好文集ChatGPT Plus¥119

开源又出王炸!MiniMax H3-Image 首发实测:4K 直出超能打(附全套提示词)

文章目录

部分视频或图片暂未收录,已在正文保留提示;需要时可查看原文。查看原文 ↗

最近的AI图像模型,确实有点百花齐放的意思。

以 GPT Image 2.6 为首的闭源模型接连更新,开源这边也很热闹,Qwen-Image-2.1、MOSS-Image-Base 等也开放了权重。

就在昨天,继 H3 视频模型之后,MiniMax H3-Image 也开放权重了。

MiniMax H3-Image 支持文生图和图像编辑,官方号称能10秒直出 4K 图片,最多可以同时参考16 张图。

媒体暂未收录,可在原文中查看

官方已经把模型开放下载了,感兴趣、有条件的朋友,可以部署到自己电脑上玩一玩。

文章配图

不会本地部署也没关系,直接用 MiniMax Code,或者去 MiniMax Design、海螺AI就能体验。

我这次也是第一时间在官网给大家实测了一轮,写实画风的效果尤其合我的口味。

实测下来,4K 生图的速度确实很快。

下面直接看图,提示词也给大家放好了。

一、知识理解与推理能力

用下来,我发现 H3-Image 还挺聪明。它能理解资料里的信息,也能先根据给出的线索做出推理后,再把结果精准地画出来。

1. 信息理解与知识表达

论文配图

我问我在大学当老师的朋友要了一篇学术论文,生物传感器领域的。

论文中有很多专业名词,硕士毕业都好多年了,现在已经完全看不懂了。

我把文章的摘要部分截图下来,丢给它,让他帮我配图。

文章配图

说实在的,这个效果我跟我朋友都觉得还可以。拿它做科研配图的第一版是很有用的,尤其是一些不涉及具体实验数据的摘要图。

知识科普

H3-Image 做知识图解也是手拿把掐。

拿摄影举个例子,我就给了下面这段提示词,让它做一张中文科普图,讲讲快门速度怎样影响运动画面。

制作一张横向16:9的中文摄影科普图,帮助初学者理解“快门速度怎样影响运动画面”。以同一位骑车经过街道的成年人为演示对象,自行选择能说明问题的快门设置与画面组织方式。解释相机固定时运动主体和静止背景分别会怎样变化,并用一个简短补充图说明相机跟随主体移动时的区别。保持图文对应,摄影示意要真实体现运动方向和清晰、模糊的差别。中文简洁可读,奶白背景、深灰文字,少量蓝色辅助线,整体明快易懂。

文章配图

效果确实挺好的,三种快门速度和摇摄的区别都展示得很清楚。人和背景哪里清晰、哪里模糊,对着图看一下就明白了。

再看一个例子。2026 年,AI Agent 的存在感越来越强,大模型、Agent、Harness、MCP、CLI、插件这些词,一股脑出现在我们面前,起初确实很容易懵。

于是我直接让 H3-Image 做一张中文科普信息图。

制作一张面向普通AI用户的中文科普信息图,横向16:9,标题“AI助手是怎么把事情做完的?”。
围绕大模型(LLM)、Agent、Harness、MCP、CLI、插件六个概念,依据你掌握的知识解释各自的含义、职责与相互关系。Harness按AI Agent运行系统的语境理解,插件按AI应用的扩展机制理解。
以“读取项目资料,分析一份表格,生成并保存报告”为贯穿案例,用具体动作说明这些概念怎样参与任务。图示结构由你决定,区分整体与组成部分、工具调用与结果反馈;不强行把所有概念画成一条固定流水线,不要求每项任务都必须使用全部机制。
每个概念配一句普通人能理解的短解释,并体现它与其他概念的关键区别。有必要的连线用简短动词标注,方向明确,避免交叉。对存在不同实现方式的部分作简短说明,不将某个产品的做法当作通用标准。
采用精致的编辑式信息图设计,奶白底、深灰文字,以克制的蓝绿和暖橙区分功能区域;结合文件、工具、终端与报告的小型示意插画,阅读顺序清楚。中文准确清晰,正文约250—350字,术语保留英文,不堆大段说明,不只做六张互不相关的名词卡片,不加品牌Logo。

文章配图

可以看到,图里的概念和关系解释得基本准确,中文也很清晰,连下面的小字都能看清,没有出现乱码。

大家平时如果也有知识图解类插图的需求,可以试试下面这份提示词模板,把自己的主题和资料填进去就行。

可替换模板|知识图解
根据【提供的资料】,制作一张面向【目标读者】的【主题】信息图。优先讲清【核心问题】,从资料中提取【关键对象、步骤或关系】,选择适合的图示结构,阅读顺序清楚。每个概念配一句简短说明,文字与图形对应;不添加资料中没有的结论和数据。采用【配色与插画风格】,保留必要留白,中文清晰,画幅为【比例】。

2. 规则推理与空间理解

推理能力

再给它一道逻辑题。博物馆里有五座展厅,每座的颜色、负责人和展品都不一样。只给八条线索,让它找出王冠在哪座展厅、由谁负责,再把完整答案画出来。

小伙伴们也可以先看题,自己试着推一推。

我的提示词里没有直接放答案,就想看它能否在生成好图的同时还答对这道推理题。

请独立解答下面的逻辑题,并把答案画成一张“博物馆展厅复原图”。

一座博物馆有五座展厅,从画面左到右编号1—5。每座展厅恰好有一种标识色、一名负责人和一件展品。每种颜色、每个人、每件展品都只出现一次。

颜色:金、白、蓝、绿、红。
负责人:周岚、林澈、沈禾、陈墨、许宁。
展品:玉杯、匕首、王冠、铜镜、星盘。

下列线索全部为真。“紧挨左边”指编号恰好小1;“相邻”只指左右紧邻,不首尾相连。

1. 林澈负责1号展厅。
2. 许宁负责的展厅紧挨红色展厅的左边。
3. 陈墨负责的展厅紧挨陈列铜镜的展厅左边。
4. 陈列铜镜的展厅紧挨蓝色展厅的左边。
5. 陈列王冠的展厅紧挨许宁负责的展厅左边。
6. 金色展厅陈列星盘。
7. 周岚负责绿色展厅。
8. 许宁负责的展厅与陈列匕首的展厅相邻。

问题:王冠在哪一号展厅,由谁负责?同时还原五座展厅的全部配置。

请先自行求解,再用画面呈现答案。

主画面并排展示五座古典博物馆展厅,编号从1到5,顺序不能改变。每座展厅用门框或铭牌显示对应标识色,内部清楚展示唯一展品,负责人用一幅小肖像和中文姓名标识,人物均为原创成年人。

每座展厅下方用短标签写出“颜色、负责人、展品”,与画面严格一致。画面底部突出王冠所在展厅及其负责人,并列出三条能够核对的简短推断依据。

不要把题干重新排成海报,不添加额外线索。精致博物馆插画,浅色底、清晰中文、古铜细节,视觉重点是正确还原后的答案。

文章配图

最后答案和五座展厅的配置都对应上了,王冠在 1 号展厅,由林澈负责。配图也很美观,文字也没出现任何的乱码。

空间理解能力

接着,我们来试试模型的空间理解能力。我给它一张 2D 鸟瞰地图,让它按照图中红色箭头的位置,沿着箭头的方向,把眼前的景色还原成 3D 场景。

文章配图

这个视角还原得挺到位的,空间层次也很清楚。前景是码头和小船,中景是石桥与两岸建筑,再往后才是瀑布和山峦。

3. 结构拆解与多视图示意

H3-Image 对产品结构的理解也是值得一试的。比如下面这辆卡丁车,用一段提示词,就能把车身、轮组、座椅等部件拆开,做成一张直观的零件爆炸图。

把图中的蓝黄卡丁车拆成一张非常细致的工业设计零件爆炸图。保留原图的车身比例、低矮宽体造型、蓝黄配色、黑色座椅、四个黑色车轮、方向盘和大型尾翼,车头及侧面的数字“8”与原图一致。拆开后仍能一眼认出是同一辆车,不改成摩托车或普通汽车。
内部采用合理的概念电动卡丁车结构,不代表原产品真实内部构造。不要添加燃油发动机、油箱、排气管或复杂的乘用车变速箱。
拆解方式:
采用与原图接近的前侧上方等轴测视角,车头朝画面左下,车尾朝右上。以中央底盘车架为装配基准,各部件沿自己的安装方向向上、向下或向两侧展开,保持原来的方向和对应关系。间距清晰,避免相互遮挡,不把全部零件串在同一根轴线上。
前部:
蓝黄色前保险杠、车头导流罩、带数字“8”的上盖分别拆开,露出前部车架。方向盘、转向柱、转向摇臂、左右转向拉杆和前轮转向节依次展开,清楚表现方向盘如何连接两个前轮。两个前轮分别沿各自轮轴向外拆开,轮胎、轮辋、轮毂和轴承同轴排列。
中部:
左右蓝黄侧裙向外展开,黑色座椅向上抬起,座椅拆成软垫和座椅底壳,底部露出安装支架。低位电池包从座椅下方展开,电池上盖、电池模块和托盘分层排列。加速踏板、制动踏板位于驾驶员脚部前方,与座椅和方向盘的位置相符。
后部:
后置电机、控制器、传动链条、主动链轮、后轴链轮和整体后轴按动力传递顺序展开。后制动盘与制动卡钳位于后轴对应位置。两个后轮沿后轴两端向外分离。大型蓝黄尾翼向上展开,翼面、两侧端板和支架分别分离,保持原图轮廓与配色。
小零件:
只展示必要的螺栓、垫片、轴承和电气接头,按所属部件分组,不用大量无意义的小零件填满画面。动力线束沿合理路径连接电池、控制器与电机,不悬空乱接。
在画面下方留出两个局部放大窗,分别展示“前轮转向连接”和“后轴链传动”,放大内容必须与主图对应。
文字标注:
用细白色引线连接主要部件,端点落在对应零件上。中文标签包括:前导流罩、前保险杠、方向盘、转向柱、转向拉杆、前轮轮毂、底盘车架、座椅、电池包、电机、控制器、链传动、后轴、制动盘、尾翼。标签沿左右边缘整齐排列,引线尽量不交叉,不穿过主体。
深炭灰背景,淡淡的等距网格,柔和棚拍光。蓝黄色外壳保留原图的折面设计,金属车架与传动部件具有真实金属质感,橡胶轮胎与软质座椅材质明确区分。整体像精致的工业设计结构展示海报。
构图完整,四个车轮数量正确,不新增车轮或重复总成。角落小字标注“概念结构示意”,不添加原图以外的品牌标识。

文章配图

换成稍微少见一点的机器狗,像银灰外壳、四肢和关节模块它也能精准识别,并且分开呈现。

文章配图

虽然很多细节可能还需要优化,但做产品概念初步展示的时候,这种拆解视角还是非常直观且高效的。

如果想快速做一张产品的 CAD 示意图,也可以试试 H3-Image。我用机械臂的外观图作参考,让它画出不同方向的视图,再配一张轴测图。

把图中的机械臂整理成一张规范、清晰的CAD风格多视图机械图纸,横向16:9。白色图纸背景,黑色线条,无材质、无颜色填充、无光影。可见轮廓用实线,被遮挡的外形边缘用虚线,旋转轴与关节中心用细点划线。
严格保留参考图的机械臂设计:带加强筋的圆形固定底座、回转平台、肩部关节、弧形长臂、肘部关节、短臂、腕部旋转组件,以及末端两片带镂空与齿状夹持面的夹爪。保持各段长度比例、外壳轮廓、关节数量、螺栓位置与夹爪造型,不改成另一种机械臂,不添加手指、连杆或关节。
所有视图都表现参考图同一个装配状态:底座固定,机械臂弯曲抬起,末端向外伸出,双指夹爪保持张开。只改变观察方向,不能为了让某个视图更好看而调整关节角度。不做零件爆炸图。
图纸布局:
左侧约占画面60%,排列四个正投影视图;
右侧约占画面40%,放一张较大的等轴测线框图;
底部保留简洁标题栏,各区之间留足空白,标注不得挤压主体。
四个正投影视图:
左上:主视图。以最能展现机械臂弯曲轮廓的方向为主视方向,使底座、肩关节、长臂、肘关节、短臂、腕部与夹爪形成清楚的完整轮廓。
右上:左视图。从主视方向左侧观察,准确表现底座宽度、关节厚度、外壳叠合关系与夹爪的空间位置。
左下:俯视图。垂直向下观察,表现底座轮廓、机械臂各段在水平面上的投影、腕部位置和夹爪方向。机械臂投影长度应根据姿态缩短,不得直接复制主视图。
右下:后视图。从主视方向相反方向观察,表现背面的壳体轮廓、关节端盖与连接关系。不可见部分保持简洁合理,不凭空增加复杂机构。
四个正投影视图比例统一,各自标注“主视图”“左视图”“俯视图”“后视图”。主视图与左视图高度对应,主视图与俯视图的对应位置对齐。所有视图中的底座大小、关节中心、臂段比例和夹爪张开状态相互一致。严格使用正投影,不出现近大远小或透视消失点。
右侧等轴测线框图:
以参考图相近的观察角度展示完整机械臂,让底座、弧形臂段、腕部和双指夹爪都清晰可辨。可以比左侧视图适当放大,但不得改变结构与姿态。只画外形与必要细节,不透视显示未经参考图证实的内部齿轮、电机或线路。
尺寸标注:
用规范的尺寸线、尺寸界线和箭头标出“总高”“水平伸出长度”“底座直径”“底座高度”“夹爪开口”,臂段长度以相邻关节中心为基准标示。
参考图没有提供真实尺寸,因此使用尺寸名称或H、L、D等符号,不编造毫米数值,也不填写未经确定的比例尺。
总高指底座底面到当前姿态最高点;水平伸出长度指底座回转中心轴到夹爪最远端的水平距离,不要与机械臂各段长度之和混淆。
关键部件用细引线标注:
“固定底座”“回转平台”“肩关节”“长臂”“肘关节”“短臂”“腕部旋转组件”“双指夹爪”。
引线端点准确落在对应部件,标签整齐分布于留白处,尽量不交叉、不穿过主体。
线条分级清楚:主要外轮廓略粗,结构细节较细,尺寸线与中心线更细。适当简化重复螺钉和细小凹槽,避免画面变成密集黑线。中文清晰,无乱码和无意义数字。
右下角标题栏写:
“机械臂多视图”
“总装外形示意”
“图号:JXB-01”
“尺寸待定”
保留机械臂本身的设计特征,原图左上角标题不作为图纸标题复制。不要加入软件工具栏、装饰性科技背景或额外品牌标志。整张画面像排版严谨的机械设计图纸。

文章配图

虽然生成的还是图片,但对做设计的朋友来说,已经可以用作 CAD 绘图的外观参考了,沟通方案也方便。

二、多种风格的视觉创作

前面主要看了 H3-Image 的世界知识和推理能力。作为图像模型,各种画风到底画得怎么样,当然也得试一轮。

1. CG 角色与幻想场景

角色设计

H3-Image 生成的角色,在打磨好提示词的基础上,脸型、五官和气质各有特点,终于不再总是同一张脸了。

尤其是 CG 游戏、3D 动漫这类角色,H3-Image 的表现很不错,五官、发丝和服装细节都很到位。

大家可以直接生成全身,也可以先看脸,按自己的习惯来。我这里是先把脸确定好,再扩到全身。

一张高精度3D国风幻想游戏的女性角色近景,CG游戏风格。画面聚焦一位年轻成年女子的面部与上半身,她容貌极美,气质温柔而疏离,清冷中带着一丝妖冶。脸型流畅秀雅,下颌收束精巧,眉骨与鼻梁的起伏细腻,细长的眼睛微微眯起,眼尾自然拉长,清晰的睫毛在下眼睑落下极淡阴影。雾霭灰色的瞳孔透着柔润光泽,视线稍稍抬起看向镜头,嘴唇自然闭合,唇色是淡淡的玫瑰豆沙色,神情含蓄而有吸引力。
她拥有冷白而通透的皮肤,面部经过精细的3D美术塑造,保留细微肌理与柔和的皮下透光感。眼睑、鼻翼和唇周有极轻的血色,面颊与下颌之间的阴影渐变细腻,五官立体却没有生硬的棱角。乌黑长发半挽,以一支精巧的暗金发簪固定,其余长发沿肩背垂落;额前几缕松散发丝被微风吹起,轻轻掠过眉梢与面颊,每根发丝都有细致的明暗与光泽。
她身穿墨黑与深黛青色交叠的华丽衣袍,领口、肩部与袖缘绣有细密的暗金缠枝纹,丝绸暗纹、金线刺绣与少量玉饰呈现各自不同的材质。衣饰精美,但视觉焦点始终落在面容。她的一只手在画面下方轻持半展开的水墨折扇,扇面只遮住部分胸前衣襟,修长手指自然搭在扇骨上,不遮挡下颌与面部。
整体神秘、朦胧、唯美,略带幽暗气息。焦点准确落在双眼和面部,近处睫毛、皮肤、发丝与织物细节清晰,背景柔和散开,高光带有克制的泛光。保持理想化的游戏角色美感与写实材质,不要普通真人古装写真、卡通平涂、蜡像皮肤、浓重网红妆或过曝磨皮,不要文字与标志。

想做自己的角色,可以用这份角色设计模板。景别填近景还是全身,按你想先看脸还是先看整体来选。

可替换模板|CG 角色设计
一张高精度【CG 游戏/3D 动漫/国风幻想/西幻】角色设定图,景别为【面部近景/半身/全身】。主体是一位【年龄、性别、身份或种族】的原创成年角色,气质为【气质关键词】。面部特征为【脸型、眉眼、瞳色、鼻唇特征】,神情与视线为【描述】;发型、发色与头饰为【描述】。穿着【符合世界观的服装】,主色为【配色】,用【织物、皮革、金属等】区分材质,搭配【必要配饰或道具】。采用【光线方向与软硬程度】,保持五官、发丝和衣料细节清晰,背景为【简洁背景或环境】。近景重点展示面部;全身图完整展示头顶到鞋底,比例自然,姿态清楚。避免【不需要的画风或元素】,画幅为【比例】。

脸确定没问题之后,就可以用下面这套提示词,生成做漫剧经常用到的角色多视图资产了。

文章配图

生成全身三视图以及一张面部特写。(最左边占满 1/3 的位置是超大的面部特写,右边 2/3 放正视图、侧视图、后视图,二八身材比例),简洁的纯色背景。

幻想场景

接着我又测了一组带有超现实感的 CG 游戏幻想场景,H3-Image 做出来的效果确实相当惊艳。

这类场景的提示词,需要要把整体风格、空间关系和关键细节描述清楚。大家可以按下面的模板来写,把场景换成自己的想法。

可替换模板|幻想场景
以【画风】表现【核心地点】。镜头位于【观察点】,前景是【近处物体或人物】,中景是【主要建筑或地貌】,远景是【远处环境】。说明三者如何连接,保留【道路、桥梁或通道】。用【小人物或熟悉物体】交代尺度。光线从【方向】照来,近、中、远景的明暗分别为【要求】。重点表现【材质】,整体色调为【配色】,氛围为【感受】。避免【不需要的元素】,画幅为【比例】。

山腹悬寺

东方奇幻游戏环境概念图,电影感写实CG。一座古寺建在巨大山腹洞穴内,前景是一段磨损石桥,中景寺院依岩壁层层升高,远处洞顶裂隙透进一束晨光。石桥真实连接寺院入口,木梁、石壁与屋檐之间有合理支撑,少量细蛛丝连接废弃廊柱。画面保留清楚的行走路线与空间深度,桥上有一个很小的行者交代尺度。青灰岩石、暗红木构、旧金屋瓦,细节集中在入口与主殿,不堆满同样精细的建筑。气氛幽深,亮部可辨,无文字、水印。

冰原尽头的城堡

电影感写实CG的西方奇幻史诗场景。辽阔冰原尽头,一座巨型黑石城堡沿冰川断崖层层升起,宽阔冻结河道将目光引向主城门。镜头位于远处低山坡,前景有一小队带驮马的旅人交代尺度,中景冰面裂纹与雪脊有清楚透视,远处城堡轮廓雄伟且结构可辨。低角度夕阳照亮城墙顶部,冰原偏冷蓝,城门透出少量暖光。建筑有合理基座与道路连接,天空留出呼吸空间,保持开阔地貌,不靠密集光束和浓雾遮盖结构,无文字。

古树穿透的殿堂

文章配图

原创奇幻史诗环境,电影感写实CG。镜头位于巨大古代殿堂入口附近,一株千年古树从中央庭院生长,粗壮树干穿过已经破损的穹顶,根系沿裂开的石板延伸,仍能看清两侧高大的柱廊和通道。远处两名极小的旅人站在树根前交代尺度。日光从穹顶缺口照入,树叶映出柔和绿光,石材、木质、苔藓有不同纹理。透视稳定,殿堂结构与古树相互作用可信,主体集中,不用过量漂浮碎石,无文字。

潮汐祭典

史诗感写实电影场面。从人物身后的高处岩台俯瞰巨大河谷,一位披深黑色长斗篷的旅人站在近景左侧,背对镜头,形成厚重剪影。脚下裸露岩台陡然落入深谷,没有栏杆或石柱遮挡,强调高处的落差与孤独人物面对庞大祭典的尺度对照。
下方成千上万艘载人灯舟铺满宽阔水道,沿曲折河谷汇聚、分流,绕过巨大岩体后继续延伸,尽头隐入远方薄雾。近处能辨认船上的人,中景成为密集船群,远处逐渐缩成细碎灯火。两岸石滩、渡口和层层石阶挤满微小人群,少量古老关楼嵌在赭褐色绝壁之间。船队疏密不一,不排成整齐方阵,不设置圆形水池、中央火坛或放射状船阵。
日落后的暮色,天际残留暗金与灰琥珀色余光。前景深暗,中景岩壁保留厚重的受光面与阴影,远景随空气透视逐层淡去。灯火温暖、有明有暗,局部汇成光带,船流之间保留大片暗水;倒影随波纹断续展开,不让全河均匀发亮。综合色调为赭褐、烟棕、暗金与克制的冷灰蓝,避免浓艳蓝金滤镜。
电影级写实CG,岩石、木舟与水面质感可信,构图肃穆、苍茫,整片山河都在举行一场盛大的古老祭典。无烟花、满天孔明灯、魔法光束、文字或水印。

熔岩台地上的旅人

电影感超远景航拍,近乎垂直俯视一片秋季火山台地,不出现天空。凝固的黑色玄武岩呈放射状与绳索状褶皱,浅金色苔草沿狭窄土径和低洼处生长,形成从左下到右上的弯曲明亮通路。六位披深褐斗篷的旅人牵着两头驮兽沿小径行走,人和动物远小于周围岩脊。斜射夕阳为草尖、岩缘和细小尘粒镀上暖金,阴影深棕近黑,人物的长影与岩石纹理交错。暖高光与冷黑岩体形成克制对照,地表粗糙真实、细节丰富但不锐化,不画流动岩浆或火灾。独行旅途般的寂静与苍茫,无文字、界面和标志。

白石悬崖上的天文城

文章配图

电影级写实数字绘景。一座白石天文城沿巨大的滨海断崖逐级升高,圆顶观测厅、露天星盘台与窄桥顺应岩层分布。前景是完整可辨的石栏与旧观测仪,中景为相互连接的台阶、庭院和半球形铜顶,远景城墙在云海上方延伸。晨光从画面右后方逐层照亮建筑顶部,近景处在冷灰阴影中,远处用大气透视减淡。铜顶轻微氧化,白石边缘有风化,建筑尺度统一,承重结构与进出路线可信。少量极小人物标示规模,画面开阔、宁静、宏伟。无寺庙符号、现成游戏名称、文字、拼贴边缘或水印。

2. 写实人物与场景

这次测试的众多画风中,写实摄影风格是我最喜欢的。画面非常的真实细腻。

细致的光影表现

H3-Image在光影上也很听指挥,提示词里要求的打光方向和明暗关系,基本都能在画面里体现出来。

我特别喜欢这张美女的近景。光从侧后方照过来,发丝边缘被照亮,头发里侧和脸上的阴影也很自然。

文章配图

拍摄一位古典中国古典美女喝茶前停顿的真实肖像,头部、肩膀、上胸和双手捧着的深色陶杯入镜,人物略微侧脸。画面右后方的暖色灯光掠过头发,背景是较暗的室内墙面。盘发外缘和几根翘起的碎发被照得透亮,发丝之间仍能看见暗背景;浓密发束的内部保持深色,亮边随着发束遮挡自然中断。脸部由相机左前方很弱的柔光照亮,能看清眼睛、面颊和手指。耳廓与肩部只在朝向后侧灯光的边缘受光,陶杯呈宽而弱的表面亮部,杯沿和手指交接处保留接触阴影。焦点覆盖眼睛、外缘发丝与杯口。

自然人像与纪实氛围

我觉得 H3-Image 很出彩的一点,就是把人像画得很舒服。皮肤看得见纹理,画面带一点颗粒,颜色也不会浓得发假。

满版无边框的电影胶片人像极近特写。一位约25岁的成年东亚女性,黑色齐下巴短发,深褐眼睛平静地望向镜头,眉眼清秀,嘴唇自然闭合。面部占画面绝大部分,额头上缘与下巴被自然裁切,左侧眼睛是最清晰的焦点,另一只眼睛被几缕掠过的黑发轻微遮挡。海风从左侧吹来,细发斜向右上扬起,局部轻微运动模糊,与清晰的眼睛和鼻翼形成虚实对比。傍晚中性偏暖的自然漫射光柔和照亮面部,鼻侧保留浅淡阴影,没有硬轮廓光,皮肤有细小纹理和自然色泽。背景只在两边露出模糊的灰青海面色块。85—105mm肖像镜头观感,浅景深,低饱和灰青、暖肤色和深黑,低至中等反差,细颗粒、轻微褪色和柔和高光。脸部细节清楚但不锐化,不磨皮、不变成杂志精修,不加文字、水印或黑边。
一张真实的渔港纪实摄影照片,3:4竖幅,标准镜头、自然光、胶片质感。浓雾笼罩清晨的小渔港,远处海面、船只和天空融成雾白,光线完全漫射,几乎没有硬影。前景偏左,一位约六十岁的女渔民穿深靛蓝工作服和暗红针织帽,蹲在湿石岸边整理渔网,手边一只橘白猫低头闻空鱼筐,人物不看镜头。中景一艘褪色青绿色小木船靠岸,两位成年渔民一人把绳圈递上岸,一人在船尾收折旧防水布,各自忙碌。前景有潮湿石板、细绳、少量海藻和浅水,船体接触水面的关系自然。平视略低机位,35—50mm自然透视,前景人物清楚,中景略软,远处由雾吞没。雾白、青灰、深靛和旧木褐色为主,红帽仅作小面积点色。低饱和、中低反差,柔和高光和适度胶片颗粒,质朴、沉静,有生活气息。不是广告摆拍、插画或CG,不加文字、边框和水印。

文章配图

复古时装摄影

在自然人像的基础上,加一点胶片质感和复古色调,再配上纱帽、飘带和直闪,复古时装摄影的氛围就出来了。

复古、梦幻的直闪胶片时装肖像。一位约25岁的成年深棕肤色女性,短而柔软的自然卷发,五官漂亮,眼神沉静。她戴薄荷绿色半透明欧根纱软帽,宽阔帽檐略不对称,长纱带在颈侧打结,一条被风吹向画面左上,形成宽阔而轻盈的弧形。身穿低饱和杏橙色褶皱吊带裙,佩戴细银链与小巧椭圆月白石吊坠。身体微侧、面部朝前,嘴唇放松,人物位于右下三分线附近。背景为傍晚园林,墨绿树影、浅灰石路略带布景感。机顶正面直闪形成清楚的面部高光与身后硬影,环境曝光略低,保留深肤色自然层次,不提亮成浅色皮肤。薄荷绿、杏橙、墨绿与银白相互制约,胶片颗粒明显,中等景深,纱质可透光,皮肤与金属反光不同。梦幻、克制、略带疏离,无文字、商标、边框和水印。

沿用这种复古时装摄影的感觉,再在提示词里加上标题、文案和排版要求,就能做出旧杂志风格的图。

文章配图

一页1980年代末高级时装杂志的胶片扫描,摄影与文字排版一体。成年东亚女性的胸部以上侧面肖像,黑发盘起,面孔朝左微微上扬,双眼轻闭,神情优雅沉静。身穿墨黑色丝绒立领上衣,佩戴细长的旧银水晶耳坠。一把巨大的象牙白半透明褶扇在她头后展开,扇骨细密,扇面只有克制的叶脉压纹,不使用宽檐帽或山茶花。人物位于右侧,扇面延伸至左上方,背景为深暗负空间。强逆光穿过扇面,照亮折褶与边缘,弱侧光只勾出面颊、鼻梁和耳饰,暖黄白高光与冷暗阴影交织。明显胶片颗粒、轻微柔焦与细小印刷网点,纸张扫描质感。左下留白排一个小型衬线标题“QUIET RADIANCE”,下面两行小字“Light through folds.”和“A study in ivory and shadow.”,文字不压脸、不加品牌或摄影师名。黑、象牙白、旧银和自然暖肤色,安静、典雅,无水印。

旧设备的随拍质感

还有个方向我觉得挺好玩的。如果想做关注普通人生活的 AI 纪录片,或者带点家庭影像味道的片子,可以在提示词里保留旧手机、老相机拍照的粗糙感。

它们的特点是,亮处有些过曝,暗处不那么干净,背景也不用虚化得很漂亮。

一张2010年代旧款手机后置单摄随手拍的生活照片,默认相机直出,未经美颜、滤镜和后期修饰。清晨江南小镇的门廊下,一位约七十岁的竹编师傅坐在矮凳上编竹篮,穿褪色灰蓝短袖衫和深色长裤,低头注视手中竹篾。手指与细竹条的穿插自然,膝前半成品已有清楚篮底和上翻骨架。门边堆着几捆竹条,地上有碎篾和旧搪瓷盆,身后是掉漆木门与普通塑料凳。门外石板路刚被洒湿,远处一辆自行车停在白墙边。人物是日常工作的普通老人,没有模特姿势。平视手持略倾斜,人物偏右,门框自然裁掉一角。手机广角透视,景深较深,背景可辨,没有人像模式虚化。光线来自门外,门外亮处略微过曝,门廊暗部有细小噪点,动态范围有限,没有现代HDR大幅提亮。自然略暖、适度饱和,细节够用但不锐化。不是电影布光、专业单反大片或CG,不加日期、边框、文字与水印。
一张2001年前后普通家用MiniDV摄像机录下的家庭生活截帧。旧式居民楼的小餐厅里,一位六十多岁的中国爷爷穿浅灰短袖家居衫,低头包饺子,一只手捏饺子边,另一只手掌托着饺子,刚好抬眼对镜头笑。旁边一位成年家人伸手从盘里拿面皮,只露出肩膀和手臂。餐桌上有撒面粉的木板、盛馅的搪瓷盆、一排形状不完全整齐的饺子和皱起的塑料袋,一只橘猫从桌子下方露出脑袋。背景是旧木柜、壁挂日历和只发出模糊亮光的电视,日历文字无需可读。偏绿的顶灯与邻屋暖灯混合,暗部稍脏,白色面粉与搪瓷高光允许局部过曝。手持机位略歪,近处椅背挡住一角,深景深。标准清晰度的柔软细节、暗部细小彩色数字噪点、轻微色彩溢出与压缩痕迹,动作手指有适量拖影。即使输出大图也保留老录像的信息密度。不要电影布光、胶片滤镜、VHS横纹、夸张漏光或商业摆拍,不加日期、录制符号、字幕、水印和边框。

文章配图

总结一下,写实摄影风格的提示词,关键是把怎么拍说明白。机位、取景范围、光线方向和成像质感都要交代清楚。下面这份模板可以直接替换着用。

可替换模板|写实摄影
一张【摄影类型或设备观感】的照片。主体为【人物与外貌】,正在【具体动作】,位于【环境】。采用【景别、机位与构图】,焦点落在【位置】,背景保持【清晰程度】。主光来自【方向与光源】,让【受光部位】明亮,同时保留【阴影区域】。具体表现【皮肤、发丝、衣料或物体材质】。综合色彩为【配色】,保留【颗粒、噪点、轻微失焦等质感】。避免【不需要的美颜、布光或装饰】,画幅为【比例】。

3. 绘画与插画

换到绘画和插画风格,H3-Image 测试下来也有亮眼的表现。下面这些风格我都试了一遍,直接看效果吧。

设色水墨|秋江空戏台

这张水墨风的图一出来,我就特别喜欢。

江面和远山留得很空,戏台只占岸边一小角,几笔秋色点进去就够了。

中式留白,YYDS。

中国写意山水,生宣纸本,水墨与淡设色交融。视野开阔,秋江横贯画面,远山断续起伏,水天在薄雾中相接。右下岸边一座散戏后的老木戏台只占很小一角,素白帷幕被江风掀起,椅背上一抹暗赭红戏衣若隐若现。近岸几株乌桕枝叶疏落,橙红与灰金色叶片伸向江面;中景沙洲、芦苇与浅滩错落展开,远处青山一重重淡入纸白。
江面与云气留出约四成空白,留白随岸线和山势贯穿画面,不是背景刷成纯白。近景用浓墨、干笔皴擦与飞白,远山以湿墨和花青层层晕染,山脚与水面自然融接,细节有藏有露。
综合色彩为花青、灰石绿、淡赭、秋叶胭脂红与温润纸白,颜色薄而通透,墨色仍清楚可见;暖色集中在近岸秋树,冷色向远山递减。构图非对称,近处一角丰厚,江天辽阔疏朗,空戏台与大山水形成尺度对照。保留宣纸渗化与用笔节奏,不做青绿重彩满铺、摄影渐变或整幅灰黑滤镜,无题字、印章、边框和水印。

矿物重彩壁画风格|云端列车

东方矿物重彩壁画风格,主题为“云端列车”。一列现代高铁穿行于石青、石绿构成的层叠山峦和卷云之间,车窗与车头轮廓可辨,三位古代衣饰的成年旅人坐在云边候车,衣带与山势形成疏朗动线。朱砂只在小面积衣饰和列车标识色块出现,赭色底面保留矿物颗粒与局部自然磨损。以平面叠压、线描和色块组织空间,留出大块空壁,不使用写实金属反射、摄影天空或蓝色科幻光。人物与现代列车在同一绘画语言里,无题字、印章和商标。

文章配图

透明水彩|海上钢琴

这张我喜欢它的开阔感,水彩的软边和色层也比较明显。

纸本透明水彩,辽阔海面上的一架孤独钢琴。略高的远景视角,海天占据绝大部分画面,地平线舒展而遥远。右下三分线附近,一架深蓝黑色三角钢琴静立在刚露出海面的低矮浅色礁坪上,三只琴脚稳稳落地,琴盖半开,旁边只有一张空琴凳。钢琴宽度约占画面的六分之一,轮廓可辨但不放大成主视觉特写,礁坪与陆地没有相连道路,四周只有无边海水。
近处浅水透出灰青礁石,细浪绕过礁坪,钢琴的倒影被波纹打散;中景海水从松石青逐渐转为钴蓝与灰紫,远处融入淡淡雾蓝。高处几片疏朗云层被午后偏暖的阳光照亮,云下宽阔的银白水光伸向远方。海面有深浅、流向与细小浪带,不画成平整单色背景。画面无人、无船、无建筑,保留安静、孤独而开阔的海上风光。
大面积湿画法表现天空与海水,透明色层自然渗化,保留颗粒沉淀、水痕和软硬边变化。浪尖、云隙与水面亮光以纸白留出,钢琴用少量深色干笔收住,倒影则松散融入水色。浅青、钴蓝、灰紫、淡金与纸白构成清透而丰富的层次。不要照片套水彩滤镜、油画厚涂、满幅描线、发光钢琴、文字或水印。

漆画风格|残荷与翠鸟

中国传统漆画,枯萎的荷叶、衰败的莲蓬、冰封的水面、荷叶上一只翠鸟;大漆制作肌理,灰色背景,极简构图,传统古朴风格,孤寂感禅意弥撒意境,极简留白。

文章配图

工笔风国风插画|庭院花树

平视视角的传统中式庭院局部,前景苍劲虬曲的开花树木(洁白繁密花朵)运用游丝描勾勒枝干、铁线描刻画花瓣轮廓、没骨法晕染花朵柔腻质感,中景被花枝半遮挡的中式飞檐翘角屋顶,背景暖橘红色墙面,写实风格融合传统工笔画,暖黄色调室内漫射自然光,暖橘红、深棕、米白主色调,典雅静谧诗意氛围,杰作,8K超高清分辨率,大师级装饰画构图,无文字、无水印、无Logo、无边框。

日系幻想插画|月下巨鲸与少女

一幅唯美而克制的日系二次元幻想插画,细腻线稿、平涂与柔和渐层结合,保留轻微纸本颗粒。夜色海面上,一头巨大的蓝灰鲸鱼刚刚跃出水面,身体由左下向右上呈舒展弧线,头部抬向月亮,尾鳍仍接近海面。鲸的背部宽阔,皮肤用简洁曲线与少量银蓝纹理表现,不使用写实摄影皮肤。背脊靠近头部的位置,一位身形很小的成年长发少女安静坐着,侧背对观众,身穿月白色长裙,长而柔软的深色头发与裙带向左飘起,微微仰头看向右上方巨大的满月。少女双手轻扶鲸背,腿部自然屈放,保持稳定坐姿,不举武器、不做夸张挥手。满月占天空约三分之一宽,乳白而柔亮,只有淡淡月面纹理,不压住鲸与少女。远处海平线低而平缓,月光在水面形成一条宽而破碎的银蓝光路。鲸跃起的水花集中在下方,细小水滴像碎银,不能铺满天空。深靛、灰蓝、月白为主,极少量浅紫过渡。鲸与少女形成明确尺度对照,上方与左侧留出安静夜空,不堆星云、星球、繁花或建筑。画面轻盈、辽阔、有梦境般的宁静,线条与色块经过设计。无文字、边框、Logo、署名和水印。

文章配图

这类绘画、插画风格,也给大家整理了一份提示词模板。把画风、主体和构图换成自己想要的就可以了。

可替换模板|绘画与插画
用【媒介或画风】表现【主体与场景】。主体位于【画面位置】,占比约【大小】,与【其他元素】形成【关系】。构图采用【疏密安排与留白】,主色为【颜色】,辅色只用于【局部】。以【笔触或线描方式】表现近处,以【晕染、色块或简化方式】表现远处,保留【纸张、矿物颗粒、漆面等材料特征】。整体感受为【氛围】,避免【与该媒介冲突的表现】,画幅为【比例】。

三、多图参考与角色一致性

最后再试试多图参考。H3-Image 最多支持 16 张参考图,可以把人物长相、服饰配色和场景分别交代给它。

我们以往做AI短剧比较多,有自己的角色资产库。

我上传了 16 张大头照,让这些角色一起拍一张夜间直闪合影。

文章配图

整体效果我觉得还蛮好的,角色的数量、长相都基本还原得很到位。

如果想让一组人的服装看起来属于同一个主题,还可以加一张色卡。比如我上传六个人物后,加上格兰芬多色系,让它按这套配色设计服装。

参考图1至图6,六个年轻男女的长相身材,让他们按照图7@图片7色卡的配色,穿着不同样式的服装进行合影,表情自然生动。不遗漏、不重复、不合并人物,不增加其他人物。摆着不同的Pose,举止亲密自然。街头自然的场景,与场景自然融入。

哈利波特系列的配色向来很高级。

只要在提示词里强调**“格兰芬多巫师袍”,场景设为“格兰芬多学院公共休息室”**,霍格沃兹的元素立马就出来了。

狮院女孩们看过来!

文章配图

再换一张斯莱特林的色卡。

这次服装转成了绿、灰、黑的搭配。

同样的改成巫师袍后,蛇院风格也还原得很成功。

H3-Image是真懂啊,还知道蛇院的公共休息室是在黑湖的湖底。

文章配图

写在最后

这一整轮测下来,除了模型本身的表现,我最大的感慨还是技术的迭代速度。

记得以前玩 Stable Diffusion 的时候,还要装各种插件修手修脸。

而现在这些AI图像模型真的已经走到了以假乱真的地步了。

从最终的效果来看,H3-Image展现出的画面质量,确实有了直接剑指开源SOTA的底气。

把这样的高水准模型开放出来,对创作者和开发者来说,无疑多了一个值得一试的选择。

闭源在前面跑得飞快,而开源,是给整个社区一个自由折腾的可能。

技术的迭代永远没有尽头,最终能用这些工具做出什么真正动人的好东西,答案始终握在创作者自己手里。

工具已经准备好了,感兴趣的朋友,不妨直接去上手试试吧。

全文完
查看原文

沿着这个主题继续读

从一篇文章,找到相关的教程、经验和阅读路径。

DeepSeek 与国产大模型DeepSeek、豆包、Kimi、Qwen、MiniMax 等国产大模型的实测、Agent 用法与本地部署。