P-H3-Imageレビュー｜画像編集・NSFW対応状況・必要VRAM・LoRA

P-H3-Imageは、高解像度の参照画像編集をローカルで試したい人、特にMiniMax-H3の環境を持つ人に有力な候補です。画像を大きく出すだけでなく、人物や物の特徴を参照しながらポーズ、背景、持ち物を変えられます。一方、必要なメモリーは多く、指定外の部分が変わる可能性と地域制限のあるライセンスには注意が必要です。

2026年11月3日にPruna AIが公開した静止画用の派生モデルで、MiniMaxの新しい有料編集サービスではありません。動画や音声の生成ではなく、画像生成と編集が対象です。一般的なローカル環境では、巨大なDiffusers版より量子化済みComfyUI版から検討する方が現実的です。

公式モデル・ワークフロー

何が新しい？対応範囲と資料の違い

H3のテキストエンコーダを4Bへ蒸留し、8ステップの生成と静止画用デコーダを組み合わせた構成です。Qwen3.5-9Bを基にしたプロンプト拡張が短い依頼を詳しい指示へ書き直します。公式グラフはCFGとネガティブプロンプトを使わないため、従来のStable Diffusion設定をそのまま当てはめるのは適切ではありません。

発表ブログは2～16MP・入力最大9枚と紹介しますが、モデルカードは合計8枚、生成8MP・編集4/8MPを基準にしています。最初は後者に合わせ、Picture 1を編集元、残り最大7枚を参照にします。8枚の追加参照ではありません。またブログの最適化後20BとDiffusersカードの33.1B表記も一致しないため、導入判断では各配布パッケージの容量と実行条件を優先しましょう。

編集品質：人物の再利用は魅力だが全面勝利ではない

11月9日のASCII.jp記事は参照画像からの人物再現と16MPの作例を掲載しています。独立した利用例として参考になりますが、全編集モデルへの優位を示す比較実験ではありません。11月6日のnote.com利用者テストはRTX 5070 Ti・VRAM 16GB・RAM 64GBで約15枚を試し、Qwen-Image 2.1と比較しています。解像度やステップ数が異なるため、結果を一般的な速度・品質順位に置き換えないことが重要です。

比較するなら、同じ元画像で背景変更、ポーズ変更、小物の置換を別々に試します。鮮明さだけでなく顔、髪、アクセサリー、服の構造、構図、背景を確認してください。異なるモデルでseedの数値を合わせても同じ潜在ノイズにはならず、公平性の保証にはなりません。Krea2 Identity Edit v2やQwen-Image 2.1を全用途で超えたと判断できる根拠はありません。

公式も手、小さな背景人物、細かい文字を弱点に挙げています。文字は短く引用符で指定する方が適し、長文やコードは避けたい用途です。日本語や各言語の文字精度を統一条件で検証した結果はなく、日本語看板も必ず1文字ずつ確認しましょう。

外部メディアと利用者の検証: ASCII.jp · note.com — 秋葉原IT戦略研究所

必要VRAMと速度：21GBは絶対的な最低条件ではない

公式ComfyUI表では、本体・エンコーダ・VAEの容量はbf16約55GB、int8約30GB、w4a8約20GB、8MP時のピークVRAMは約56/31/21GBです。プロンプト拡張は別途bf16約19.3GB、int8約9.7GB、w4a8約6.7GBを追加します。「20GBを落とせば全部そろう」とは限りません。24GB GPUも最小構成の候補であり、参照枚数を増やした全条件での動作保証ではありません。

Diffusersのbf16は拡張込み約101GB、拡張なし約83GBのGPUメモリーという別構成です。前述の16GB利用者はRAMへ一部を移し、4MP編集16～32秒、8MPの1例で約35秒と報告しました。これはその環境の結果で、AirMoreの実測でも8GB・12GB対応の保証でもありません。

PrunaのB200測定は4MPで2.6秒、元H3が12.4秒。48GB L40Sでは4bit・2048四方で6.3秒という値もあります。機種、精度、オフロード、プロンプト拡張で総時間は変わります。「5倍速」を家庭用GPUへそのまま適用しないでください。最初はバッチ1、少ない参照で試し、メモリー不足なら解像度や参照数を減らします。

専用モデルとLoRA、どちらを選ぶ？

H3を持っていないなら専用画像モデルの方が構成を整理しやすくなります。w4a8本体だけなら13.4GBですが、専用エンコーダ、VAE、必要に応じた拡張モデルも要ります。公式説明ではint8はbf16に近い一方、w4a8は細部や構図が変わることがあります。精度を変えたら人物の同一性も再確認します。

約2GBのLoRAは既存MiniMax-H3 FL2VA利用者向けです。H3本体とP-H3用の各部品が引き続き必要で、2GBだけで動く編集器ではありません。公式はp-h3-image_lora_bf16.safetensorsをLoad LoRA (Bypass, Model Only)で強度1.0にし、LoRA用グラフを使います。「常用なら本体、試用ならLoRA」より、既存H3の重みを再利用できるかが判断軸です。LoRAだから実行時メモリーが少ないとも限りません。

ComfyUIで最初の編集を行う手順

1．今の環境とワークフローを保存し、P-H3を標準対応したComfyUIへ更新します。モデルカードの初期案内はmaster/nightlyですが、後日の利用報告ではDesktop 0.44.0が使われています。不明なノードが出たら、無関係なカスタムノード集を入れる前にバージョンを確認します。

2．公式のp-h3-image_edit.jsonを開きます。既存FL2VA＋LoRAならp-h3-image_lora_edit.jsonです。重みはmodels/diffusion_models、エンコーダと拡張はmodels/text_encoders、VAEはmodels/vae、LoRAはmodels/lorasへ置き、各ローダーで実際のファイルを選びます。拡張モデルと拡散用エンコーダは別物です。

3．編集元をimage_1に接続し、追加参照はBatch Imagesとconditioningで同じ順にします。最初は1枚・4MP。正方形なら2048×2048と2912×2912、16:9なら2720×1536と3872×2176が4/8MPの目安です。辺は32の倍数にし、キャンバス設定だけで全参照が自動トリミングされると考えないでください。

4．まず公式の8ステップ、Euler、Basic Guiderと拡張を維持します。依頼例は「ジャケットだけ深緑へ変更。顔、髪、体型、ポーズ、小物、背景、構図は維持」。これは成功を実測した保証文ではありません。余計な変化があれば拡張後の文も読み、基準結果を保存してから拡張なしと比較します。ワークフロー、seed、精度、ファイル名、拡張後の文も保存すると再検証しやすくなります。

アニメ・体型変化・NSFWの評価

意図しない体型の強調、肌の写実化、画風の変化は、参照保持の観点では欠点です。ただし提示された掲示板要約だけでは発生頻度を確認できず、「必ず巨乳化する」「アニメには使えない」と断定する根拠にはなりません。公式はアニメ表現も用途に含めています。元絵ごとに、服のシルエットや体格が変わっていないか比較するのが実用的です。

包括的なNSFW許容テスト、明確なモデレーション仕様、信頼できる成功率は確認できません。ローカル重みがあることと利用規約上の許可は別で、公開デモの規制も異なり得ます。同意のない親密画像編集を勧めるものではありません。正当な成人向け制作でもAUPとライセンスを確認し、共有前に意図しない露骨な描写がないか点検してください。脱衣編集の単発評価を一般編集能力の順位に使うのは不適切です。

ライセンス・プライバシー・実際の費用

オープンウェイトでも全世界で自由に使えるわけではありません。MiniMax H3の標準許諾はEU、英国、韓国、米国を除外し、出力の対象地域外での使用にも制限があります。別途許諾の経路があるため、対象外地域での導入や配信を自動的に認められたと考えないでください。日本語の解説があることも、利用者や配信先の条件を変えません。

商用製品・サービスの年間売上が2,000万米ドルを超える場合は事前許諾、商用製品・サービスのUIにはMiniMax H3表記が必要です。再配布には契約・通知条件があり、出力で無関係なAIを改善する用途も制限されます。これは条文の要点であり法的な利用承認ではありません。モデルカードの短い表記だけでなく、配布元の実際の契約が基準です。

ダウンロード版の一律API単価はありません。ストレージ、GPU・レンタル、電力、構築時間を見積もります。推論が端末内で完結すれば画像をローカルに置けますが、クラウドや外部ノードの送信・保存条件は別です。モデルの許諾をホストのプライバシーポリシーの代わりにしないでください。

乗り換えるべき人と、最初の確認

地域条件と機材が合い、高解像度の参照編集をしたい人には検討価値があります。H3利用者はLoRAで既存ファイルを再利用でき、新規利用者は専用の量子化グラフから始められます。まず機密性のない独自画像1枚で、保持精度と総所要時間を確かめましょう。

KreaやQwenで安定している工程をすべて置き換える必要はありません。髪、小物、背景が見える元画像で3種類の小さな変更を比べ、残したい特徴が変わる結果は採用しないこと。8MPで鮮明になっても、人物の同一性や配布条件が合わなければ改善とはいえません。

評価範囲：2026年11月9日に公式発表・モデル資料・契約、外部報道と限定的な利用者検証を確認した資料分析です。AirMoreによるローカル生成の実測ではありません。他者の結果は動作保証ではありません。調査、執筆、翻訳、編集用表紙にAIを補助利用し、表紙はP-H3の生成物ではありません。