MiniMax H3 Image ทดสอบจริง: 4K แบบเนทีฟ ภาพอ้างอิง 16 ภาพ และต่อเป็นวิดีโอด้วย H3

ข้อมูลเชิงลึกอ่าน 15 นาที
MiniMax H3 Image ทดสอบจริง: 4K แบบเนทีฟ ภาพอ้างอิง 16 ภาพ และต่อเป็นวิดีโอด้วย H3

เทียบ MiniMax H3 Image กับ Seedream 5.5 ด้วยพรอมต์เดียวกัน: สินค้า ภาพบุคคล ตัวอักษรบนโปสเตอร์ ตลาดกลางคืน รายละเอียด 4K รวม 6 ภาพ การแก้ไข และวิดีโอ

เมื่อวันที่ 11 พฤศจิกายน MiniMax เปิดตัว H3 Image ซึ่งเป็นพี่น้องของโมเดลวิดีโอ MiniMax H3 คำโปรยใน บล็อกอย่างเป็นทางการ ตรงไปตรงมา: 4K แบบเนทีฟ ภาพอ้างอิงได้สูงสุด 16 ภาพในคำขอเดียว และโมเดลเดียวที่ทำได้ทั้งสร้างและแก้ไข ส่วนที่ไม่ค่อยเห็นบ่อยคือ weights ของโมเดลเปิดให้ทุกคนดาวน์โหลดได้บน Hugging Face

วันนี้ ZOOOP เพิ่ม MiniMax H3 Image เข้าไปใน เครื่องกำเนิดภาพ AI แล้ว ก่อนเปิดใช้ เรารันมันกับ Seedream 5.5 ด้วยชุดพรอมต์เดียวกัน แล้วส่งผลลัพธ์ภาพหนึ่งให้ H3 วิดีโอ เพื่อดูว่าภาพนิ่งจากมันจะขยับได้ทันทีหรือไม่

MiniMax H3 Image คืออะไร

การตั้งค่ามีไม่มาก แต่แต่ละอย่างให้มาเต็มมือ พรอมต์ยาวได้ถึง 32,000 ตัวอักษร พอสำหรับโน้ตสตอรีบอร์ดเต็มหน้า มีอัตราส่วนภาพแปดแบบ: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 และ 9:16 ความละเอียดมีแค่สองระดับ คือ 2K และ 4K ที่ 4K ด้านยาวประมาณ 5,120 พิกเซล ภาพ 16:9 จึงออกมาที่ 5120×2891

ปล่อยช่องภาพอ้างอิงว่างไว้ก็คือสร้างภาพจากข้อความ ใส่ภาพตั้งแต่ 1 ถึง 16 ภาพ มันก็จะแก้ไขหรือรวมภาพแทน สิ่งที่มันทำไม่ได้คือพื้นหลังโปร่งใส ถ้าเป็นสติกเกอร์หรือไอคอนที่ต้องตัดพื้นหลังเรียบร้อย ควรใช้โมเดลอื่น

เรื่องราคา ตัวเลือก 2K อยู่ในกลุ่มราคาถูก กลุ่มเดียวกับ Seedream 5.5 ส่วน 4K แพงกว่า

เราทดสอบอย่างไร

โมเดลที่ใช้เทียบคือ Seedream 5.5 ซึ่งสูงสุดที่ 2K ทั้งสองจึงรันที่ 2K พรอมต์ละหนึ่งภาพต่อโมเดล:

  • ภาพสินค้า: แก้วกาแฟเซรามิกทำมือลายจุด บนผ้าปูโต๊ะลินิน ข้างครัวซองต์ที่ถูกกัดไปหนึ่งคำและกิ่งโรสแมรี่ แสงยามเช้า 4:3
  • ภาพบุคคลพร้อมสภาพแวดล้อม: คนทำขนมปังสูงวัยแขนเปื้อนแป้ง ในร้านเบเกอรี่ผนังหินยามรุ่งสาง 3:4
  • โปสเตอร์ท่องเที่ยวสไตล์วินเทจ: พาดหัว "VISIT THE NORTHERN LIGHTS" มี "Tromsø · Winter 2026" อยู่ด้านล่าง และกระท่อมสีแดงหลังเล็กใต้แสงออโรรา 2:3
  • ภาพมุมสูงของตลาดกลางคืนยามฝนตก: โคมไฟหลายร้อยดวง แผงอาหารที่มีไอน้ำลอย เงาสะท้อนบนพื้นเปียก ผู้คนกางร่ม 16:9

จากนั้นเราทดสอบเพิ่มอีกสองสามอย่าง ตลาดกลางคืนถูกรันอีกครั้งที่ 4K ซึ่งมีแค่ MiniMax H3 Image ที่ทำได้ ภาพอ้างอิงหกภาพถูกรวมเป็นหน้าต่างร้านกาแฟหนึ่งภาพ รูปคอร์กี้ถูกเปลี่ยนเป็นวันหิมะตก และสุดท้าย ภาพแก้วกาแฟถูกส่งให้ H3 วิดีโอเพื่อทำคลิป 5 วินาที

ภาพสินค้าและภาพบุคคลเทียบกับ Seedream 5.5

ภาพแก้วกาแฟทั้งสองใช้งานได้ทันที ความต่างอยู่ที่อารมณ์ MiniMax H3 Image เลือกแสงที่อุ่นกว่าและวางครัวซองต์ชิ้นใหญ่ไว้ใกล้เลนส์ รอยกัดกับเศษขนมอยู่ตรงฉากหน้าเลย นั่นคือเลย์เอาต์แบบโฆษณา Seedream 5.5 วางครัวซองต์บนจานเล็กแล้วดันไปไว้ด้านหลัง ให้ผ้าปูโต๊ะออกโทนเขียวเทา และทำให้ทั้งเฟรมดูสงบกว่า

ภาพสินค้าแก้วกาแฟและครัวซองต์ เปรียบเทียบกัน

ซ้าย: H3 Image ขวา: Seedream 5.5

ภาพบุคคลเห็นช่องว่างชัดกว่า H3 ให้ฉากที่มีเรื่องเล่า: หญิงชราทำงานอยู่ที่โต๊ะ มีไม้คลึงแป้งอยู่ข้างมือ แป้งเปื้อนเต็มท่อนแขน ชั้นวางขนมปังอยู่ด้านหลัง และแสงจากหน้าต่างส่องเข้ามาทางซ้าย Seedream 5.5 ทำเป็นภาพบุคคลหน้าตรง คนทำขนมปังมองตรงเข้ากล้อง ขณะที่ร้านเบเกอรี่จางหายไปเป็นฉากหลัง สำหรับการเล่าเรื่องแบรนด์ เวอร์ชันของ H3 ใช้ประโยชน์ได้มากกว่า ถ้าต้องการแค่ภาพคนที่สะอาดตา ของ Seedream ก็ดีอยู่แล้ว

ภาพบุคคลพร้อมสภาพแวดล้อมของคนทำขนมปังสูงวัย เปรียบเทียบกัน

ซ้าย: H3 Image ขวา: Seedream 5.5

ตัวอักษรบนโปสเตอร์และฉากกลางคืนขนาดใหญ่

โปสเตอร์คือการทดสอบตัวอักษร ทั้งสองโมเดลทำพาดหัวได้ถูก และบรรทัด "Tromsø · Winter 2026" ด้านล่างก็ถูกด้วย แต่ MiniMax H3 Image แอบใส่บรรทัดเพิ่มว่า "Norway" ไว้ใต้พาดหัว Tromsø อยู่ในนอร์เวย์จริง แต่บรรทัดนั้นไม่ได้อยู่ในพรอมต์ ถ้านี่เป็นข้อความที่ลูกค้าอนุมัติแล้ว การด้นสดแบบนี้แปลว่าต้องทำใหม่

โปสเตอร์ท่องเที่ยวสไตล์วินเทจ เปรียบเทียบกัน

ซ้าย: H3 Image ขวา: Seedream 5.5

ทั้งสองทำตลาดกลางคืนได้สวยงาม โคมไฟ ไอน้ำ และเงาสะท้อนบนพื้นมาครบ H3 ถ่ายเกือบตั้งฉากลงมา เหมือนโดรนลอยอยู่เหนือถนน Seedream 5.5 เอียงมุมและให้เห็นอาคารที่อยู่ไกลออกไป ทำให้ภาพมีมิติลึกกว่า ข้อนี้ถือว่าเสมอ ขึ้นอยู่กับว่าคุณอยากได้มุมไหน

ภาพมุมสูงของตลาดกลางคืนยามฝนตก เปรียบเทียบกัน

ซ้าย: H3 Image ขวา: Seedream 5.5

4K ให้อะไรคุณจริงๆ

เรารันพรอมต์ตลาดกลางคืนอีกครั้งบน MiniMax H3 Image ที่ 4K ไฟล์ออกมาที่ 5120×2891 เมื่อย่อลง มันดูพอๆ กับเวอร์ชัน 2K แต่พอซูมไปที่ 100% ถึงจะเห็นว่ามันมีไว้ทำอะไร

ภาพตลาดกลางคืน 4K แบบเต็ม

ภาพตลาดกลางคืน 4K แบบเต็ม ย่อขนาดไว้ตรงนี้

ครอปแผงบะหมี่ทางซ้ายออกมา ทุกอย่างยังคมชัด: ไอน้ำเหนือหม้อ ชามที่เรียงเป็นแถว เงาสะท้อนบนร่มใส ไม่มีอะไรเลอะรวมกัน ป้ายใหญ่ "拉麵 NOODLES" และ "炒飯 FRIED RICE" เขียนได้สะอาด ตัวอักษรเล็กคือจุดที่พัง ตัวอักษรจีนเล็กๆ ข้างป้ายกลายเป็นตัวอักษรมั่วๆ เมื่อซูมเข้าไป

ภาพครอปจากต้นฉบับ 4K

แผงบะหมี่ทางซ้ายของต้นฉบับ 4K ครอปที่ 100% ป้ายอยู่มุมซ้ายบน

ดังนั้น 4K เหมาะกับฉากสมจริงที่คุณวางแผนจะขยายหรือครอปทีหลัง เช่น ดึงโพสต์โซเชียลหลายชิ้นออกจากภาพกว้างภาพเดียว อย่าหวังให้มันเขียนตัวอักษรเล็กได้ถูก นอกจากนี้มันก็ไม่ได้ช้ากว่า 2K มากนัก รอบนี้ H3 ใช้เวลาประมาณ 28 ถึง 50 วินาทีต่อภาพที่ 2K และประมาณ 28 ถึง 61 วินาทีที่ 4K ส่วน Seedream 5.5 ที่ 2K ใช้ 24 ถึง 35 วินาที เร็วกว่าเล็กน้อย

หกภาพรวมเป็นหนึ่ง และการแก้ไขภาพ

MiniMax H3 Image รับภาพอ้างอิงได้สูงสุด 16 ภาพ ขณะที่ Seedream 5.5 รับได้สูงสุด 10 ภาพ เราใช้หกภาพ และขอให้เป็นหน้าต่างร้านกาแฟ: ของสองสามชิ้นแรกวางบนเคาน์เตอร์ไม้ จักรยานสีแดงจากมู้ดบอร์ดจอดอยู่นอกหน้าต่าง และโปสเตอร์สามแผ่นแขวนบนผนังด้านหลัง

ภาพอ้างอิงหกภาพ

ภาพอ้างอิงหกภาพ จากซ้ายไปขวา: กระป๋องชาและถุงชา แก้วกาแฟและครัวซองต์ ตุ๊กตาหุ่นยนต์ผ้าสักหลาด กาน้ำชาสีขาว มู้ดบอร์ด โปสเตอร์ภาพวาดสามแผ่น

ทั้งคู่ใส่ครบทั้งหกอย่าง และลายดอกไม้บนกระป๋องชา หุ่นยนต์ และโปสเตอร์ตรงกับภาพอ้างอิงทั้งหมด ที่ต่างกันคือการจัดวาง H3 เอาจักรยานเข้ามาในร้านแล้วพิงไว้กับโต๊ะ Seedream 5.5 ทำตามที่ขอและจอดไว้บนทางเท้าด้านนอก ในการทดสอบนี้ H3 ไม่ได้ทำตามคำสั่งเรื่องตำแหน่งในการรวมหลายภาพ จึงควรตรวจภาพรวมทุกครั้งที่ได้ออกมา ด้านเวลา H3 ใช้ 51 วินาทีสำหรับภาพนี้ และ Seedream ใช้ 39 วินาที

ภาพรวมหน้าต่างร้านกาแฟจากหกภาพ เปรียบเทียบกัน

ซ้าย: H3 Image ขวา: Seedream 5.5

สำหรับการแก้ไข เราลองคำขอที่พบบ่อยที่สุดใน แก้ไขภาพ: รูปมือถือของคอร์กี้ที่เอาอุ้งเท้าพาดเคาน์เตอร์ข้างขวดสีเหลือง เปลี่ยนให้เป็นวันหิมะตก โดยไม่แตะหมาและขวด ทั้งคู่ทำได้ ท่าทางของคอร์กี้และขวดอยู่ที่เดิม H3 ใส่หิมะหนากว่าและโทนเย็นกว่า ส่วน Seedream รักษาความอบอุ่นของต้นฉบับไว้มากกว่า ใช้ได้ทั้งคู่ H3 ใช้เวลาประมาณ 71 วินาทีกับการแก้ไขนี้ ช้ากว่าตอนสร้างภาพจากข้อความ

รูปคอร์กี้ถูกแก้ไขเป็นฉากหิมะ

จากซ้ายไปขวา: รูปต้นฉบับ ภาพหิมะที่แก้ไขด้วย H3 Image ภาพหิมะที่แก้ไขด้วย Seedream 5.5

จากภาพเป็นวิดีโอด้วย H3

MiniMax H3 Image มาจากตระกูลเดียวกับโมเดลวิดีโอ MiniMax H3 ช่วงท้ายเราจึงส่งภาพแก้วกาแฟให้ H3 วิดีโอเป็นเฟรมแรก: 480p ยาว 5 วินาที กับพรอมต์ "ไอน้ำลอยขึ้น กล้องค่อยๆ ดันเข้า มือยื่นเข้ามาจากทางขวาแล้วหยิบครัวซองต์" บน ZOOOP นี่คือการสร้างวิดีโอจาก เฟรมเริ่มต้น/สิ้นสุด โดยใส่แค่เฟรมแรก

เกิดขึ้นครบทั้งสามอย่าง ไอน้ำลอยขึ้น กล้องดันเข้า และมือยื่นเข้ามาจากทางขวาแล้วยกครัวซองต์ขึ้นด้วยท่าทางที่ดูเป็นธรรมชาติ แต่มีความต่อเนื่องหลุดอยู่จุดหนึ่ง ครัวซองต์ที่ถูกกัดไปหนึ่งคำกลับเต็มชิ้นอีกครั้งเมื่อถูกหยิบขึ้น เห็นได้เมื่อเทียบเฟรมแรกกับสองเฟรมสุดท้าย โมเดลจำครัวซองต์ได้ แต่ลืมรอยกัด คุณอาจลองย้ำ "ถูกกัดไปหนึ่งคำ" ในพรอมต์วิดีโอ หรือเริ่มจากเฟรมที่ครัวซองต์ยังไม่ถูกแตะเลยก็ได้

ห้าเฟรมจากคลิปภาพเป็นวิดีโอ

ห้าเฟรมจากคลิปวิดีโอ H3 เรียงตามเวลาจากซ้ายไปขวา ในสองเฟรมสุดท้ายครัวซองต์กลับมาเต็มชิ้น

วิดีโอใช้เวลาสร้างประมาณ 171 วินาที

ใช้ตัวไหนดี

เลือก MiniMax H3 Image เมื่อคุณต้องการ 4K ภาพสมจริงขนาดใหญ่ที่จะขยายและครอป หรือใช้ภาพอ้างอิงจำนวนมากในรอบเดียว ภาพสินค้าและภาพบุคคลของมันให้ความรู้สึกถึงสถานที่ชัดเจน และดูเหมือนงานถ่ายโฆษณาจริงและภาพสารคดีมากกว่า

สำหรับพื้นหลังโปร่งใส การแก้ไขภาพเดิมซ้ำหลายรอบอย่างนิ่งๆ หรือการวางวัตถุตรงตำแหน่งที่ขอ Seedream 5.5 คือตัวเลือกที่ปลอดภัยกว่า รอบนี้มันเป็นตัวเดียวที่วางจักรยานถูกที่ สำหรับเลย์เอาต์ที่มีตัวอักษรเยอะอย่างเมนูและอินโฟกราฟิก ทั้งสองตัวไม่ใช่ตัวเลือกแรก ให้ไปใช้ GPT Image 2.6 แทน

อีกเรื่องที่สะดวก: อะไรที่คุณสร้างก็ส่งต่อให้ H3 วิดีโอเป็นเฟรมแรกได้ทันที ถ้าจะลอง เปิด MiniMax H3 Image รันที่ 2K สักสองสามภาพเพื่อหาทิศทาง แล้วค่อยเปลี่ยนเป็น 4K เมื่อชอบสิ่งที่เห็น

คำถามที่พบบ่อย

MiniMax H3 Image รับภาพอ้างอิงได้กี่ภาพ

สูงสุด 16 ภาพ ไม่ใส่ภาพคือสร้างภาพจากข้อความ ใส่ภาพแล้วมันจะแก้ไขหรือรวมภาพ Seedream 5.5 รับได้สูงสุด 10 ภาพ

MiniMax H3 Image ทำพื้นหลังโปร่งใสได้ไหม

ไม่ได้ ถ้าเป็นสติกเกอร์ ไอคอน หรือภาพสินค้าตัดพื้นหลังแบบโปร่งใส ให้ใช้ Seedream 5.5

ภาพ 4K ใหญ่แค่ไหน

ด้านยาวประมาณ 5,120 พิกเซล 16:9 จึงออกมาที่ 5120×2891 ทั้ง 2K และ 4K มีครบทั้งแปดอัตราส่วนภาพ

รัน MiniMax H3 Image บนเครื่องตัวเองได้ไหม

weights ของโมเดลเปิดสาธารณะบน Hugging Face คุณจึงดาวน์โหลดไปรันเองได้ ดูข้อกำหนดฮาร์ดแวร์ในเอกสารทางการ บน ZOOOP ไม่ต้องตั้งค่าอะไร: เปิดหน้าโมเดลแล้วเขียนพรอมต์ได้เลย

H3 Image กับ H3 วิดีโอทำงานร่วมกันอย่างไร

สร้างภาพก่อน แล้วส่งให้ H3 วิดีโอเป็นเฟรมแรก และบรรยายว่าฉากควรเคลื่อนไหวอย่างไร รายละเอียดอาจเปลี่ยนไปในวิดีโอ อย่างครัวซองต์ในบทความนี้ที่รอยกัดหายไปตอนถูกหยิบขึ้น

แบ่งปัน

ค้นพบเพิ่มเติม

ดูทั้งหมด