MiniMax H3 Image à l'essai : 4K natif, 16 images de référence et passage à la vidéo avec H3

Perspectives8 min de lecture
MiniMax H3 Image à l'essai : 4K natif, 16 images de référence et passage à la vidéo avec H3

MiniMax H3 Image face à Seedream 5.5 avec les mêmes prompts : produit, portrait, texte d'affiche, marché de nuit, 4K, montage 6 images, retouche et vidéo.

Le 11 novembre, MiniMax a sorti H3 Image, petit frère de son modèle vidéo MiniMax H3. L'argument de l'article de blog officiel est sans détour : 4K natif, jusqu'à 16 images de référence dans une même requête, et un seul modèle pour générer comme pour retoucher. Plus inhabituel, les poids sont publiés en accès libre sur Hugging Face.

ZOOOP a ajouté MiniMax H3 Image au Générateur d'images IA aujourd'hui. Avant sa mise en ligne, je l'ai passé avec Seedream 5.5 dans la même série de prompts, puis j'ai confié l'un des résultats au modèle vidéo H3 pour voir si une image fixe pouvait se mettre à bouger tout de suite.

Ce qu'est MiniMax H3 Image

Il n'y a pas beaucoup de réglages, mais chacun est généreux. Les prompts peuvent aller jusqu'à 32 000 caractères, de quoi tenir une page entière de notes de storyboard. Vous avez huit formats : 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 et 9:16. La résolution n'a que deux paliers, 2K et 4K. En 4K, le grand côté fait environ 5 120 pixels, donc une image 16:9 sort en 5120×2891.

Laissez l'emplacement de référence vide et c'est du texte vers image. Ajoutez de 1 à 16 images et il les retouche ou les combine à la place. Ce qu'il ne sait pas faire, c'est un fond transparent : pour des autocollants ou des icônes qui ont besoin d'un détourage propre, il vous faudra un autre modèle.

Côté prix, l'option 2K se situe dans la tranche la moins chère, la même que Seedream 5.5. La 4K coûte plus cher.

Comment je l'ai testé

Le modèle de comparaison est Seedream 5.5. Il plafonne à 2K, donc les deux ont tourné en 2K, une image par prompt pour chacun :

  • Photo produit : un mug à café artisanal en céramique mouchetée sur une nappe en lin, à côté d'un croissant entamé d'une bouchée et d'un brin de romarin, lumière du matin, 4:3
  • Portrait en situation : une boulangère âgée aux bras couverts de farine, dans une boulangerie en pierre à l'aube, 3:4
  • Affiche de voyage vintage : le titre « VISIT THE NORTHERN LIGHTS », « Tromsø · Winter 2026 » en bas, une petite cabane rouge sous l'aurore boréale, 2:3
  • Vue aérienne d'un marché de nuit sous la pluie : des centaines de lanternes, des stands de nourriture fumants, des reflets sur le pavé mouillé, des gens sous des parapluies, 16:9

Ensuite, j'ai ajouté quelques extras. Le marché de nuit est repassé en 4K, ce que seul MiniMax H3 Image sait faire. Six images de référence ont été combinées en une seule vitrine de café, une photo de corgi a été transformée en journée enneigée, et pour finir l'image du mug est partie vers le modèle vidéo H3 pour un clip de 5 secondes.

Photos produit et portraits face à Seedream 5.5

Les deux images de mug sont utilisables telles quelles. La différence, c'est l'ambiance. MiniMax H3 Image a choisi une lumière plus chaude et un gros croissant près de l'objectif, sa face coupée et ses miettes en plein premier plan. C'est une mise en page publicitaire. Seedream 5.5 a posé le croissant sur une petite assiette et l'a reculé, a donné à la nappe une teinte gris-vert, et a gardé l'ensemble du cadre plus calme.

Photo produit d'un mug à café et d'un croissant, comparaison

À gauche : H3 Image, à droite : Seedream 5.5

Le portrait montre un écart plus net. H3 m'a donné une scène qui raconte une histoire : une vieille femme au travail devant son plan de travail, un rouleau à pâtisserie à portée de main, de la farine plein les avant-bras, des étagères de pain derrière elle et la lumière d'une fenêtre qui arrive par la gauche. Seedream 5.5 en a fait un portrait de face, la boulangère regardant droit dans l'objectif pendant que la boulangerie s'efface à l'arrière-plan. Pour raconter l'histoire d'une marque, la version de H3 est plus utile. Si vous avez seulement besoin d'une image propre d'une personne, celle de Seedream fait parfaitement l'affaire.

Portrait en situation d'une boulangère âgée, comparaison

À gauche : H3 Image, à droite : Seedream 5.5

Texte d'affiche et grande scène de nuit

L'affiche est un test de lettrage. Les deux modèles ont réussi le titre, ainsi que la ligne « Tromsø · Winter 2026 » en bas. MiniMax H3 Image a toutefois glissé sous le titre une ligne supplémentaire, « Norway ». Tromsø est bien en Norvège, mais cette ligne ne figurait pas dans le prompt. S'il s'agissait d'un texte validé par un client, ce genre d'improvisation oblige à tout refaire.

Affiche de voyage vintage, comparaison

À gauche : H3 Image, à droite : Seedream 5.5

Les deux ont superbement géré le marché de nuit. Les lanternes, la vapeur et les reflets au sol, tout y est. H3 l'a cadré presque à la verticale, comme un drone suspendu au-dessus de la rue. Seedream 5.5 a incliné l'angle et laissé voir les bâtiments au loin, ce qui donne plus de profondeur. Match nul sur celui-ci. Tout dépend de la vue que vous voulez.

Vue aérienne d'un marché de nuit sous la pluie, comparaison

À gauche : H3 Image, à droite : Seedream 5.5

Ce que la 4K apporte vraiment

J'ai relancé le prompt du marché de nuit sur MiniMax H3 Image en 4K, et le fichier est sorti en 5120×2891. Réduite, l'image ressemble à peu près à la version 2K. Zoomez à 100 % et vous voyez à quoi elle sert.

L'image complète du marché de nuit en 4K

L'image complète du marché de nuit en 4K, réduite ici

Recadrez le stand de nouilles à gauche et tout tient : la vapeur au-dessus des marmites, les rangées de bols, les reflets sur les parapluies transparents, rien ne bave. Les grandes enseignes, « 拉麵 NOODLES » et « 炒飯 FRIED RICE », sont proprement lettrées. C'est sur les petits textes que ça lâche. Les petits caractères chinois à côté de l'enseigne s'avèrent être du charabia quand on zoome.

Un recadrage de l'original en 4K

Le stand de nouilles à gauche de l'original en 4K, recadré à 100 %, avec l'enseigne en haut à gauche

La 4K convient donc aux scènes réalistes que vous comptez agrandir ou recadrer ensuite, par exemple pour tirer plusieurs posts pour les réseaux sociaux d'un seul plan large. Ne comptez pas sur elle pour réussir les petits textes. Elle n'est pas non plus beaucoup plus lente que la 2K. Sur cette série, H3 a mis environ 28 à 50 secondes par image en 2K et environ 28 à 61 secondes en 4K. Seedream 5.5 en 2K a tourné entre 24 et 35 secondes, un peu plus vite.

Six images en une, plus une retouche

MiniMax H3 Image accepte jusqu'à 16 images de référence, contre 10 au maximum pour Seedream 5.5. J'en ai utilisé six et demandé une vitrine de café : les premiers objets disposés sur un comptoir en bois, le vélo rouge du moodboard garé devant la vitrine, et les trois affiches accrochées au mur du fond.

Les six images de référence

Les six images de référence, de gauche à droite : boîte de thé et sachets, mug et croissant, robot en feutre, théière blanche, moodboard, trois affiches illustrées

Les deux ont intégré les six, et les fleurs de la boîte de thé, le robot et les affiches correspondent tous aux références. Là où ils diffèrent, c'est le placement. H3 a fait entrer le vélo dans la boutique et l'a appuyé contre une table. Seedream 5.5 a fait ce qu'on lui demandait et l'a laissé sur le trottoir, dehors. Dans ce test, H3 n'a pas suivi les consignes spatiales d'un montage à plusieurs images, alors vérifiez vos montages une fois générés. Côté temps, H3 a mis 51 secondes sur celui-ci et Seedream 39.

Montage de six images en vitrine de café, comparaison

À gauche : H3 Image, à droite : Seedream 5.5

Pour la retouche, j'ai essayé la demande la plus courante dans l'outil Modifier l'image : une photo de corgi prise au téléphone, les pattes posées sur un comptoir à côté d'une bouteille jaune, à transformer en journée enneigée en laissant le chien et la bouteille tels quels. Les deux y sont arrivés, et la pose du corgi comme la bouteille n'ont pas bougé. H3 a mis plus de neige et une teinte plus froide, tandis que Seedream a gardé davantage la chaleur de l'original. L'une comme l'autre est utilisable. H3 a mis environ 71 secondes pour cette retouche, plus qu'en texte vers image.

Photo de corgi retouchée en scène de neige

De gauche à droite : la photo d'origine, la retouche neige de H3 Image, la retouche neige de Seedream 5.5

De l'image à la vidéo avec H3

MiniMax H3 Image vient de la même famille que le modèle vidéo MiniMax H3, alors pour finir j'ai donné l'image du mug au modèle vidéo H3 comme image de début : 480p, 5 secondes, avec le prompt « la vapeur monte, lent travelling avant, une main entre par la droite et prend le croissant ». Sur ZOOOP, c'est Image de début / fin avec seulement l'image de début remplie.

Les trois choses se sont produites. La vapeur monte, la caméra avance, et une main arrive par la droite et soulève le croissant avec un mouvement naturel. Il y a cependant un faux raccord. Le croissant entamé est de nouveau entier une fois soulevé, ce qu'on voit en comparant la première image avec les deux dernières. Le modèle s'est souvenu du croissant et a oublié la bouchée. Vous pouvez essayer de répéter « entamé d'une bouchée » dans le prompt vidéo, ou simplement partir d'une image où le croissant est intact.

Cinq images du clip image vers vidéo

Cinq images du clip du modèle vidéo H3 dans l'ordre chronologique, de gauche à droite ; sur les deux dernières, le croissant est de nouveau entier

La vidéo a mis environ 171 secondes à se générer.

Lequel utiliser

Choisissez MiniMax H3 Image quand vous avez besoin de 4K, de grandes images réalistes à agrandir et recadrer, ou de beaucoup de références à la fois. Ses photos produit et ses portraits ont un fort sens du lieu et ressemblent davantage à de vraies prises de vue publicitaires et à des photos documentaires.

Pour les fonds transparents, des retouches stables d'une même image tour après tour, ou des objets placés exactement là où vous l'avez demandé, Seedream 5.5 est le choix le plus sûr. C'est le seul qui a mis le vélo au bon endroit cette fois. Pour les mises en page chargées en texte comme les menus et les infographies, aucun des deux n'est le premier choix ; passez plutôt à GPT Image 2.6.

Un dernier point pratique : tout ce que vous créez peut partir directement vers le modèle vidéo H3 comme image de début. Pour essayer, ouvrez MiniMax H3 Image, lancez-en quelques-unes en 2K pour trouver une direction, puis passez en 4K quand le résultat vous plaît.

Questions fréquentes

Combien d'images de référence MiniMax H3 Image accepte-t-il ?

Jusqu'à 16. Sans image, c'est du texte vers image ; ajoutez des images et il les retouche ou les combine. Seedream 5.5 en accepte jusqu'à 10.

MiniMax H3 Image peut-il produire des fonds transparents ?

Non. Pour des autocollants, des icônes ou des détourages de produits sur fond transparent, utilisez Seedream 5.5.

Quelle est la taille des images en 4K ?

Le grand côté fait environ 5 120 pixels, donc le 16:9 sort en 5120×2891. La 2K comme la 4K proposent les huit formats.

Peut-on faire tourner MiniMax H3 Image en local ?

Les poids sont publics sur Hugging Face, vous pouvez donc les télécharger et les faire tourner vous-même ; consultez les notes officielles pour la configuration matérielle requise. Sur ZOOOP, il n'y a rien à installer : ouvrez la page du modèle et écrivez un prompt.

Comment H3 Image et H3 vidéo fonctionnent-ils ensemble ?

Créez d'abord une image, puis confiez-la au modèle vidéo H3 comme image de début et décrivez comment la scène doit bouger. Des détails peuvent changer dans la vidéo, comme ici le croissant qui a perdu sa trace de bouchée une fois soulevé.

Partager

À découvrir aussi

Tout voir