P-H3-Image 提示词与编辑指南

P-H3-Image 对提示词比较敏感，同一个想法换种写法，结果差别会很明显。下面的规则来自 Pruna AI 的模型卡，示例提示词是我们按这些规则写的。写好以后可以直接到 在线生成器 里试。

P-H3-Image 提示词的四条规则

1. 第一句说明这是一张什么图

开头先定下图的类型，比如「一张资深街头摄影师拍的照片」「一张双色 Risograph 印刷品」「一张炭笔素描」。模型会先按这一句确定整体风格，后面的描述都在这个基础上展开。

2. 只描述一个场景

写清楚这几样：

• 视角：从哪里看，近景还是远景。
• 一个主体，以及它此刻在做什么。
• 几样陪衬的东西，不要堆太多。
• 光线：光从哪个方向来，由什么发出，比如「左边窗户照进来的午后阳光」。

3. 文字一个字一个字写进引号

画面里要出现的每个字都放进引号，尽量短，说明它在什么位置，最后加一句「没有其他文字」。如果你不想要任何文字，就别在提示词里提招牌、标签、海报之类的东西。

4. 去掉夸张形容词

「惊艳」「史诗级」「电影感」「色彩鲜艳」「超精细」「8K」「大师之作」这些词会把画面推向发亮、过饱和、像磨过皮的效果。想要质感，直接写具体的材质、光线和拍摄方式。

示例提示词

纪实照片：

一张纪实摄影师拍的黑白照片：清晨的菜市场里，一位卖鱼的大姐正低头称秤，身旁的塑料盆里装着几条鲫鱼，背景是挂着的电子秤和堆起的泡沫箱，光从市场顶棚的缝隙里斜着照下来。

丝网印刷海报：

一张三色丝网印刷海报：画面中央是一只侧身站立的白鹤，背后是一轮橙色的大太阳，底部是几道深蓝色的水波纹。海报上方印着 "CRANE" 这个词，用粗体无衬线字。没有其他文字。

胶片电影画面：

一帧 1970 年代电影里的画面：深夜的公路餐馆，一个穿皮夹克的年轻人坐在靠窗的卡座里，面前放着一杯咖啡，窗外是停车场的霓虹灯牌，暖色的室内灯光从头顶照下来。

图像编辑的写法

模型卡给出的编辑提示词格式是：

Edit <Picture 1>. <改完以后的样子>. Keep <必须保留的东西> exactly as it is.

写成中文就是：编辑 Picture 1，写出改完的结果，再写哪些内容保持原样不变。几个要点：

• 指准要改的东西：写「左边那辆皮卡车」，不要只写「车」。
• 写结果，不写动作：写「皮卡车是红色的」，比「把车涂红」更好。
• 写清楚保留什么：人脸、姿势、背景、光线都要保留的话就写出来。不写的话，模型往往会把整张图重画一遍。
• 新文字原样写进引号。

示例：

编辑 <Picture 1>。拿着足球的男孩穿着一件红色球衣。男孩的脸、姿势、周围的其他人和背景都保持原样不变。

多张图片一起参考

编辑时可以放 1 到 8 张图。第 1 张是要编辑的图，其余是参考图，在提示词里依次叫 Picture 2、Picture 3，以此类推。

编辑 <Picture 1>。让 <Picture 2> 里的女士坐在桌子左边，<Picture 3> 里的男士坐在右边，两人举杯对视。桌子、烛台和房间的光线保持原样不变。

模型卡里有一个例子：把八幅公版肖像画里的人物，用一句话要求组合成一场烛光晚宴。

分辨率怎么选

模型在 8 MP 下效果最好，文生图原生默认是 2912 × 2912。在 2 MP 和 4 MP 时，人脸、手和小细节更容易出问题。本站的分辨率对应关系：

选项	大约像素	文生图积分	编辑积分
1K	1 MP	2	4
1.5K	2.4 MP	2	4
2K（默认）	4 MP	3	5
3K	9.4 MP	5	8
4K	16.8 MP	7	12

要看人像皮肤纹理、发丝这类细节，建议用 3K（最接近原生的 8 MP）或 4K。先试构图时可以用 2K 省积分。

已知限制

• 夸张词和特别长的提示词会让结果变差。
• 手可能画坏，背景里的小人物可能变形。
• 小字、大段正文和长代码会变成看不清的假字，短的引号文字效果好。
• 分辨率越低，瑕疵越多。
• 只出图片，不生成视频或音频。

用 API 或 diffusers 调用

托管 API：本站通过 WaveSpeed AI 运行这个模型。开发者可以在 WaveSpeed 上调用 wavespeed-ai/p-h3-image，文生图和编辑分别是 text-to-image 和 edit 两个接口，文档见 https://wavespeed.ai/docs/docs-api/wavespeed-ai/p-h3-image-text-to-image 。

自己部署：Hugging Face 上的 PrunaAI/P-H3-Image 提供 diffusers 流水线，需要安装 GitHub 上的 diffusers 版本。大致写法如下：

from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained("PrunaAI/P-H3-Image")
output = pipe(prompt="...", height=3360, width=2496)

编辑时传入 image；用多张参考图就传一个列表，最多 8 张。完整权重 bf16 约 100 GB，8 MP 下开上采样器约需 101 GB 显存，不开约 83 GB。显存不够的话，可以看 ComfyUI 工作流教程 里约 21 GB 显存的 int8 方案。

自己部署时需要遵守 MiniMax H3 社区许可证，请先阅读许可证原文。