていないか、位置は正しいかを確認します。複数入力で条件を伝えやすくなりますが、人物の一貫性、複雑な空間関係、複数回の修正は実際に検証する必要があります。

静止画を確認してから動画制作へ進む

商品短編やキャラクター動画では、H3 Imageを開始フレーム候補の生成に評価できます。主体、セット、構図を確認後、独立した画像から動画生成モデルへ渡します。動画生成に費用をかける前に静止画を確認できる流れです。

標準版、Highspeed、オープンソースの動向

本番用を選ぶ前に、標準版とHighspeedを完了時間、合格率、合格素材1枚あたりのコストで比較してください。Highspeedという名前だけから、一定の速度倍率や画質順位を決めることはできません。

セルフホストにはダウンロード可能な重みと適切なモデルライセンスが必要で、APIへのアクセスだけではどちらも得られません。自社運用を選ぶ前に導入条件を確認し、API利用ではアカウント権限と費用を別途確認してください。

開発者が確認すべきアクセスとコスト

MiniMax直接利用のAPIは、テキストで画像を生成し、テキストと参照画像で編集でき、完成画像を個別に返せます。選んだチャネルのリクエスト形式と結果処理を使って接続してください。

供給元は入力・出力トークンを報告し、参照画像の使用量と、プロンプト拡張費用をテキストトークンへ換算した分を含みます。生成課金は成功画像のみを数えます。商品画像タスクでは参照入力、プロンプト処理、生成出力、合格までの追加リクエストをまとめて記録して、合格素材1点あたりのコストを求めます。トークン例は実際の単価の代わりにはならず、異なる二つのタスクの使用量から編集料金の固定倍率も導けません。

よくある質問

MiniMax H3 ImageとH3の画像から動画生成は同じですか？

違います。H3 Imageは静止画を出力します。H3の画像から動画生成は、画像を入力とする独立した動画制作フローです。

4Kは常に幅4096ピクセルですか？

違います。4Kは目標面積で、寸法は比率によって変わります。4K設定の16:9出力は5472 × 3072です。

透過PNGやマスクによる部分編集に対応しますか？

H3 Imageは透過背景とマスクによる部分編集に非対応です。PNGは出力形式であり、透過対応を意味しません。

Highspeedと標準版の違いは何ですか？

両版のパラメーターと制限は共通です。本番用を選ぶ前に同じ要件で遅延と画質を比較し、一定の速度倍率や画質上の優位性を前提にしないでください。

Context-IRは画像を生成しますか？

生成せず、拡張プロンプトを返します。テキストからの生成では確認後に拡張を無効化して生成します。編集では常に拡張が有効です。

H3 Imageはすでにオープンソースですか？

料金はいくらで、EvoLinkから呼び出せますか？