目的別に選べるH3ワークフロー
開始構図を固定する場合は画像動画生成を使い、終了構図も制御する場合は任意の終了フレームを追加します。同一性、動き、音を素材から引き継ぐ場合は参照動画生成を使い、出力は768Pまたは2Kから直接選択します。
MiniMax H3 - AI動画生成
テキスト、開始・終了フレーム、マルチモーダル参照から、ネイティブステレオ音声付きの4〜15秒MiniMax H3動画を生成します。
AI モデルモードを選択し、下に説明を入力してください
MiniMax H3H3時間構成、カメラ、動作、音響まで指定した詳細なプロンプトから動画を生成します。
0/7000
4s
コスト: 100 クレジット残高: 0 クレジット
クレジットが不足していますクレジットを追加
MiniMax H3 の結果をここでプレビュー
モードを選び、必要な素材と演出指示を追加して動画を生成します。
モデル
MiniMax H3
長さ
4s
解像度
768P
比率
16:9
MINIMAX · オムニモーダル動画モデルMiniMax H3 AI動画生成
映像、動き、台詞、サウンドを一つの演出へ
MiniMax H3はテキスト、画像、動画、音声のコンテキストを、ネイティブステレオ音声付きの一貫したAI動画へ統合します。4〜15秒のショット、開始・終了フレーム、マルチモーダル参照、配信比率を組み合わせ、一つの映像音響コンセプトを完成シーケンスまで導けます。
連続性、演技、台詞、環境音、音楽を一つにまとめるマルチモーダル設計
4〜15秒
対応クリップ時間
ステレオ
ネイティブ32 kHz音声
2K
出力解像度
一つのH3演出、三つの制作パターン4〜15秒 · ステレオ · 2K
モデル概要
MiniMax H3とは？
MiniMax H3はテキスト、画像、動画、音声を理解し、ネイティブステレオ音声付き動画を出力するオムニモーダル生成システムです。テキスト動画生成、必須の開始フレームと任意の終了フレームを使う画像動画生成、大規模なマルチモーダル参照動画生成を使い分けられます。
制作者にとっての実務的な変化は、映像と音を同じブリーフで扱えることです。人物の同一性、構図、参照モーション、台詞、環境音、音楽を、同じ4〜15秒のシーケンスに配置できます。
実際の配信フォーマットに対応
横長、正方形、縦長を映画、商品ページ、フィード、縦型SNSに合わせられます。出力は24 fps動画とネイティブ32 kHzステレオ音声です。
機能マップ
制作フローを変えるMiniMax H3の主要機能
尺、フレーム、参照、アスペクト比、音、言語を一つの制作ブリーフにまとめます。
4〜15秒
4〜15秒の柔軟なシーン制御
SNSのフック、商品紹介、会話、演技、つなぎのショットに合わせ、固定尺ではなく目的に合う長さを選べます。
最大12ファイル
大規模マルチモーダル参照
仕様範囲内で最大9枚の画像、3本の動画、3本の音声、合計12ファイルの混合参照を扱えます。
FL2VA
開始・終了フレーム演出
画像動画生成では開始フレームが必須で、終了フレームは任意です。映像の出発点を固定し、必要に応じて最終構図も明確にできます。
6+ 比率
柔軟な制作アスペクト比
21:9、16:9、4:3、1:1、3:4、9:16でワイド、正方形、縦型の公開面をカバーします。
32 KHZ ステレオ
ネイティブステレオ音声生成
台詞、環境音、効果音、音楽を映像と同時に32 kHzステレオで生成し、開始時点や強さを時間軸で演出できます。
11言語
安定した多言語会話
日本語、中国語、英語、韓国語、フランス語、ドイツ語など11の安定対応言語で国際的な音画制作を支えます。
マルチモーダル事例
一つのH3演出、三つの制作パターン
静止画は同一性とデザイン、動画は動き、音声は演技とリズムを担当し、プロンプトが時間軸で結びます。
画像 + 動き + 音
商品ローンチ映像
商品画像で形状と素材を維持し、参照動画で見せ方を導き、時間指定した音で質感と最後のブランドビートを強調します。
台詞 + 連続性
キャラクター会話シーン
顔、衣装、環境を画像で固定し、台詞とルームトーンを定義して、視線、反応、カメラ距離、最終フレームを演出します。
動画参照
演技主導の縦型動画
参照動画で身体のリズムを制御し、静止画で人物とスタイルを定義。音楽、9:16構図、読みやすい最終ホールドを加えます。
実践ワークフロー
MiniMax H3動画の準備方法
納品形式を決め、適切なH3入力方式を選び、各参照に一つの役割を与え、映像と音を同じ時間軸で演出します。
- 01
尺、比率、最終フレームを決める
4〜15秒と実際の公開比率を選び、開始動作、転換点、最後の1秒に見せるものと聞かせるものを定義します。
- 02
フレーム主導か参照主導かを選ぶ
構図重視ならテキストと開始・終了フレーム、同一性、実演モーション、話し方、音の方向を継ぐならマルチモーダル参照を使います。
- 03
各入力に役割を一つだけ割り当てる
画像は人物または環境、動画は動き、音声は声またはテンポと明記し、矛盾する素材を除外します。
- 04
映像と音を同時にレビューする
同一性、接触表現、カメラ動機、口のタイミング、台詞、環境音、音楽、最終フレームを確認し、768Pまたは2Kの結果をダウンロードして編集へ進みます。
モデル比較
MiniMax H3 vs Hailuo 2.3
H3は従来のテキスト・画像動画生成から、オムニモーダル参照とネイティブ音画出力へMiniMaxの制作フローを拡張します。
| ワークフロー | MiniMax H3 | Hailuo 2.3 | 制作上の効果 |
|---|---|---|---|
| クリップ尺 | 4〜15秒 | 設定により6秒または10秒 | H3は短い物語や広告により広い尺を提供します。 |
| 入力構成 | テキスト、開始・終了フレーム、画像、動画、音声参照 | テキスト動画生成と画像動画生成 | 同一性、動き、演技、音を別々の入力で表現できます。 |
| 音声出力 | ネイティブ32 kHzステレオ | 動画生成ワークフロー | H3は映像と音を一つのシーケンスとして演出します。 |
| 解像度 | 768Pまたは2Kの直接出力 | 768pまたは1080p設定 | MiniMax H3の生成リクエスト内で出力解像度を直接選択します。 |
マルチモーダルな音画演出にはH3、確立したテキスト・画像動画生成設定にはHailuo 2.3を選びます。
プロンプト設計
MiniMax H3プロンプトを音画ショット設計として書く
見える出来事、参照の役割、カメラ、台詞、環境音、効果音、音楽、最終フレームを記述します。
形式01
納品仕様から始める
スタイル語より先に尺、比率、プラットフォーム、視聴者、目的を書きます。
参照02
参照の役割を明記する
どの画像が同一性、どの動画が動き、どの音声が声やリズムを制御するか指定します。
時間03
時間軸を演出する
4〜15秒を開始、展開、最終ホールドに分け、観察可能な動作を書きます。
カメラ04
カメラに動機を与える
画角、レンズ感、移動、速度、何を見せるための動きかを定義します。
音声05
ネイティブ音声を設計する
台詞、環境音、効果音、音楽を分け、開始、強さ、画面との関係を書きます。
制約06
不変条件を固定する
人物、商品形状、衣装、光の方向、文字、最終フレームを列挙します。
プロンプト設計
例：12秒の商品オーディオビジュアル
各指示を映像または音で検証できるため、修正範囲が明確になります。
納品仕様 12秒、16:9の高級商品映像。ネイティブステレオ音声。 参照役割 @画像1はボトル形状とラベル領域を制御。@動画1はゆっくりした手の動きだけを制御。@音声1は話し方だけを制御。 時間軸 0〜4秒——85mmマクロで結露を横移動。静かな室内音とガラス音。 4〜9秒——引きながら手がボトルを30度回す。落ち着いた短い台詞。 9〜12秒——固定ヒーローショット、琥珀色リムライト、短い音楽の解決。 不変条件 ボトル比率、キャップ高、ラベル、カメラ軸、光の方向を維持。字幕と余分な物体は禁止。
活用領域
MiniMax H3の制作ユースケース
同一性、実演モーション、聞こえる演技、開始から終了への明確な流れが必要な短尺動画に適しています。
パフォーマンス広告
4〜15秒にフック、実演、台詞、触感音、商品最終フレームをまとめます。
EC商品映像
マクロ、手持ち、使用シーン、最終ホールドまで形状と素材を維持します。
会話とキャラクター
同一性、視線、反応、台詞、口の動き、環境音、カメラ距離を統合します。
縦型SNSコンテンツ
9:16で構図を作り、動画参照で演技を導き、モバイルで読みやすく締めます。
音楽とビジュアライザー
動作アクセント、カメラリズム、雰囲気、最終ビートを音声参照に合わせます。
ローカライズ展開
商品、人物、構造、タイミングを保ちながら会話言語を変更します。
よくある質問
MiniMax H3 FAQ
尺、マルチモーダル参照、ネイティブステレオ音声、比率、768P・2K出力、プロンプト、Hailuo 2.3との違いを解説します。
MiniMax H3のアイデアを制作可能なブリーフへ
尺、開始・終了フレーム、参照役割、カメラ、台詞、環境音、サウンドを設定し、MiniMax H3ワークスペースで生成します。