Aniv AI註冊贈送 40 積分
用 MiniMax 開源權重影像模型 MiniMax H3 Image，線上文生圖、生成 4K 大圖，並上傳參考圖編輯。
MiniMax H3 Image 是 MiniMax 於 2026 年 11 月 11 日釋出的開源權重影像模型。它基於 MiniMax H3，把文生圖、參考圖生成與影像編輯放進同一個模型，並在所有畫幅下原生輸出約 1600 萬畫素。MiniMax 改進了整條後訓練鏈路，從資料、強化學習到減少採樣步數、提示詞增強和部署最佳化，讓速度、畫質與提示詞遵循同時提升，而不是此消彼長。
根據 MiniMax 官方釋出部落格、模型卡，以及 Aniv 所用介面服務商 Evolink 的模型資料，整理 MiniMax H3 Image 的主要特點。
大多數影像模型解析度一高就明顯變慢。MiniMax 官方延遲測試（文生圖，中位數）中，H3 Image 標準版 1K、2K 約 10.5 秒，完整 4096 × 4096 的 4K 約 16 秒，而對比中的其他模型生成 4K 需要 50 秒以上。MiniMax 的 Highspeed 極速版可把 4K 壓到約 10 秒。
由於 1K 和 2K 耗時幾乎一樣，反覆試稿時也不必為了速度降低解析度。Aniv 使用的是標準版，排隊和儲存結果會在 MiniMax 實測時間上再多幾秒。
MiniMax 的目標是縮小生成影像與真實世界之間的差距。H3 Image 保留了其他模型容易抹平的細微質感：溼漉漉的毛髮、羊毛、飽經風霜的皮膚、布料紋理、山間薄霧。光線也像真實照片那樣自然，而不是許多 AI 圖那種過亮、過於均勻的光澤感。
解析度同樣重要。模型在所有畫幅下都原生輸出約 1600 萬畫素，從 4096 × 4096 方圖到 21:9 的 6272 × 2688，不依賴超分放大，細節由模型本身畫出，而不是靠後期增強補出來。
H3 Image 最適合根據一段完整、詳細的畫面描述來生成，但你不必自己寫。生成前，MiniMax 的提示詞最佳化會把任意語言的短提示詞擴寫成完整描述，涵蓋主體、構圖、光線、材質和氛圍；畫幅選「自動」時，還會挑選合適的比例。
這張圖就是 MiniMax 官方示例：原始提示詞只有一句「俯拍一桌鄉村風格的農場直供盛宴」，配上蔬菜、乳酪和麵包，生成前被擴寫成約 300 詞的詳細描述。在 Aniv 上提示詞最佳化始終開啟，寫短句就夠了，只在你在意的地方補充細節即可。
海報、資訊圖和招牌上的文字既要寫對，也要內容正確。H3 Image 能清晰渲染大段中英文，MiniMax 還更進一步：官方示例中，模型在畫面上排出整道邏輯推理題，逐條推理並把正確答案寫在板上。
因此它適合各種以文字為主的畫面，比如選單、商品標籤、活動海報、幻燈片和漫畫分格。在提示詞裡用引號寫出準確文字，並說明位置和字型風格。
H3 Image 屬於 MiniMax H3 家族，沿用 H3 架構但去掉了音訊層：331 億引數、50 層的擴散 Transformer，H3 文本編碼器（基於 Qwen3-VL）和影像 VAE。模型被蒸餾到只需 6 步取樣、無需無分類器引導，這也是它速度快的重要原因。
MiniMax 已在 Hugging Face 以 MiniMax-H3-Image 社群許可協議釋出權重，支援 diffusers、SGLang、vLLM-Omni 和 ComfyUI。自行部署需要資料中心級 GPU；在 Aniv 上，開啟瀏覽器就能用託管好的模型，無需安裝。
以下為 MiniMax 官方樣例，每個都附有一句可在上方生成器裡直接改寫使用的提示詞，覆蓋從攝影到概念設計、傳統繪畫等模型擅長的方向。
照片是 H3 Image 最擅長的方向：皮膚、布料和光線自然，有真實的景深，沒有常見 AI 圖的塑膠感。像給攝影師下需求一樣寫明鏡頭、時間和氛圍，模型會讓畫面保持真實可信。
可以試試的提示詞
黃昏時分，女人在城市天台上晾白床單，身後升起一輪巨大的滿月，冷暖光交織，35mm 膠片攝影
正因為寫實能力強，H3 Image 也能把不可能的創意拍得像真的。給雲朵理髮、從巨大梨子裡走出模特這類超現即時尚創意，依然保有可信的光影、陰影和材質，這正是它看起來有說服力的原因。
可以試試的提示詞
理髮師在紅色理髮椅旁，像修剪顧客頭髮一樣修剪一朵蓬鬆的白雲，綠色草坪，晴朗天空，時尚雜誌大片
遊戲、影視和分鏡需要的大場景，正適合 4K 輸出。H3 Image 能營造宏大的尺度和氛圍，層次、天氣和光線分明，放大看時人物、遺蹟、招牌等小細節依然清楚。
可以試試的提示詞
黃金時刻，馭龍者站在紅色岩石懸崖上俯瞰遼闊峽谷，史詩奇幻概念設計，遠景
做角色設計時，H3 Image 能輸出接近製作標準的設定圖：正面、背面加服裝細節特寫，彼此保持一致。在 Aniv 上可以儲存結果並作為參考圖使用，讓同一個角色在之後的每個場景和分鏡畫面中保持一致。
可以試試的提示詞
角色設定圖：穿深色毛領冬季派克大衣、掛著對講機的男人，正面、背面和外套特寫，淺色純背景
除了照片，H3 Image 對傳統和數字藝術風格也還原得很準，從油畫、淡彩水彩，到塔羅牌插畫和帶書法題字的中國工筆畫。寫明畫種和年代，它會還原筆觸、紙絹質感和構圖習慣，而不是千篇一律的「數字繪畫」感。
可以試試的提示詞
中國工筆畫，一隻鵜鶘望向圓鏡，線條細膩，礦物顏料柔和設色，四字書法題款，絹本質感
圖片來源：MiniMax，取自 Hugging Face 上的 MiniMax H3 Image 官方模型卡與官方釋出部落格。
同一個模型也能改圖。給它一張或多張參考圖，描述想要的結果：該保留的保留，只改你要求的部分。在 Aniv 上最多可新增 16 張參考圖，在提示詞裡用 @ 引用，它們會按新增順序編號為圖1、圖2……
一張沒有材質的月球基地灰模，變成帶材質、光影和陰影的寫實電影劇照，機位和構圖完全不變。用這種方式，可以把 Blender 或遊戲引擎裡的白模快速變成精美主視覺或客戶預覽圖。
一張手繪遊戲地圖，變成從紅色箭頭位置看出去的第一人稱 3D 畫面，原地圖保留為小地圖。模型必須讀懂地圖上的地形，才能把瀑布、吊橋、礦場和城堡放到正確位置，可見它是在理解參考圖，而不是照搬。
一個空房間加九件傢俱照片，合成為一間佈置完整的客廳，每件傢俱比例合理，並被房間自身的光線照亮。在 Aniv 上每次最多可新增 16 張參考圖，用滿模型支援的上限。
圖片來源：MiniMax，取自 Hugging Face 上的 MiniMax H3 Image 官方模型卡與官方釋出部落格。
這些場景最能發揮 H3 Image 的速度、寫實感和多圖參考編輯能力。
把商品放進精心佈置的場景、替換背景，或做一整套風格統一的商品圖。上傳商品照片作為參考圖，外形、顏色和標籤都能保留。
一次生成畫面和標題文字。4K 輸出留有裁切空間，同一張圖可以用於橫幅、社媒和印刷品。
先用 1K 快速探索場景、生物和道具，再把最好的方向用 4K 出圖，放進提案或美術設定集。
為每個鏡頭生成關鍵幀，用參考圖保持角色一致。在 Aniv 製作 AI 短劇時，分鏡編輯器裡同樣可以選擇 H3 Image。
生成角色的正面、背面和特寫，再把設定圖作為參考圖反覆使用，讓角色在不同場景中保持一致。
用真實傢俱照片佈置空房間，或把灰色 3D 模型渲染成寫實效果圖，快速給客戶預覽。
提示詞最佳化會幫你補全很多內容，但養成幾個習慣能讓結果更可控。
寫清主體、場景、光線、機位和氛圍。畫面描述得越完整，模型需要猜的就越少。
「35mm 膠片攝影」「淡彩水彩」「等距 3D 渲染」「中國工筆畫」這類詞，比「好看」「精美」更能決定畫面風格。
需要出現在畫面上的文字放進引號，並說明放在哪裡、用什麼樣的字型。
用 @ 引用每張上傳的圖，它們會依次成為圖1、圖2……這樣就能寫「把圖3裡的沙發放到圖1的窗邊」。
按最終釋出的位置選好畫幅，用 1K（10 積分）試想法，選中後再用 4K 出最終圖。
寫清哪些必須保持不變、哪些需要修改，例如「保留角色的臉和服裝，把背景換成夜市」。
image_example
三體宣傳海報
睡眠視覺化
image_example
image_example
image_example
image_example
MiniMax 官方測試中，H3 Image 標準版生成一張 4096 × 4096 的圖中位耗時約 16 秒，比參與對比的其他模型快數倍；1K、2K 約 10 秒。
皮膚、布料、毛髮和光影都豐富自然，沒有常見 AI 圖那種過度平滑的塑膠感。
提示詞遵循度在開源權重模型中領先，並支援參考圖編輯：給白模換上材質、把多個物件合成到一個場景，或只改一處細節、其餘保持不變。
描述主體、場景、風格以及需要出現在畫面裡的文字。中文短句也可以，生成前會自動擴寫成詳細描述。
最多上傳 16 張參考圖用於編輯或合成，再選擇畫幅（或自動）以及 1K、2K、4K 解析度。
1K、2K、4K 每張分別消耗 10、15、20 積分。檢視結果，按需調整提示詞，滿意後下載。
還有其他問題？請聯絡 support@aniv.ai
MiniMax H3 Image 生成的是單張圖片。想把一個故事做成完整劇集——劇本、一致的角色、分鏡、配音和影片——請使用 Aniv 的 AI 短劇生成器。