最近视频模型没啥新动作，发现图片模型又偷偷摸摸在卷了。
刚好上手测了下MiniMax刚开源的H3 Image，官方定位是开源图像模型里的SOTA，文生图、图像编辑都能打，最高直接出4K，一张4K图大概十几到二十秒，最多还能同时给16张参考图。
先说整体感受：指令遵循能力强，复杂信息的理解能力强，视觉美学和逻辑理解两头都没掉队。
不如一起看看实测效果吧。
1、多图参考
最多支持上传16张图片参考。
下图是我上传了7张人物参考图生成的海报效果。
实际测下来，多张参考图之间的人物一致性保持得不错，谁是男主、谁是女主、谁是群像，画面占比分配得也合理，不会把角色画串、画重。多角色同框的海报，以前很容易出现人脸漂移、角色重复的问题，现在处理得相对稳。
图4是男主，图6是女主，其他人是群像。 标题是：废柴少主，觉醒万古神体。 生成一个漫剧海报。人物出现不需要重复。该图片使用了AI生成技术
除了3D风格，手绘风格的海报也是手拿把掐。不需要自己指定生成的风格，模型会直接根据上传的参考图直接生成对应的风格。
图一是男主，图二是女主，给人物生成一张海报，海报的主标题是：做对懒父母，养出省心娃。 没有小字。 有童趣 好玩 有趣的海报。该图片使用了AI生成技术
除了人物海报，官方手册里还测了两类多图玩法，思路可以直接抄：
服饰配色参考：一组图给角色造型，一组图给配色，让模型只借颜色和材质，不照搬版式。
空间布局参考：一张空房实景加九件家具白底图，要求沿用原机位、墙面和地板，把家具一件件摆进客厅，主推款给到看得清细节的角度。
我自己的经验是，多图参考先分工再说事：图1保留人物，图2参考配色，图3参考布局，哪张借什么、哪些必须保持一致，写清楚就不容易串。
2、产品爆炸图
CAD结构图、机械拆解爆炸图，算是比较少见、别的模型不太敢接的玩法。
这类图最考验结构理解：零件之间的层级关系要对，标注小字还得清楚。MiniMax H3 Image在产品拆解上能一键展开，各部件位置合理，小字也保持得比较清晰，工业设计、产品结构方向的需求可以重点关注。
测试了好多产品都可以一键炸开，并且小字都是保持的非常清晰。（产品图来源网络）
生成这个产品精细化的爆炸图该图片使用了AI生成技术
3、机械图
给我之前的一个设计图，生成了一个工业设计的手稿图。
除了手稿线稿，它还能把参考图整理成规范的CAD工程图：正视、侧视、俯视、后视加一张轴测线框图，各视图比例统一，可见轮廓用实线，被遮挡的结构用虚线，对称轴和关节中心用点划线，关键部件带引线标注，右下角还能出标准标题栏。
工业设计，采用线稿风格视觉效果，三视图该图片使用了AI生成技术
4、科普知识图
可以把一些抽象的东西，具象化。
科普图最看重讲明白，光好看没用。MiniMax H3 Image不只是把画面做漂亮，还能把知识点之间的逻辑关系捋清楚，把抽象概念拆成一眼能看懂的图示，从自然科学到生活常识，都能转成通俗易懂的科普内容。
植物的光合作用该图片使用了AI生成技术
比如，这种自然天气的形成。
台风是怎么形成的该图片使用了AI生成技术
甚至还会做菜。
番茄炒蛋的做法该图片使用了AI生成技术
不只是把概念画出来，它还能帮着做推理和科研配图。
论文配图：读一段论文文字，按研究内容组织概念、流程和标注，生成16:9的学术示意图，几个面板之间逻辑连贯。
推理证据板：给一道逻辑题，让它先找出结论，再把嫌疑人原话、真假标注、验证表和引用连线排成一张侦探板。
高密度图鉴：像小熊猫这种主题，身份、体型、面部、栖息地、食谱、成长、保护十几组知识，配几十幅小插图，整板信息分层清楚。
这类内容我的体会是，知识点和数据一定要给准、给全，关系写明白，模型才能把逻辑捋顺；如果用的是示例数据，也最好说明白，避免和真实数据混在一起。
5、场景制作
如果是做漫剧的话，是需要制作人设和场景素材的，测试了一下，也是相当可以的。不管是构图，还是氛围都很不错。
游戏场景、3D场景算是它的稳定长板，构图、光影、氛围都在线。做漫剧的人设图和场景素材时，这一类出图基本可以直接进素材库；国风、CG 等方向也都试了，审美表现比较稳定。
3D风格 国风场景 人间炼狱 （不需要出现字）该图片使用了AI生成技术
因为我自己做3D风格的AI视频比较多，所以场景图片也是测试的3D风格，整体看上去还是很恢宏的。
3D风格 国风场景 玉石仙宫（不需要出现字）该图片使用了AI生成技术
关键词指定了不需要出现字，是因为没有限制的时候，画面是会直接出现牌匾的，所以可以根据出现的图已有的问题，再来调整提示词。
3D风格 国风场景 斩仙台（不需要出现字）该图片使用了AI生成技术
6、海报制作
文字处理是它的强项：大字标题排版稳，复杂小字也不容易糊。
中英文混排、手抄报、电商大促海报都能驾驭，这一点恰恰是不少纯视觉模型的短板，出图好看，但一到文字和信息呈现就容易翻车。
圣诞节手抄报海报该图片使用了AI生成技术
三字经该图片使用了AI生成技术
生成一张糖果风格的海报 卖点是可爱 萌该图片使用了AI生成技术
生成一张大促风格的海报 高级感 配色正文字这块提示词经验：
需要出现的文字，逐字给全，用引号标出来，顺带说清位置、层级和分行；
不想要字的时候，就在提示词里明确写，画面不添加任何文字、字母或数字，能少很多模型自己脑补的牌匾和标题；
大段小字场景，信息越分层越好：主标题、副标题、正文、标注各归各位，排版不容易乱。
7、工笔画
各种风格都可以拿下，实测了下工笔画，惟妙惟肖。除了工笔画，下面这几类也都能出。
古典绘画：17世纪油画、卡拉瓦乔式明暗对照、印象派笔触、中世纪泥金手抄本；
东方意境：敦煌重彩壁画、传统皮影、绢本工笔、剪纸；
插画与材质：水彩、钢笔淡彩、毛毡定格、像素海报、二次元线稿；
写实与超现实：胶片纪实人像、复古直闪时尚大片、老式 DV 随拍，以及把理发椅、满月、梨子搬进画面的超现实创意摄影。
中国古代工笔画仕女图（上色） 全画幅该图片使用了AI生成技术
该图片使用了AI生成技术
MiniMax H3 Image除了生成画面质量高，指令遵循强。
另外在生成速度上，H3 Image标准模式的速度是市面上主流工具的1.5-2倍，Highspeed模式则可达到3–4倍，显著提升创作效率。
与此同时，H3 Image的价格仅为同档位主流工具的50%–70%，让高质量图像生成更具性价比。
MiniMax此前在视频模型上走的开源路线，已经催生了不少新玩法，也带动了一批开源视频模型的出现，推着AI创意行业往前跑。
这次MiniMax H3 Image作为图像方向上达到SOTA水平的开源模型，后续能不能给内容创作带来更多新玩法，挺值得期待。
目前可以在MiniMax Code桌面端使用。
https://agent.minimax.cn/download也可以在海螺AI使用。
https://hailuoai.com所有用户在11月17日前，可免费生成10张图，活动期间4K图像生成半价。
