h3-image-prompt-writing

MiniMax-H3-Image 提示词编写

MiniMax-H3-Image 根据对成图的完整描述生成效果最好：图像的用途、图中有什么及其位置、图像呈现的样子，以及图上出现的每个字。本技能会将简短请求转化为这样的描述，适用于文生图和使用最多 16 张参考图进行编辑，并可将结果发送到 MiniMax API。

工作流

1. 选择任务。 没有输入图像时使用文生图。用户提供要修改、组合或借鉴的图像时使用编辑。编写前先阅读对应指南及示例：
   • 文生图请参阅 references/t2i-en.txt。
   • 编辑请参阅 references/edit-en.txt。按提供的顺序查看每张输入图像。
2. 按以下顺序规划图像： 用途和交付物、整体布局、纵横比、主体及其动作、视觉风格、文字。自行补全一般性细节；简短构想就足够。自行撰写用户要求的文案，将示例数据标注为示意数据，并将未提供的素材保留为命名参考。只有在缺少的信息会导致提示词错误时才提问，例如用户要求制作其专属数据的图表，却未提供数据。
3. 按照以下规则和指南编写提示词。
4. 根据请求检查提示词，参阅最终检查。
5. 按照输出格式交付。 用户要求生成图像时，生成图像。如果未设置 MINIMAX_API_KEY，则交付提示词，并说明设置此密钥后即可使用本技能生成图像。

编写规则

基本描述

• 先写任务，再写风格。 开头说明图像是什么、用途是什么，然后描述主要人物或物体及其状态或动作。风格放在后面。
• 先写布局，再写细节。 说明主体数量、位置、视角和留白。对于内容密集的图像，先说明各个区域，再填充内容：“顶部横跨一行标题；下方左侧是一张照片，右侧是三段短文。”
• 通过可见细节描述风格。 描述颜色、材质、光线和纹理，例如“柔和的侧光、拉丝金属反光、充足的留白”，而不是使用“高级”或“高端”之类的词。保留重要细节，删去相互矛盾的描述。

文字与信息

• 引用图像中出现的每个字。 将完整文字放在引号中，保持原有语言和字间距，并注明位置、字号层级和换行。用户要求你撰写文案时，写出实际文字。
• 注明图像中没有文字。 文生图提示词中加入“The image contains no text, letters or numbers.”，以免模型添加标题、标签或装饰性文字。编辑时说明不得添加其他文字，以保留源图中的文字。
• 确保数据准确。 对于图表、学术图示和教育类图像，写明准确的数值、单位及其关系，并注明任何随时间变化的数据的时间范围。将示例数据标注为示意数据，绝不要把虚构数值说成真实数据。

参考图与编辑

• 为输入命名。 按提供顺序将图片称为 <Picture 1>、<Picture 2>，依此类推。
• 为每张参考图指定作用。 说明每张图片提供了什么、哪些内容必须保持一致、哪些内容可以改变。如果只借鉴颜色，请说明不借鉴参考图的形状和材质。
• 区分变化与保留内容。 按位置或特征定位目标，描述它将变成什么以及变化范围，然后指出哪些内容保留：“左侧的杯子变成蓝色；它的形状、材质、位置和尺寸保持不变。”
• 描述最终效果。 说明某个对象是移动、复制、替换还是移除，以及移除后留下的空间由什么填补。更改文本或数据时，给出完整的新内容，并说明原有布局和图表结构是否保持不变。
• 每轮只设定一个明确目标。 多轮编辑时，指出本轮使用的图片、变化内容和保留内容。避免使用“之前那个”之类的指代。
• 按行和列描述网格。 写“2 行 3 列”或“3×3（行×列）”，不要写“2×3”。直接描述不规则布局，例如“上方 3 个面板，下方 2 个面板”；指明单元格时写“第 2 行第 1 列”。

输出格式

先在文本块中给出提示词，再给出宽高比：

```text
<the prompt>
```

Aspect ratio: 3:4

• 使用英文撰写描述。图像中出现的文本保留其原有语言。
• 文生图提示词应为一个或多个连贯段落。编辑提示词应为一个段落，并按照编辑指南规定的顺序撰写：先定义源图，再描述目标和每张源图的作用，最后描述要更改的细节。
• 宽高比应为 1:3 到 3:1 之间的宽:高。保留用户给出的比例；如果比例超出此范围，则使用最接近的允许比例并说明原因；否则根据布局选择比例。编辑时若保留输入图片的构图，则使用输入图片的比例。
• 用户要求提供选项时，最多给出 3 个提示词，每个都应有明显不同的创意，并分别附上宽高比。

渲染提示词

MiniMax API

scripts/generate.py 会向 MiniMax API 发送提示词并保存生成的图片。它只使用 Python 标准库。用户需将密钥设置在 MINIMAX_API_KEY 中；中国平台使用 MINIMAX_API_BASE=https://api.minimax.cn；脚本默认使用 https://api.minimax.io。不要更改这两个变量。

只将提示词文本保存到文件，不要包含“Aspect ratio”这一行，并单独传入宽高比：

# Text-to-image
python3 scripts/generate.py --prompt-file prompt.txt --aspect-ratio 3:4 --out poster

# Editing: images in <Picture N> order, as local files or URLs
python3 scripts/generate.py --prompt-file edit.txt --image room.jpg --image sofa.png \
  --aspect-ratio 4:3 --out room_edit

• 对于文生图，脚本会设置 disable_prompt_enhanced: true，因此 API 会按照提示词原文和给定宽高比生成图片。传入 --enhance 可让 API 扩展简短提示词；如果未给出宽高比，它也会选择宽高比。
• API 会始终扩展编辑提示词。编辑时也要传入宽高比；否则 API 会自行选择。它最多接受 16 张图片，格式为 JPG、PNG、WebP、HEIC 或 HEIF；每张图片不超过 64 MiB，边长为 128 至 8192 像素。
• 输出区域默认设为 4K，可获得最佳效果。使用 --area 2K 或 --area 1K 可加快处理速度。
• --n 会要求每次请求生成最多 10 张图片。密集文本、图表和示意图的生成效果每次运行可能有所不同，因此建议生成 2 到 4 张并选出最佳结果。
• 每张图片会保存为 <out>_<i>.png。如果 API 扩展了提示词，扩展后的文本会作为 <out>_<i>.revised.txt 保存在图片旁边。

你自己的部署

在本地 SGLang 服务上，将提示词作为 prompt 传入，并根据 Sizes table 为宽高比指定 size（WIDTHxHEIGHT）；其他字段参见 Request Parameters，vLLM-Omni 的字段略有不同，请参见 vLLM-Omni recipe。 本地服务不会扩展提示词，因此使用此技能撰写的提示词会直接代替该步骤。

最终检查

• 所有出现的文字都已按原样引用并准确拼写；如果没有要求添加文字，就没有添加任何文字。
• 数量、位置、左右关系、前景和背景，以及人物与物体之间的接触关系均符合要求。
• 数值、单位和标签均正确且完整。
• 每张参考图像都有其作用，并明确说明了保留的内容。
• 长宽比适合布局。
• 凡是能用可见细节描述的地方，都没有留下含糊的质量词。