Aniv AI注册赠送 40 积分
用 MiniMax 开源权重图像模型 MiniMax H3 Image，在线文生图、生成 4K 大图，并上传参考图编辑。
MiniMax H3 Image 是 MiniMax 于 2026 年 11 月 11 日发布的开源权重图像模型。它基于 MiniMax H3，把文生图、参考图生成与图像编辑放进同一个模型，并在所有画幅下原生输出约 1600 万像素。MiniMax 改进了整条后训练链路，从数据、强化学习到减少采样步数、提示词增强和部署优化，让速度、画质与提示词遵循同时提升，而不是此消彼长。
根据 MiniMax 官方发布博客、模型卡，以及 Aniv 所用接口服务商 Evolink 的模型资料，整理 MiniMax H3 Image 的主要特点。
大多数图像模型分辨率一高就明显变慢。MiniMax 官方延迟测试（文生图，中位数）中，H3 Image 标准版 1K、2K 约 10.5 秒，完整 4096 × 4096 的 4K 约 16 秒，而对比中的其他模型生成 4K 需要 50 秒以上。MiniMax 的 Highspeed 极速版可把 4K 压到约 10 秒。
由于 1K 和 2K 耗时几乎一样，反复试稿时也不必为了速度降低分辨率。Aniv 使用的是标准版，排队和保存结果会在 MiniMax 实测时间上再多几秒。
MiniMax 的目标是缩小生成图像与真实世界之间的差距。H3 Image 保留了其他模型容易抹平的细微质感：湿漉漉的毛发、羊毛、饱经风霜的皮肤、布料纹理、山间薄雾。光线也像真实照片那样自然，而不是许多 AI 图那种过亮、过于均匀的光泽感。
分辨率同样重要。模型在所有画幅下都原生输出约 1600 万像素，从 4096 × 4096 方图到 21:9 的 6272 × 2688，不依赖超分放大，细节由模型本身画出，而不是靠后期增强补出来。
H3 Image 最适合根据一段完整、详细的画面描述来生成，但你不必自己写。生成前，MiniMax 的提示词优化会把任意语言的短提示词扩写成完整描述，涵盖主体、构图、光线、材质和氛围；画幅选「自动」时，还会挑选合适的比例。
这张图就是 MiniMax 官方示例：原始提示词只有一句「俯拍一桌乡村风格的农场直供盛宴」，配上蔬菜、奶酪和面包，生成前被扩写成约 300 词的详细描述。在 Aniv 上提示词优化始终开启，写短句就够了，只在你在意的地方补充细节即可。
海报、信息图和招牌上的文字既要写对，也要内容正确。H3 Image 能清晰渲染大段中英文，MiniMax 还更进一步：官方示例中，模型在画面上排出整道逻辑推理题，逐条推理并把正确答案写在板上。
因此它适合各种以文字为主的画面，比如菜单、商品标签、活动海报、幻灯片和漫画分格。在提示词里用引号写出准确文字，并说明位置和字体风格。
H3 Image 属于 MiniMax H3 家族，沿用 H3 架构但去掉了音频层：331 亿参数、50 层的扩散 Transformer，H3 文本编码器（基于 Qwen3-VL）和图像 VAE。模型被蒸馏到只需 6 步采样、无需无分类器引导，这也是它速度快的重要原因。
MiniMax 已在 Hugging Face 以 MiniMax-H3-Image 社区许可协议发布权重，支持 diffusers、SGLang、vLLM-Omni 和 ComfyUI。自行部署需要数据中心级 GPU；在 Aniv 上，打开浏览器就能用托管好的模型，无需安装。
以下为 MiniMax 官方样例，每个都附有一句可在上方生成器里直接改写使用的提示词，覆盖从摄影到概念设计、传统绘画等模型擅长的方向。
照片是 H3 Image 最擅长的方向：皮肤、布料和光线自然，有真实的景深，没有常见 AI 图的塑料感。像给摄影师下需求一样写明镜头、时间和氛围，模型会让画面保持真实可信。
可以试试的提示词
黄昏时分，女人在城市天台上晾白床单，身后升起一轮巨大的满月，冷暖光交织，35mm 胶片摄影
正因为写实能力强，H3 Image 也能把不可能的创意拍得像真的。给云朵理发、从巨大梨子里走出模特这类超现实时尚创意，依然保有可信的光影、阴影和材质，这正是它看起来有说服力的原因。
可以试试的提示词
理发师在红色理发椅旁，像修剪顾客头发一样修剪一朵蓬松的白云，绿色草坪，晴朗天空，时尚杂志大片
游戏、影视和分镜需要的大场景，正适合 4K 输出。H3 Image 能营造宏大的尺度和氛围，层次、天气和光线分明，放大看时人物、遗迹、招牌等小细节依然清楚。
可以试试的提示词
黄金时刻，驭龙者站在红色岩石悬崖上俯瞰辽阔峡谷，史诗奇幻概念设计，远景
做角色设计时，H3 Image 能输出接近制作标准的设定图：正面、背面加服装细节特写，彼此保持一致。在 Aniv 上可以保存结果并作为参考图使用，让同一个角色在之后的每个场景和分镜画面中保持一致。
可以试试的提示词
角色设定图：穿深色毛领冬季派克大衣、挂着对讲机的男人，正面、背面和外套特写，浅色纯背景
除了照片，H3 Image 对传统和数字艺术风格也还原得很准，从油画、淡彩水彩，到塔罗牌插画和带书法题字的中国工笔画。写明画种和年代，它会还原笔触、纸绢质感和构图习惯，而不是千篇一律的「数字绘画」感。
可以试试的提示词
中国工笔画，一只鹈鹕望向圆镜，线条细腻，矿物颜料柔和设色，四字书法题款，绢本质感
图片来源：MiniMax，取自 Hugging Face 上的 MiniMax H3 Image 官方模型卡与官方发布博客。
同一个模型也能改图。给它一张或多张参考图，描述想要的结果：该保留的保留，只改你要求的部分。在 Aniv 上最多可添加 16 张参考图，在提示词里用 @ 引用，它们会按添加顺序编号为图1、图2……
一张没有材质的月球基地灰模，变成带材质、光影和阴影的写实电影剧照，机位和构图完全不变。用这种方式，可以把 Blender 或游戏引擎里的白模快速变成精美主视觉或客户预览图。
一张手绘游戏地图，变成从红色箭头位置看出去的第一人称 3D 画面，原地图保留为小地图。模型必须读懂地图上的地形，才能把瀑布、吊桥、矿场和城堡放到正确位置，可见它是在理解参考图，而不是照搬。
一个空房间加九件家具照片，合成为一间布置完整的客厅，每件家具比例合理，并被房间自身的光线照亮。在 Aniv 上每次最多可添加 16 张参考图，用满模型支持的上限。
图片来源：MiniMax，取自 Hugging Face 上的 MiniMax H3 Image 官方模型卡与官方发布博客。
这些场景最能发挥 H3 Image 的速度、写实感和多图参考编辑能力。
把商品放进精心布置的场景、替换背景，或做一整套风格统一的商品图。上传商品照片作为参考图，外形、颜色和标签都能保留。
一次生成画面和标题文字。4K 输出留有裁切空间，同一张图可以用于横幅、社媒和印刷品。
先用 1K 快速探索场景、生物和道具，再把最好的方向用 4K 出图，放进提案或美术设定集。
为每个镜头生成关键帧，用参考图保持角色一致。在 Aniv 制作 AI 短剧时，分镜编辑器里同样可以选择 H3 Image。
生成角色的正面、背面和特写，再把设定图作为参考图反复使用，让角色在不同场景中保持一致。
用真实家具照片布置空房间，或把灰色 3D 模型渲染成写实效果图，快速给客户预览。
提示词优化会帮你补全很多内容，但养成几个习惯能让结果更可控。
写清主体、场景、光线、机位和氛围。画面描述得越完整，模型需要猜的就越少。
「35mm 胶片摄影」「淡彩水彩」「等距 3D 渲染」「中国工笔画」这类词，比「好看」「精美」更能决定画面风格。
需要出现在画面上的文字放进引号，并说明放在哪里、用什么样的字体。
用 @ 引用每张上传的图，它们会依次成为图1、图2……这样就能写「把图3里的沙发放到图1的窗边」。
按最终发布的位置选好画幅，用 1K（10 积分）试想法，选中后再用 4K 出最终图。
写清哪些必须保持不变、哪些需要修改，例如「保留角色的脸和服装，把背景换成夜市」。
image_example
三体宣传海报
睡眠可视化
image_example
image_example
image_example
image_example
MiniMax 官方测试中，H3 Image 标准版生成一张 4096 × 4096 的图中位耗时约 16 秒，比参与对比的其他模型快数倍；1K、2K 约 10 秒。
皮肤、布料、毛发和光影都丰富自然，没有常见 AI 图那种过度平滑的塑料感。
提示词遵循度在开源权重模型中领先，并支持参考图编辑：给白模换上材质、把多个物件合成到一个场景，或只改一处细节、其余保持不变。
描述主体、场景、风格以及需要出现在画面里的文字。中文短句也可以，生成前会自动扩写成详细描述。
最多上传 16 张参考图用于编辑或合成，再选择画幅（或自动）以及 1K、2K、4K 分辨率。
1K、2K、4K 每张分别消耗 10、15、20 积分。查看结果，按需调整提示词，满意后下载。
还有其他问题？请联系 support@aniv.ai
MiniMax H3 Image 生成的是单张图片。想把一个故事做成完整剧集——剧本、一致的角色、分镜、配音和视频——请使用 Aniv 的 AI 短剧生成器。