MiniMax H3 Image مدل تازه‌ی ساخت و ویرایش عکس شرکت چینی MiniMax است که ۱۰ نوامبر ۲۰۲۶ (۱۹ آبان ۱۴۰۵) عرضه شد. این مدل از روی نوشته عکس می‌سازد، عکس‌های شما را با دستور متنی ویرایش می‌کند و خروجی را تا اندازه‌ی ۴K، یعنی حدود ۱۶ مگاپیکسل، بدون بزرگ‌نمایی جداگانه می‌دهد. در این نوشته می‌خوانید این مدل چه کارهایی می‌کند، کجا از رقیب‌ها جلوتر یا عقب‌تر است و چطور می‌شود آن را امتحان کرد.
اگر با مدل ویدیوساز همین شرکت آشنا نیستید، پیش‌تر در معرفی MiniMax H3 Max درباره‌اش نوشته‌ایم. H3 Image روی همان پایه ساخته شده، ولی کارش فقط عکس است.
MiniMax H3 Image چه کارهایی می‌کند؟
این مدل دو کار را با یک موتور انجام می‌دهد: ساخت عکس از متن و ویرایش عکس. طبق کارت رسمی مدل، هسته‌ی آن ۳۳٫۱ میلیارد پارامتر دارد. پارامتر یعنی عددهایی که مدل هنگام آموزش یاد می‌گیرد؛ هرچه بیشتر باشد، مدل معمولا جزئیات بیشتری را می‌فهمد، ولی سنگین‌تر هم می‌شود.
ساخت عکس تا ۴K بدون بزرگ‌نمایی
بیشتر مدل‌ها عکس را کوچک می‌سازند و بعد با ابزار دیگری بزرگش می‌کنند. H3 Image عکس را از اول در اندازه‌ی بزرگ می‌سازد: عکس مربعی ۴۰۹۶ در ۴۰۹۶ پیکسل، و در قاب‌های دیگر هم حدود ۱۶ مگاپیکسل. سقف خروجی در مستندات رسمی ۲۰ میلیون پیکسل است و نسبت قاب می‌تواند از ۱:۳ تا ۳:۱ باشد. سه اندازه‌ی آماده هم دارد: ۱K، ۲K و ۴K.
این برای کار چاپی مهم است. اگر برای فروشگاهتان بنر، پوستر یا عکس بسته‌بندی می‌خواهید، عکس ۴K روی کاغذ هم تمیز می‌ماند و لازم نیست جداگانه کیفیتش را بالا ببرید.
ویرایش و ترکیب تا ۱۶ عکس مرجع
می‌توانید تا ۱۶ عکس به مدل بدهید و با متن بگویید با آن‌ها چه کند: یک چیز را عوض کند، سبک عکس را تغییر دهد یا چند عکس را در یک صحنه کنار هم بگذارد. برای نمونه، عکس محصول، عکس میز چوبی و عکس یک گلدان را می‌دهید و می‌نویسید محصول روی همان میز، کنار همان گلدان باشد.
بازنویسی خودکار پرامپت
مدل با توضیح دقیق انگلیسی بهترین نتیجه را می‌دهد. برای همین یک مرحله‌ی «بهبود پرامپت» دارد که به‌طور پیش‌فرض روشن است: نوشته‌ی کوتاه شما را به توضیح کامل‌تری تبدیل می‌کند و اگر به زبان دیگری نوشته باشید، آن را به انگلیسی برمی‌گرداند. پس پرامپت فارسی هم کار می‌کند، ولی مدل در عمل نسخه‌ی انگلیسی آن را می‌خواند.
چند کاربرد واقعی
- صفحه‌ی اینستاگرام: عکس پس‌زمینه‌ی پست، کاور ریلز و عکس محصول در فضای دلخواه.
- فروشگاه اینترنتی: گذاشتن یک محصول در چند صحنه‌ی مختلف با دادن چند عکس مرجع.
- چاپ: پوستر، تراکت و بنر با اندازه‌ی بزرگ.
- درس و ارائه: تصویرسازی برای اسلاید، جزوه و پروژه‌ی کلاسی.
چه فرقی با مدل‌های قبلی و رقبا دارد؟
فرق اصلی در اندازه‌ی خروجی و تعداد عکس مرجع است. H3 Image نخستین مدل عکس MiniMax در خانواده‌ی H3 است؛ مدل‌های قبلی این خانواده ویدیو می‌ساختند. در جدول زیر آن را کنار دو مدل تازه‌ی دیگر گذاشته‌ایم که هر دو را پیش‌تر معرفی کرده‌ایم.
| ویژگی | MiniMax H3 Image | Seedream 5.5 | FLUX.3 Klein |
|---|---|---|---|
| سازنده | MiniMax | ByteDance | Black Forest Labs |
| بزرگ‌ترین خروجی | حدود ۴K (تا ۲۰ میلیون پیکسل) | ۲K | تا ۴K |
| عکس مرجع در ویرایش | تا ۱۶ | تا ۱۰ | تا ۵ |
| پس‌زمینه‌ی شفاف | ندارد | دارد | اعلام نشده |
| وزن باز | بله، با مجوز محدود | نه | بله |
نتیجه‌ی جدول: اگر عکس بزرگ برای چاپ یا ترکیب تعداد زیادی عکس مرجع می‌خواهید، H3 Image دست بالا را دارد. اگر عکس با پس‌زمینه‌ی شفاف یا ویرایش پشت سر هم روی یک عکس می‌خواهید، مدل Seedream 5.5 مناسب‌تر است. و اگر سرعت و هزینه‌ی کم مهم‌تر است، مدل سبک FLUX 3 Klein را هم ببینید.
یک فرق دیگر «وزن باز» است. یعنی MiniMax فایل‌های خود مدل را منتشر کرده و شرکت‌ها و پژوهشگرها می‌توانند آن را روی دستگاه خودشان اجرا کنند. البته این برای کاربر عادی کاربردی ندارد: فقط فایل اصلی مدل حدود ۶۹ گیگابایت و بخش فهم متن آن حدود ۶۷ گیگابایت است و کارت‌های گرافیک بسیار قوی می‌خواهد.
نسخه‌ی دومی هم به نام H3 Image Highspeed هست. طبق مستندات رسمی، همان تنظیم‌ها و همان سقف‌ها را دارد و برای وقتی است که سرعت برایتان مهم‌تر است.
نقطه‌های ضعف و محدودیت‌ها
این مدل چند محدودیت روشن دارد که بهتر است پیش از استفاده بدانید.
- ویرایش یعنی ساخت دوباره: مدل هنگام ویرایش، کل عکس را از نو می‌سازد. پس ممکن است جاهایی که نخواسته‌اید هم کمی عوض شود. برای اصلاح ریز و دقیق، این نقطه‌ضعف است.
- پس‌زمینه‌ی شفاف ندارد: خروجی همیشه عکس کامل است؛ برای لوگو یا استیکر باید جداگانه پس‌زمینه را بردارید.
- «چیزهایی که نباشد» را نمی‌گیرد: بخش پرامپت منفی ندارد. هرچه می‌خواهید باید در خود متن اصلی بگویید.
- تنظیم کیفیت قفل است: مدل همیشه با ۶ گام نمونه‌گیری کار می‌کند و نمی‌شود آن را بالا و پایین کرد.
- آزمون مستقل هنوز کم است: ادعاهایی مثل «ساخت در ۱۰ تا ۲۰ ثانیه» و «بهترین پیروی از دستور بین مدل‌های باز» از خود شرکت است و هنوز رتبه‌ی مستقلی برای آن منتشر نشده.
- متن فارسی روی عکس: نمونه‌های رسمی، نوشته‌ی انگلیسی و چینی را نشان می‌دهند. درباره‌ی درست نوشتن فارسی روی عکس، داده‌ی رسمی نداریم؛ پس اگر نوشته‌ی فارسی می‌خواهید، نتیجه را با دقت نگاه کنید.
- مجوز محدود: وزن‌ها با «مجوز جامعه» منتشر شده و استفاده‌ی تجاری گسترده از فایل‌های مدل، اجازه‌ی کتبی جدا می‌خواهد.
چطور MiniMax H3 Image را امتحان کنم؟
ساده‌ترین راه برای کاربر فارسی‌زبان، هوش نو است که سرویس خود ماست. H3 Image و نسخه‌ی تندتر آن (H3 Image Fast) در هوش نو در دسترس است و در فهرست مدل‌های عکس دیده می‌شود.
- صفحه‌ی ساخت عکس با هوش مصنوعی را باز کنید و وارد حسابتان شوید.
- از فهرست مدل‌ها «H3 Image» را انتخاب کنید؛ اگر عجله دارید «H3 Image Fast» را بردارید.
- پرامپت را بنویسید و قاب و اندازه‌ی عکس را انتخاب کنید.
- قیمت را نگاه کنید؛ قیمت دقیق پیش از ساخت، زیر دکمه‌ی ساختن نشان داده می‌شود.
- دکمه‌ی ساختن را بزنید و عکس را دانلود کنید.
پرداخت در هوش نو تومانی است و اگر ساخت ناموفق باشد، اعتبار خودکار برمی‌گردد. اگر می‌خواهید عکسی را که دارید اصلاح کنید، ابزار ویرایش عکس را هم ببینید.
درباره‌ی قیمت رسمی: MiniMax هزینه را بر پایه‌ی توکن حساب می‌کند، نه هر عکس. نرخ منتشرشده برای هر یک میلیون توکن چنین است: متن ورودی ۲٫۳۰ دلار، عکس ورودی ۱٫۵۰ دلار و عکس خروجی ۳٫۸۰ دلار (آخرین بررسی: ۲۲ آبان ۱۴۰۵). گزارش‌های روز عرضه، هزینه‌ی هر عکس ۱K را حدود ۰٫۰۲ دلار و هر عکس ۴K را حدود ۰٫۰۷ دلار برآورد کرده‌اند. فقط عکس‌های موفق حساب می‌شود.
نوشتن پرامپت خوب برای این مدل
قاعده‌ی اصلی این است: توضیح کامل بدهید و هرچه نمی‌خواهید را هم به شکل مثبت بنویسید. چون پرامپت منفی ندارد، به‌جای «بدون آدم» بنویسید «خیابان خالی». موضوع، صحنه، نور، زاویه‌ی دوربین و سبک را پشت سر هم بیاورید. چند نمونه‌ی آماده:
Product photo of a handmade ceramic mug on a rough wooden table, soft morning light from a window on the left, shallow depth of field, steam rising, warm earthy colors, clean empty background, 4K detail
مناسب: عکس محصول برای فروشگاه و اینستاگرام.
Wide poster for a traditional Persian restaurant, a copper tray of saffron rice and grilled kebab seen from above, turquoise tiles around the frame, rich warm lighting, empty space at the top for a headline
مناسب: پوستر و بنر چاپی؛ جای خالی بالای عکس را برای نوشته‌ی خودتان نگه می‌دارد.
Place the perfume bottle from image 1 on the marble shelf from image 2, keep the bottle label unchanged, add soft golden evening light and a blurred city view behind
مناسب: ویرایش با چند عکس مرجع؛ به هر عکس با شماره‌اش اشاره کنید.
یک کوچه‌ی قدیمی در یزد هنگام غروب، دیوارهای کاه‌گلی، بادگیر در دوردست، نور نارنجی گرم، سبک عکاسی مستند، قاب عمودی
مناسب: پرامپت فارسی؛ مرحله‌ی بهبود پرامپت آن را کامل می‌کند.
برای نمونه‌های بیشتر به زبان خودمان، راهنمای ساخت عکس با پرامپت فارسی را بخوانید. اگر هنوز نمی‌دانید کدام مدل به کارتان می‌آید، مقایسه‌ی ۱۵ مدل ساخت عکس کمک می‌کند.
سؤالات متداول
آیا MiniMax H3 Image رایگان است؟
نه، استفاده از راه سرویس رسمی MiniMax پولی است و بر پایه‌ی توکن حساب می‌شود. فایل‌های مدل رایگان منتشر شده، ولی اجرای آن دستگاه بسیار قوی می‌خواهد و برای کاربر عادی شدنی نیست. در هوش نو هزینه‌ی هر عکس پیش از ساخت، زیر دکمه‌ی ساختن نشان داده می‌شود.
آیا H3 Image پرامپت فارسی را می‌فهمد؟
بله، ولی غیرمستقیم. مدل برای توضیح انگلیسی ساخته شده و مرحله‌ی بهبود پرامپت، نوشته‌ی زبان‌های دیگر را به انگلیسی برمی‌گرداند. برای صحنه‌های ساده پرامپت فارسی کافی است؛ برای کار دقیق، پرامپت انگلیسی کامل نتیجه‌ی قابل‌پیش‌بینی‌تری می‌دهد.
H3 Image بهتر است یا Seedream 5.5؟
بستگی به کار دارد. H3 Image عکس بزرگ‌تر (حدود ۴K) می‌دهد و تا ۱۶ عکس مرجع می‌گیرد. Seedream 5.5 در ویرایش پشت سر هم روی یک عکس و ساخت عکس با پس‌زمینه‌ی شفاف بهتر است. برای چاپ اولی و برای اصلاح دقیق دومی را بردارید.
فرق H3 Image با H3 Image Highspeed چیست؟
هر دو یک مدل‌اند و طبق مستندات رسمی، تنظیم‌ها و سقف‌های یکسانی دارند. نسخه‌ی Highspeed برای پاسخ تندتر است. اگر چند طرح اولیه می‌خواهید و زمان مهم است، نسخه‌ی تند را بردارید و عکس نهایی را با نسخه‌ی اصلی بسازید.
آیا می‌شود با H3 Image عکس آدم واقعی را ویرایش کرد؟
نه برای هر کاری. عکس خودتان را می‌توانید ویرایش کنید، ولی ساختن عکس از چهره‌ی دیگران بدون رضایتشان درست نیست و می‌تواند دردسر قانونی داشته باشد. خود سرویس MiniMax هم پرامپت‌ها و عکس‌های حساس را رد می‌کند.
جمع‌بندی
MiniMax H3 Image مدلی برای کسانی است که عکس بزرگ و پرجزئیات می‌خواهند: خروجی حدود ۴K بدون بزرگ‌نمایی و ترکیب تا ۱۶ عکس مرجع، دو برگ برنده‌ی آن است. در برابر، پس‌زمینه‌ی شفاف ندارد، هنگام ویرایش کل عکس را از نو می‌سازد و هنوز آزمون مستقل زیادی پشتش نیست. پیشنهاد عملی: یک پرامپت کامل بنویسید، اول با نسخه‌ی تند چند طرح بگیرید و بعد طرح دلخواه را با نسخه‌ی اصلی در اندازه‌ی بزرگ بسازید.
منبع‌ها: کارت رسمی مدل MiniMax-H3-Image و مستندات رسمی ساخت عکس MiniMax.
