让AI生成摘要
你让图像编辑器替换一辆出租车，它却悄悄挪动了行人。你给肖像添加一件参考夹克，脸却变了。MiniMax H3 Image 图像编辑为创作者提供了一种用一张或多张参考图编辑静态图像的方法，但它的实际价值取决于编辑后有哪些内容得以保留。明确要做的更改，明确必须保留的细节，并在原始尺寸下将输出与原始图像并排检查。本指南考察四个已发布的 MiniMax H3 Image 图像编辑示例。第一个和第四个有已发布的指令；另外两个包含明确标注的复现简述，而非原始提示词。
关键要点
- MiniMax H3 Image 编辑静态图像；较旧的 MiniMax H3 视频模型是另一项任务。
- 为每张上传的图像分配明确角色，然后指定必须保留的物体、文字、构图和光线。
- 评判 4K 要看最终裁剪和文字保真度，而不只是分辨率标签。
- 第一、第二和第四张图来自独立的 MiniMax H3 Image 测试；第三张是 MiniMax 发布的示例。它们都不能证明存在 Atlas Cloud MiniMax H3 Image 图像编辑端点。
什么是 MiniMax H3 Image 图像编辑？
MiniMax H3 Image 根据文本生成静态图像，并使用视觉参考编辑图像。它与更广泛的 MiniMax H3 系列相关，但 MiniMax H3 视频端点生成动态影像。想要替换照片中椅子的创作者需要的是静态图像编辑器，而不是图生视频页面。MiniMax 的 2026 年 11 月发布公告描述在同一模型中实现生成、基于参考的生成和编辑。
根据该发布，模型最多接受 16 张参考图像。这是一个容量限制。并不意味着 16 个对象都会各自保留所有可识别特征。当角色重叠时，更多参考图甚至可能让简述更难解读。从源照片开始，只有在某张参考图提供源图缺少的信息时才添加它，并说明哪张图像控制哪个特征。
MiniMax 表示，一张 4096 × 4096 图像可以在 10 秒内生成。这是厂商性能声明，并非本文测得的耗时，也不是对特定托管队列、计算机或编辑的承诺。官方 MiniMax H3 Image 模型卡（2026 年 11 月）列出常见输出尺寸接近 1600 万像素，并描述了本地工作流。其图像编辑示例使用上传图像顺序来标识参考图。在线界面可能使用不同标签，因此运行前请确认可见顺序。
对编辑者而言，核心问题比“模型能否生成有吸引力的图像”更窄。它能否在保留主体可识别几何形状、现有文字和场景逻辑的同时，完成所请求的局部更改？缩略图无法回答这一点。接下来的章节将把这个问题转化为可重复的审查。
一次编辑应保留什么？
把编辑简述写成两份清单：你授权的更改，以及你希望保留的证据。“保持其他一切不变”听起来清楚，但它让模型自行决定“一切”指什么。摄影师可能在意马克杯的杯口和把手，而产品经理在意印刷标签。请在提示词中说明。
上传前使用这个由五部分组成的验收检查：
- **请求的更改：**确定一个对象或区域，并描述预期的替换。
- **受保护主体：**说明建立身份的形状、颜色、材质、姿态、标志位置或其他特征。
- **场景连续性：**在相关时保持相机位置、构图、透视、遮挡、反射和光线方向。
- **现有文字：**将每个可见字母与原始内容比较。即使包装文案看起来合理，只要被改写就视为失败。
- **交付用途：**判断图像是情绪草稿、客户校样，还是已批准的产品资产。用途越严格，审查越细致。
在任何场景编辑中，保留都有极限。移动一把椅子可能需要新的地面阴影；更换桌面必然会改变马克杯的接触阴影。要求编辑器在保留受保护主体的同时，做出物理上必要的交互变化。否则，“阴影不变”会与“新场景”冲突，结果可能两者都满足不了。
保存源文件、精确提示词、参考顺序、所选尺寸、输出文件，以及服务返回的任何改写后提示词。该记录让队友能够区分模型错误和指令含糊。它也让修订更有意义：改变一个变量，再次运行，并比较同一区域。
有用的审查从适合屏幕尺寸开始，以捕捉构图漂移。然后在受保护细节周围检查 100% 裁剪。对于交付图像，还要按实际投放尺寸查看。一个很小的标志在放大时看起来可以接受，却可能在横幅布局中消失。对源图和输出裁剪使用相同查看比例，否则表观锐度比较会产生误导。
如何用 MiniMax H3 Image 编辑一张图像
从一张源图像和一次编辑开始。在 MiniMax H3 Image 界面中，选择图像编辑，将原始图作为第一张图像上传，确认其缩略图，选择接近源图的输出宽高比，并请求一个输出。如果是在测试措辞，首次运行保持在 2K；只有在编辑符合简述后才转向 4K。如果界面显示扩展提示词，请将其与输出一起保存以供审查。
编辑检查 1：替换出租车而不改变街道
KOBO Lab 的一项独立 ComfyUI 测试从路边一辆黄色出租车开始，要求 MiniMax H3 Image 将其变成粉色冰淇淋车。发布的图中，源图在上方，中间和下方是同一随机种子的两个结果：中间为关闭提示词扩展，下方为开启提示词扩展。测试者报告每个设置运行三次；图中各展示一次。这是真正的 MiniMax H3 Image 编辑，不是为本文执行的运行。
独立 MiniMax H3 Image 测试：原始出租车、不启用提示词扩展的编辑、启用提示词扩展的编辑，从上到下。周围街道提供了保留检查。
官方 ComfyUI 模板提供了用作测试起点的出租车变卡车指令。对于可比较的编辑，粘贴这段改写后的简述：
plaintext1Edit image 1. Replace only the yellow taxi with a pastel-pink ice-cream truck in the same side profile and curb position. Add a scalloped awning and a lit serving window. Keep the buildings, graffiti, pedestrians, street, camera framing, and daylight as they are.
以相同比例将两个结果与源图比较。两者都在出租车位置显示粉色卡车，同时让建筑和街道构图大体可识别。在接受交付编辑前，更仔细地检查行人、涂鸦、车辆占地、车轮接触和路缘阴影。雨棚在中间结果中更清晰；测试者报告，该细节在不启用扩展的三次运行中都出现，而在启用扩展的三次运行中均未出现。
此示例使用一个输入，因此审查可以专注于请求的车辆替换和受保护的街道细节，而无需担心参考角色不明确。
如何组合多张参考图
当所需对象具有特定轮廓或材质时，第二张参考图很有用。它应该只承担一项任务。在肖像构图中，第一张图像控制人物身份和构图；后续图像可以提供服装、配饰或地点。运行前在工具中确认上传顺序。官方模型卡在其 API 示例中将有序输入称为 “Picture 1” 和 “Picture 2”；一些 Web 界面显示 “image 1” 和 “image 2”。如果界面需要精确的参考标记，请使用界面实际显示的名称。
编辑检查 2：根据参考图添加夹克、帽子和地点
同一项 KOBO Lab 测试在顶部发布了四张输入图像：一名女性、一件红色刺绣夹克、一顶草帽和一条京都小巷。左下方显示使用女性和夹克的两个结果；右下方显示使用全部四张参考图的两个结果。测试者在每种配置下运行三次，并报告主要请求细节在所有这些运行中都出现。显示的图像是实际的 MiniMax H3 Image 结果，不是假设性拼贴。
独立 MiniMax H3 Image 测试：顶部为四张源图像；左下方为双参考编辑，右下方为四参考编辑。鸟刺绣、帽带和小巷是可见的审查点。
对于类似的四参考编辑，将女性作为图像 1 上传，夹克作为图像 2，帽子作为图像 3，小巷作为图像 4。以下是一份复现简述，不是测试者确切的原四参考提示词：
plaintext1Use image 1 for the woman's face, hair, jeans, white sneakers, and body proportions. Dress her in the red embroidered jacket from image 2, open enough to show the white T-shirt. Add the straw hat with the black ribbon from image 3. Place her in the Kyoto lane from image 4, matching its perspective and evening light. Keep the jacket's bird embroidery recognizable and do not import the plain product-photo backgrounds.
将双参考结果与四参考结果比较。夹克的红色缎面质感和鸟刺绣、女性的波波头和牛仔裤、帽子的黑色缎带，以及小巷的灯笼，都是需要检查的独特特征。测试者三次双参考运行中的一次把夹克合得足够紧，遮住了白衬衫，这提醒我们即使主要服装迁移成功，也要检查受保护的服装细节。
如果你自己的运行中面部、刺绣或场景发生漂移，请细化相关参考图的角色，并以相同上传顺序重试。额外参考图只有在每一张都提供不同特征时才有帮助。
4K 对最终编辑有帮助吗？
更大的文件为审查者提供更多像素可检查，也提供更多裁剪空间。它本身并不能证明模型保留了原始字形或生成了连贯的纹理。MiniMax 发布的 4K 尺寸因宽高比而异；4096 × 4096 是方形示例，而宽幅图像在相近像素面积下可以有不同的尺寸。请读取导出文件的实际尺寸，不要假设每个 “4K” 选项都有相同的宽度和高度。
要进行公平的 2K 与 4K 检查，请使用相同的源图、提示词、宽高比和参考顺序。每个设置导出一张图像。比较完整画面以检查构图，然后在相同标签和物体边缘周围制作等比例裁剪。注意更高分辨率是揭示了真实字形和结构，还是仅仅放大了模糊痕迹，或引入了新的痕迹。如果速度重要，请单独记录耗时；发布中低于 10 秒的数字并不衡量你的会话。
编辑检查 3：将地图转变为视点场景
MiniMax 发布的一参考地图编辑，将一幅插画风格游戏地图与根据红色箭头位置生成的第一人称场景配对。输出在左上方包含一张小地图。这张已发布图像被缩小；它展示的是空间编辑，不是经过测量的 2K 与 4K 对比。MiniMax 没有发布其确切展示提示词。
MiniMax 官方一参考示例：左侧是源地图，右侧是生成的视点场景。结果是真实的，但显示的合成图并不能确立全分辨率标签保真度。
对于可比较的试验，将地图用作图像 1，并将以下内容视为复现简述，而非 MiniMax 的原始提示词：
plaintext1Use image 1 as the spatial reference. Create a first-person game view from the red arrow by the southern lake, looking toward the waterfall and bridge. Keep the river, castle, village, mine, and harbor in positions consistent with the map and show only what the camera could plausibly see. Add a small map inset that accurately reflects the source. Do not invent an unrelated landmark or rewrite any readable map label.
比较两个面板之间的地标关系：瀑布和桥应与湖景观景点对齐，而城堡和矿场应在场景中占据合理位置。缩小后的图像支持构图检查，但不能支持对每张地图标签逐字符的判断。对于真实的 4K 交付测试，请以原始尺寸导出源图和输出，等比例裁剪相同地标和标签，并记录任何偏移或虚构的细节。
编辑检查 4：更改店铺招牌而不重写店面
在 KOBO Lab 的另一项独立 MiniMax H3 Image 测试中，编辑者将咖啡馆的木制招牌从 “MORNING CAFE” 改为 “KOBO.” 发布的对比包括源图和一张来自随机种子 42 的 MiniMax H3 Image 结果；这里展示两个相关面板。测试者报告，MiniMax H3 Image 在三次运行中都正确拼写了 KOBO，但附近的店面细节也发生了变化。
独立 MiniMax H3 Image 测试：左侧为源店面，右侧为 MiniMax H3 Image 结果，裁剪自作者的四面板对比。招牌文字改变了，但植物和人行道展示需要单独的保留检查。
源内容发布了其编辑指令。这段改写后的简述保留相同更改和受保护细节：
plaintext1In image 1, replace the words MORNING CAFE on the wooden sign with KOBO. Match the original lettering style. Preserve the storefront, windows, potted plants, pavement display, camera position, and daylight.
在所示结果中，招牌显示为 KOBO。在接受其为局部文字编辑前，以相同比例比较下半部分：测试者发现 MiniMax H3 Image 输出中植物叶片被改变，人行道展示发生偏移。拼写正确本身并不意味着照片其余部分保持完整。
这四项检查共用一张验收表。发布的图显示结果，但单独的 2K 与 4K 结果列需要你自己进行受控运行。
| 编辑检查 | 授权更改 | 必须保持可识别 | 运行后记录 |
|---|---|---|---|
| 出租车 | 将出租车替换为冰淇淋车 | 街道布局、行人、涂鸦、相机 | 卡车位置、雨棚、路缘接触、场景连续性 |
| 肖像 | 从单独的参考图添加夹克、帽子和小巷 | 脸、头发、牛仔裤、鞋、夹克细节 | 身份、刺绣、帽带、光线 |
| 地图 | 从标注的湖泊位置渲染视点 | 地标关系和可读标签 | 透视、地图插图、原始尺寸下的标签 |
| 店铺招牌 | 将 MORNING CAFE 替换为 KOBO | 店面、植物、人行道展示、相机 | 字形、植物形状、等比例下的展示位置 |
可以在哪里运行，费用是多少？
官方模型卡指向 MiniMax 的在线应用，并发布用于本地部署的权重。对于需要测试照片的创作者来说，在线编辑器是更短的路径；本地工作流让技术团队控制自己的基础设施和版本管理。本地部署仍需要足够的硬件，并审查模型的社区许可证，尤其是在商业分发或托管之前。开放权重本身并不能解决使用权利问题。
截至 2026 年 11 月 11 日，我可以验证 MiniMax H3 Image 的发布和模型卡，但我无法在 Atlas Cloud 上验证 MiniMax H3 Image 静态图像编辑端点。其公开的 模型目录 和端点索引显示 MiniMax H3 视频条目；这些不会执行此静态图像工作流。不要将这四个提示词路由到视频模型，也不要把其他编辑器的输出标记为 MiniMax H3 Image。
如果你今天需要在 Atlas Cloud 上编辑照片，经过验证的 Google Nano Banana 2 Edit 模型页面 是一个相关选项。它是不同的模型。将其输出放在单独且明确标注的对比中；如果要比较模型，请使用相同的源图和编辑目标。本文不包含此类实际运行的比较。
| 2026 年 11 月 11 日检查的路线 | 任务 | 使用前需核实的费用信息 |
|---|---|---|
| MiniMax H3 Image 在线应用 | 静态图像生成和编辑 | 查看实时 MiniMax 方案或请求估算；此处不主张固定编辑价格 |
| MiniMax H3 Image 开放权重 | 自托管静态图像生成和编辑 | 硬件、托管和许可证义务各不相同 |
| Atlas Cloud Google Nano Banana 2 Edit | 使用不同模型的托管图像编辑 | 在模型页面查看确切分辨率、输出数量和当前每张图像报价 |
| Atlas Cloud MiniMax H3 视频条目 | 视频生成 | 不是 MiniMax H3 Image 静态编辑价格或工作流 |
该表刻意避免给出低“起价”。图像费用可能取决于分辨率和输出数量，而一个模型系列的标题数字可能并不是 4K 编辑的报价。在发布或生产批次之前，请在实时目录和详情页核实确切端点、输出尺寸、计费单位以及任何折扣。
实用的 MiniMax H3 Image 图像编辑清单
一次有用的 MiniMax H3 Image 图像编辑运行以验收决定结束，而不只是下载文件。以清晰可读的分辨率准备原始图，写下唯一预期更改，列出受保护细节，为每张参考图分配角色，并选择适合源图的宽高比。保存精确提示词以及服务返回的任何扩展内容。
生成后，检查完整图像的构图，并检查近距裁剪中的身份、文字、边缘和阴影。将每个必需细节标记为通过、失败或不确定。通过一次更改一个指令来重试。如果客户需要精确的包装文案或受法律控制的标志，请在审批路径中保留人工审查和传统编辑。
上述三项独立测试和 MiniMax 发布的地图示例展示了这些具体编辑的结果。它们并不能确立 MiniMax H3 Image 在你自己的文件上会表现如何。在发布独立“真实照片测试”之前，附上每个真实输出、完整提示词、实际设置和对应裁剪；然后像报告成功一样直白地报告失败。这才是创作者判断编辑能否交付所需的证据。
常见问题
MiniMax H3 Image 与 MiniMax H3 video 相同吗？
不相同。MiniMax H3 Image 生成并编辑静态图像。MiniMax H3 video 端点生成动态影像，而 Atlas 视频列表并不能确立 MiniMax H3 Image 图像编辑的可用性。
我可以只用一张参考图进行编辑吗？
可以。官方模型卡描述了使用一张或多张参考图像进行图像编辑。当目标对象已经存在时，从一张基础照片开始；只有当第二张图像提供不同的对象或风格参考时才添加它。
我可以在编辑时关闭提示词增强吗？
官方模型卡表示，MiniMax API 在生成前扩展简短提示词，而其本地工作流可以使用单独准备的详细提示词。特定在线界面暴露的控制项可能不同。如果服务返回扩展提示词，请保存它，并在假设可以禁用扩展之前检查该界面的当前选项。
我可以将开放权重用于商业用途吗？
请查看官方模型卡附带的 MiniMax H3 Image Community License Agreement，并取得预期用途所需的任何授权。“开放权重”描述的是对模型文件的访问；它不是一揽子商业许可。
