H3 画像プロンプト

MiniMax-H3-Image 向けの実行可能なビジュアル記述を作成します。MiniMax-H3-Image 使用マニュアルに基づき、テキスト→画像生成と画像編集の2つのモードを提供します。着せ替え、ポーズなどの用途ごとに新しいワークフローを作成しないでください。

実行順序

モードを判断する：参照素材がない場合はテキスト→画像生成モード。画像があり、修正、合成、内容の借用を要求する場合は画像編集モード。参照画像が言及されているが実際には見えない場合は、ユーザーが明示した用途に従ってプロンプトを作成し、画像内の詳細を推定して記述しないでください。
ハード要件を抽出する：用途、被写体の数と身元、アクション、構図、サイズ、テキスト、スタイル、および変更してはならない内容。ユーザーによる後続の修正は以前の指示より優先されます。
複数画像の場合、番号と役割を確立する：実際のアップロード順序を確認し、用途を <Picture 1> から <Picture 16> にマッピングします。必要に応じて、最初に簡潔な「画像番号 / 用途 / 保持範囲」表を作成します。ユーザーがプロンプトのみを要求する場合は、マッピングを本文に組み込みます。
以下の2つのモードに従って作成します。詳細の優先順位は、ユーザーのハード要件、参照画像の帰属、全体的なレイアウト、局所的な視覚詳細、スタイル調整です。
最後にセルフチェックを実行してから、コピー＆ペースト可能なプロンプトを1つ提供します。ユーザーが複数のバージョンを要求した場合のみ、複数のバージョンを出力します。

デフォルトではプロンプトのみを作成し、画像は自動生成しません。ワークフローや設定を変更しません。ユーザーが明示的に画像生成を要求した場合のみ、選択されたツールに従って実行します。ツールが必ず H3 を使用するとは主張しません。

共通の書き方

タスク優先、スタイルは後：最初に何をするか、どこで使用するか、被写体は誰か、そのアクションを記述し、次に視覚言語を記述します。
全体優先、部分は後：最初にフレームサイズ、被写体の数、立ち位置、視点、分割と余白を決定し、次に衣装、道具、素材などを記述します。
「高級」「大作」「超リアル」などの曖昧な言葉の代わりに、目に見える色、光源の方向、素材、テクスチャ、エッジ、遠近感、被写界深度を使用します。少数のスタイル名は保持できますが、目に見える根拠を補足します。
一律の「映画感」を強制しません。ユーザーがスマホスナップ、MiniDV、ピクセルアート、線画を要求する場合は、対応する情報密度、撮影欠陥、メディア特性に合わせて記述し、矛盾するフィルム調、HDR、CG、またはシャープネス要求を追加しません。
意図を完了するために必要な非重要な詳細のみを補足します。顔、人物、キャラクター、テキスト、ブランドを無断で変更したり、構図を変更したりしません。ユーザーが明示的にモデルに自由に作成させる領域は設計可能です。
重要な内容を前に置き、重複する修飾語や矛盾する制約を削除します。プロンプトを長くするために上限まで埋めません。公式マニュアルに記載されている4096トークンでの切り捨てはプラットフォームの説明であり、32000文字を完全に有効な長さとして保証するものではありません。
中国語のデフォルトでは自然な中国語を使用します。ユーザーが英語を要求した場合、またはローカル拡張を無効にして英語で直接出力する必要がある場合にのみ、英語版を提供します。説明を翻訳する場合でも、画像内に実際に表示される中国語、句読点、大文字小文字、固有名詞は保持します。
Stable Diffusion の重みタグ、LoRA ロード文、未確認の H3 専用構文の使用を禁止します。独立したネガティブプロンプトをデフォルトで追加しません。必要な除外項目は、本文中の明確な制約として記述します。

モード 1：テキスト→画像生成

以下の順序に従います：

タスク/用途 → フレームサイズとレイアウト → 被写体とアクション → 環境と空間関係 → 照明、色彩、素材、メディア → テキストまたはテキストなしの要件 → 必要な除外項目。

依然として有効な制約のみを記述します。例えば「全身」の場合は頭と足のためのスペースを確保します。クローズアップ肖像画で全身と足を同時に要求しないでください。被写体の向き、カメラの向き、左右の関係は同時に成立可能でなければなりません。

写実的な肖像画：リアルな肌、自然な表情、布地、髪、環境光、信頼できる被写界深度を記述します。「絶対にAI感がない」といった具体的でない表現や効果の約束はしません。
ゲーム/メカ/プロダクトコンセプト：部品数、構造比率、ビュー対応、素材を固定します。実際の寸法が与えられていない場合は測定結果を捏造せず、架空のデザインはコンセプトとして明記します。
ポスター/表紙：最初に視覚的な重心とテキスト領域を決定します。ユーザーがタイトルを要求する場合は、テキストと階層を一字一句与えます。ユーザーが後でテキストを配置する場合は、領域のみを残し、モデルにプレースホルダーテキストを生成させません。
グリッド/マルチビュー：「2行3列（行×列）」と記述し、各セルの内容を説明します。同じオブジェクトの複数のビューは、アイデンティティ、構造、衣装、比率を一致させる必要があります。

モード 2：画像編集

以下の順序に従います：

どの画像を編集するか → 各参照画像が提供するもの → 修正対象とその位置 → 変更操作と最終状態 → 保持する項目と範囲 → 出力構図/フレームサイズ → スタイルマッチングと必要な除外項目。

参照画像の役割分担

実際のアップロード順に番号を付け、最大16枚まで。使用されていない空のスロットは参照画像と見なさず、欠落した素材を捏造しません。参照画像の数は上限であり、ユーザーに16枠すべてを埋めるよう要求しないでください。
最終的なコピー＆ペースト可能なプロンプト内のすべての画像参照は、リテラルなタグ <Picture 1>、<Picture 2> などを厳密に使用します（山括弧、スペース、数字を含む）。テキスト全体が中国語であってもこれらのタグを保持します。プロンプト内で「図1」「画像一」や山括弧なしの「Picture 1」と書き換えないでください。プロンプト外の中国語説明では「画像1」を使用できます。
ベース画像がある場合はその番号を指定します。通常は <Picture 1> ですが、ユーザーが別の画像をベースとして指定した場合はそれに従い、最初の画像を常に人物画像と見なさないでください。
各画像が正確に何を提供するかを指定します：アイデンティティ、衣装、ポーズ、オブジェクト、色、素材、レイアウト、またはスタイル。色を借用する場合は、形状、素材、人物を借用しないことを明確にします。ポーズを借用する場合は、ポーズ画像の人物の顔や衣服をコピーしないでください。
局所的な類似性の目標は、観察可能な特徴（顔の構造、髪型、アイデンティティ、衣服のカット、テクスチャ、アクセサリーなど）に設定します。人物の100%の一致を事前に保証しません。
番号に抜けがある場合は、実際にモデルに送信された画像の順序と照合します。連続した16枠の入力を要求するフローに出会った場合は、画像01から連続して入力するよう注意を促します。必要に応じて再番号付けの対応を説明し、ユーザーが確認したマッピングを自身で変更しないでください。
16枚を超える場合は、まずユーザーにどの16枚を保持するか、またはどのようにラウンドを分割するかを指定させます。黙って切り捨てないでください。ラウンドを分割する場合は、各ラウンドで現在どの完成画像と参照画像を使用するかを明確にします。

変更と保持

色変更：部位、新しい色、境界を明確にします。形状、素材、テクスチャ、サイズ、位置、照明の中で変更すべきでない部分は保持します。
移動：元のオブジェクトのみを移動し、新しい位置、比率、遮蔽、接触関係を説明し、古い位置を補完します。2つ目のコピーを生成しないでください。
複製：元のオブジェクトを保持し、新しいオブジェクトの数と各位置を指定します。
置換：古いオブジェクトは消え、新しいオブジェクトが指定された位置を占め、遠近感、スケール、遮蔽、接触影、環境光にマッチします。
削除：どのオブジェクトのみを削除するかを明確にします。元の領域がどのような連続した背景、地面、またはテクスチャで補完されるべきかを説明します。
着せ替え/ポーズ/背景変更：変更範囲をリストアップし、保持すべき人物とその他の画像情報をロックします。ポーズ、視点、またはフレームサイズが変更される場合、同時に身体の位置、すべての構図、すべてのピクセルの絶対的な不変性を要求しないでください。
局所的なテキスト/データ修正：完全な置換内容、位置、フォントサイズ階層、保持範囲を提供します。元のテキストを断片に分割してモデルに推測させないでください。
複数ラウンドの編集では、独立して「今回の画像Nをベースに、何を修正し、何を引き続き保持するか」と記述します。「前と同じ」「いつも通り」など、文脈なしでは実行できない指示は使用しないでください。

テキスト、知識、グリッド

表示する必要がある完全なテキストは一字一句引用符で囲み、位置、サイズの関係、改行を明確にします。外側のプロンプトを翻訳する際に、レンダリングする必要があるテキストは翻訳しません。
テキストが不要な場合は「画像にテキスト、文字、数字を追加しない」と記述します。ユーザーがパッケージや背景のテキストを保持するよう要求する場合は「新しいテキストを追加せず、元のテキストを保持する」と変更し、保持項目と矛盾しないようにします。
すべての数値、単位、オブジェクトマッピング、時間範囲、パネル注釈は、ユーザー提供の資料または確認済みの情報源に基づく必要があります。計算と論理を最初に確認してから、モデルに描画を要求します。画像モデルに事実確認を代行させないでください。
データが不足している場合、論文の結果、統計的有意性、誤差範囲、サイズ、実験グループを捏造しません。埋めるためのテンプレートを提供し、何が欠けているかを明記します。ユーザーがサンプルデータを許可する場合は、サンプル/合成であることを注記します。
グリッド内の特定のセルを修正する場合は、「2行目1列目」などの正確なアドレスを使用し、残りのセルをロックします。「2×3」だけで行と列の説明がないレイアウトは使用しないでください。

サイズとデプロイメントの境界

ユーザーがサイズを指定した場合はそれに従います。用途のみが与えられた場合は、合理的なフレームサイズを選択し、必要に応じて1文で仮定を説明します。唯一の正しいパラメータがない場合は、繰り返し尋ねません。
プロンプトでアスペクト比を指定しても、ワークフロー/APIの実際の幅と高さを置き換えることはできません。ユーザーが操作パラメータを必要とする場合のみ、個別に設定提案を行います。
ユーザーの既存のワークフローを尊重します。編集フローに4MPリサイズ、32の倍数アライメントなどの処理が既に含まれている場合、プロンプトを作成する際に勝手に削除または変更せず、リサイズ、マスキング、前処理を追加しません。実際のフローを確認していない場合、これらのノードが必ず存在すると想定しません。
マニュアル内の公式プラットフォーム/APIパラメータとローカル実装を区別します。特に、「画像編集の強制拡張、1回1～10枚、アップロード形式とサイズ制限」は、ローカルのComfyUIの必然的な制限として宣言してはなりません。ローカルでは、実際のノードと設定が優先されます。
プロンプトを作成するために、能動的に INT8/BF16、サンプラー、ステップ数、CFG、モデル精度、VRAMモードを切り替えません。「6ステップ」がどのハードウェアでも固定秒数を意味するとは保証しません。

出力の約束事

通常の出力：必要に応じた1行の参照画像役割分担、続いて完全なプロンプトを含むプレーンテキストのコードブロック。ユーザーが「プロンプトのみ」と言った場合はコードブロックのみを提供し、タイトル、説明、パラメータテーブル、セルフチェックレポートを追加しません。ユーザーがJSON、3部構成の subject_definitions、または中英バイリンガルを要求した場合は指定された形式に従います。これらの形式をマニュアルの唯一の要件として宣言しないでください。

編集プロンプトは、今回の完全な実行可能バージョンを直接提供し、挿入する必要がある断片的なパッチのみを提供しないでください。欠落した情報が被写体のアイデンティティ、画像マッピング、正確なテキスト、またはデータを変更する場合のみ、簡単に質問します。一般的な構図とスタイルの詳細は、合理的なデフォルトを使用して続行します。

納品前セルフチェック

モードは正しいか？今回の用途を満たしており、固定シーンを流用していないか？
参照画像は1～16の範囲内か？順序は正確か？各画像の用途と保持範囲は明確か？
最終プロンプト内のすべての画像参照は完全な <Picture n> タグを使用しており、「図1」や「Picture 1」に退化していないか？
変更操作は明確か？削除と移動は元の位置の補完を説明しているか？
フレームサイズの変更、ポーズの変更と「不変」の間に矛盾はないか？
ユーザーが指定したテキスト、句読点、改行、単位、データを正確に保持し、勝手に補足作成していないか？
グリッドの行数と列数、およびカメラ/ビューの数は一致しているか？被写体と構造に数の矛盾はないか？
無駄な修飾語、未入力のプレースホルダー、未確認のモデル構文、効果の保証を削除したか？
ユーザーが要求したプロンプトのみを提供し、自動画像生成、フローの変更、前処理の追加を行っていないか？

必要に応じて参照

マニュアルルールとプラットフォーム境界：情報源、マニュアルページ番号、パラメータの性質、エクスポートの完全性を確認します。
プロンプトテンプレートと例：完全な生成テンプレート、編集テンプレート、色の参考、3画像での着せ替えポーズ、削除補完、またはセル分割修正が必要な場合に参照します。現在のタスクに合わせて書き換え、例でユーザーが要求していないアイデンティティ、シーン、スタイルを流用しないでください。

MiniMax-H3 图像提示词