MiniMax H3 Image 是什么？

MiniMax H3 Image 是 MiniMax 发布的图像生成模型。

它和视频生成模型 MiniMax H3 出自同一个祖先，一个模型就能同时完成图像生成和图像编辑。

最大的特点是能一次生成 16 MP 这样超大尺寸的图像。再加上 6 步蒸馏，在 4 MP 下生成速度非常快。

在 Runpod 上打开本文的工作流推荐 : RTX 4090RTX 5090查看使用说明

包含推荐链接

推荐设置

  • 分辨率
    • 4–16 MP
      • 1:1 时为 2048 × 2048 到 4096 × 4096 px
    • 宽和高都要是 32 的倍数

与其说它能生成大尺寸，不如说必须用大尺寸才能生成好。低于 4 MP 时，画面会崩坏。

下载模型

📂ComfyUI/
└── 📂models/
    ├── 📂diffusion_models/
    │   └── minimax_h3_image_pruned_int8_convrot.safetensors
    ├── 📂text_encoders/
    │   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
    └── 📂vae/
        └── minimax_h3_image_vae_fp16.safetensors

提示词

下面是 MiniMax 官方的提示词指南。不过和视频模型 MiniMax H3 相比，它对提示词的要求没那么严格。用自己的话把想要的内容详细写出来就可以了。

Ref2Image 与图像编辑

官方写法需要先用 <Subject 1> 之类的标签定义对象，但就我试下来，按参考图连接的顺序直接写 Picture 1、Picture 2 就行。

另外，即使是图像编辑，与其用“改成……”这种指令的写法，不如直接描述完成后的画面，感觉会更稳定一些。

The image shows the man from Picture 1 sitting deep in the chair from Picture 3, wearing the headphones from Picture 2.

这里没有使用提示词增强（prompt enhance）。用 Qwen3.5 9B 时处理时间变长，出错也不少，而且用短句也已经能生成得足够好。

text2image

minimax_h3_image_text2image.json
Outputs

Ref2Image

把多张参考图组合起来，生成新的图像。

参考图最多可以用 16 张。

minimax_h3_image_ref2image.json
Outputs
Picture 1
Picture 1
Picture 2
Picture 2
Picture 3
Picture 3
output
output

图像编辑

minimax_h3_image_edit.json
  • Resize Image/Mask
    • MiniMax H3 Image Conditioning 会在内部自行缩放输入图像，让短边落在 1024–2048 px 之间。
    • 为了让输入和输出的尺寸完全一致，这里先把短边缩放到 2048 px。

有时构图会自己变掉，比如全身照变成了特写。这时可以把不想改变的部分也写进提示词。

The framing, pose, and background are the same as Picture 1.
Outputs
input
input
output
output