
文生图
根据文本提示词创建 AI 图像
在 Best Image AI 上使用 MiniMax H3 Image Edit API 免费编辑图像。描述修改要求,调整背景和细节,为图像编辑提供稳定且实惠的服务。可组合最多 16 张参考图,输出最高可选 4K。
立即体验 AI 图片生成
MiniMax H3 Image Edit API 通过 Best Image AI 将参考图像与文字编辑指令相结合。从现有视觉素材出发,描述希望进行的修改,并为最终图像选择输出设置。多图输入让你可以在同一请求中提供多张参考图像,用于创意修改和基于图像的工作流。
指令引导编辑: 使用文本提示词描述所提供图像应如何修改,以及哪些元素应当保留。
多图参考: 添加多张源图像,并说明每张参考图像在期望结果中的作用。
可选输出分辨率: 根据预期用途设置编辑后图像的输出分辨率。
灵活的输出比例: 为新布局准备编辑图像时,可选择正方形、竖向、横向或全景格式。
图像格式选择: 独立选择输出文件格式,不受参考图像格式限制。
输入: 提供参考图像 URL 和自然语言编辑指令。明确需要的修改;使用多张参考图像时,说明每张图像应如何引导结果。
输出: 每个完成的任务生成一张编辑后的图像;增加参考图像数量不会增加输出数量。
分辨率: 为每个请求明确选择输出分辨率。
宽高比: 选择支持的输出比例。通过 API 指定时,请同时提供宽度和高度的比例值,而非像素尺寸。
参考图像准备: 使用支持的图像文件,并确保其尺寸和比例处于文档规定的范围内。提交源图像前,请查阅 API 文档。
产品图像修改: 以现有产品图像为起点,描述调整后的场景或展示方式。
营销活动变体: 根据新的活动简报,请求修改现有创意素材。
参考引导的创意: 在请求中加入多张视觉参考,并描述它们之间预期的关联。
发布适配: 请求调整后的构图,使其比例适合不同的发布版位。
视觉评审工作流: 将对图像的反馈转化为编辑指令,并评审修改后的结果。
注意 请使用你有权处理的参考图像。费用由所选输出分辨率的费用和每张提交的参考图像费用组成,参考图像从第一张起计费;重复的图像 URL 每次被加入请求时都会计费。
MiniMax H3 Image Edit 与 ChatGPT Images 2.5 Flare Edit
两者均接受多张参考图像和文字编辑指令,并可选择分辨率和输出比例。ChatGPT Images 2.5 Flare Edit 增加了独立的质量设置,可在选定分辨率下优化输出。MiniMax H3 Image Edit 在分辨率和宽高比控制之外,还提供输出格式选择,以便交付编辑后的素材。
MiniMax H3 Image Edit 与 Nano Banana 2.1 Edit
Nano Banana 2.1 Edit 将基于参考图像的编辑与可选的网页和图像搜索相结合。MiniMax H3 Image Edit 使用提供的图像和编辑指令引导结果。当编辑可从搜索结果中获益时,可考虑 Nano Banana 2.1 Edit;当源图像和指令已明确需求时,可选择 MiniMax H3 Image Edit。
MiniMax H3 Image Edit 与 GPT Image 2 Edit
两者均支持多图编辑,并可调整输出分辨率。GPT Image 2 Edit 提供独立的质量设置,而 MiniMax H3 Image Edit 在 Best Image AI 上提供更丰富的输出比例。为参考图像引导的修改选择模型时,请比较所需的布局和质量控制。
在浏览器中探索多种 AI 创作工具,快速完成图像和视频工作流,再通过 Best Image AI 面向生产环境的模型 API 扩展成功创意。Best Image AI 为所有模型提供统一 API 层,让工作流的使用和扩展更轻松。
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)