
文字生成圖像
根據文字提示詞建立 AI 圖像
在 Best Image AI 上使用 MiniMax H3 Image Edit API 免費編輯圖片。描述修改需求以調整背景和細節,為圖片編輯提供穩定且實惠的服務。可結合最多 16 張參考圖,輸出最高可選 4K。
立即體驗 AI 圖片生成器
MiniMax H3 Image Edit API 透過 Best Image AI 將參考圖像與文字編輯指令相結合。從現有視覺素材出發,描述希望進行的修改,並為完成後的圖像選擇輸出設定。多圖輸入讓你可以在同一請求中提供多張參考圖像,用於創意修改和以圖像為基礎的工作流程。
指令引導編輯: 使用文字提示詞描述所提供圖像應如何修改,以及哪些元素應當保留。
多圖參考: 加入多張來源圖像,並說明每張參考圖像在期望結果中的作用。
可選輸出解析度: 根據預期用途設定編輯後圖像的輸出解析度。
靈活的輸出比例: 為新版面準備編輯圖像時,可選擇正方形、直向、橫向或全景格式。
圖像格式選擇: 獨立選擇輸出檔案格式,不受參考圖像格式限制。
輸入: 提供參考圖像 URL 和自然語言編輯指令。明確指出所需的修改;使用多張參考圖像時,說明每張圖像應如何引導結果。
輸出: 每個完成的任務會生成一張編輯後的圖像;增加參考圖像數量不會增加輸出數量。
解析度: 為每個請求明確選擇輸出解析度。
長寬比: 選擇支援的輸出比例。透過 API 指定時,請同時提供寬度和高度的比例值,而非像素尺寸。
參考圖像準備: 使用支援的圖像檔案,並確保尺寸和比例符合文件記載的限制。提交來源圖像前,請查閱 API 文件。
產品圖像修改: 以現有產品圖像為起點,描述調整後的場景或展示方式。
行銷活動變體: 根據新的活動簡報,請求修改現有創意素材。
參考引導的構想: 在請求中加入多張視覺參考,並描述它們之間預期的關聯。
發布調整: 請求調整後的構圖,使其比例適合不同的發布版位。
視覺審查工作流程: 將對圖像的回饋轉換為編輯指令,並審查修改後的結果。
注意 請使用你有權處理的參考圖像。費用由所選輸出解析度的費用和每張提交的參考圖像費用組成,參考圖像從第一張起計費;重複的圖像 URL 每次被加入請求時都會計費。
MiniMax H3 Image Edit 與 ChatGPT Images 2.5 Flare Edit
兩者皆接受多張參考圖像和文字編輯指令,並可選擇解析度和輸出比例。ChatGPT Images 2.5 Flare Edit 加入獨立的品質設定,可在選定解析度下改善輸出。MiniMax H3 Image Edit 除了解析度和長寬比控制之外,也提供輸出格式選擇,以便交付編輯後的素材。
MiniMax H3 Image Edit 與 Nano Banana 2.1 Edit
Nano Banana 2.1 Edit 將根據參考圖像的編輯與選用的網頁和圖像搜尋相結合。MiniMax H3 Image Edit 使用提供的圖像和編輯指令引導結果。當編輯可受益於搜尋結果時,可考慮 Nano Banana 2.1 Edit;當來源圖像和指令已明確定義需求時,可選擇 MiniMax H3 Image Edit。
MiniMax H3 Image Edit 與 GPT Image 2 Edit
兩者皆支援多圖編輯,並可調整輸出解析度。GPT Image 2 Edit 提供獨立的品質設定,而 MiniMax H3 Image Edit 在 Best Image AI 上提供更豐富的輸出比例。為參考圖像引導的修改選擇模型時,請比較所需的版面配置和品質控制。
在瀏覽器中探索多種 AI 創作工具,快速完成圖像和影片工作流程,再透過 Best Image AI 可用於正式環境的模型 API 擴展成功創意。Best Image AI 為所有模型提供統一 API 層,讓工作流程的使用和擴展更輕鬆。
const response = await fetch('https://api.flaq.ai/api/v1/image/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'minimax-h3-image-edit',
prompt: 'Change the sky to sunset colors',
image_url_list: ['https://example.com/image.jpg'],
width: 16,
height: 9,
resolution: '2k',
output_format: 'png'
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/image/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.images[].);
;
}
(status === ) {
.(pollResultData..);
;
}
( (resolve, ));
}
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/image/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'minimax-h3-image-edit',
'prompt': 'Change the sky to sunset colors',
'image_url_list': ['https://example.com/image.jpg'],
'width': 16,
'height': 9,
'resolution': '2k',
'output_format': 'png'
}
)
task_id = response.json()['data']['task_id']
curl -X POST https://api.flaq.ai/api/v1/image/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "minimax-h3-image-edit",
"prompt": "Change the sky to sunset colors",
"image_url_list": ["https://example.com/image.jpg"],
"width": 16,
"height": 9,
"resolution": "2k",
"output_format": "png"
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/image/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/image/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['images'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)