MiniMax H3 AI 動画ジェネレーター

MiniMax のフラッグシップ動画モデルは、テキスト、ファーストフレーム画像、あるいは画像・動画・音声の混合参照から、ネイティブ音声付きの4–15秒クリップを768pまたは2Kで生成します——APIキーも別アカウントも不要です。

ショットを演出する3つの方法

純粋なプロンプトだけならテキストから動画、ファーストフレームを動かすなら画像から動画、そして野心的な案件には参照から動画：1リクエストに最大9枚の画像・3本の動画クリップ・3本の音声トラックを添付し、プロンプト内では "Image 1"、"Video 1"、"Audio 1" として参照します。クリップ内の人物の置き換え、写真の顔の維持、ボイストラックによるセリフの駆動も可能です。

音声駆動の演技

H3 はネイティブ音声付きの動画を出力し、参照モードでは供給されたボイストラックをリップシンクで演じられます——ポートレートと音声クリップを渡して、話し方を指示するだけです。参照音声は無料で、課金対象の入力秒数が加算されるのは動画参照のみです。

768pで下書き、2Kで仕上げ

生成前に秒単価が表示される2つの出力ティア：768pは1秒55クレジット、2Kは90クレジットです。4秒の768pドラフトは220クレジットで、動きが決まったら同じ指示を2Kで再実行して納品用に仕上げられます。アスペクト比は9:16縦型から21:9ウルトラワイドまで6種類です。

長いプロンプトも忠実に読み取る

H3 は最大7,000文字のプロンプトを受け付けます。カメラの動き、人物の配置、衣装、ムードまで一度に書き切れる長さです。すべての生成はプロンプトとパラメータを丸ごと履歴に残すため、うまくいったショットを来週そのまま再現できます。

• すでにある素材からカットを組み立てる人

  1リクエストに画像9枚、動画クリップ3本、音声トラック3本を入れ、プロンプト内で順番によって指す。1枚の写真から顔を、別の写真からロケーションを、録音から声を保持するのに、1回で足りる量だ。

• 8秒より長いものが必要な人

  Veo の両ティアは8秒で止まる。H3 は15秒まで、任意の整数秒で、秒単価は一律だ — だから長さはパッケージ間の飛び移りではなく、素直な判断になる。

• セリフと演技の仕事

  参照モードでは、渡した音声トラックを口の動きを同期させて演じるし、参照音声自体は無料だ。読み方を演出するように、プロンプトで言い回しを指定すること。

• 768p で下描きし、2K で納品する

  2つのティア、それぞれ一律の料金、同じプロンプト。動きが決まるまで安く回し、渡す版は同じ指示のまま 2K で回し直すこと。

• 向かない用途：無音の素材、4K のマスター、途中でキャンセルしたくなるもの

  音声にオフのスイッチはなく、はしごは 2K で止まり、送信したタスクは最後まで走る。無音のクリップが要るなら Kling 3.0 は既定で音を出さないし、4K が要るなら Veo の両ティアと Kling 3.0 にそのティアがある。

この表の解像度、クリップの長さ、クレジットの数字はすべて、2026年8月20日に自社のモデルレジストリから読み取ったものだ — あなたの生成に課金するのと同じ秒単価の表であって、ベンダーのマーケティングページではない。料金は出力の秒あたりなので、選んだクリップの長さを掛けること。H3 では参照動画の入力秒数が同じ料金でその秒数に加算される。解像度の行が分かれているのは、H3 が 768p と 2K を提供し、他の3つが 720p、1080p、4K を提供しているからだ — そのモデルが売っていないティアは、近い数字で埋めずに「提供なし」と記している。計測していないセルは、その旨を書いている。

1. 1

   MiniMax H3 を選択

   モデルピッカーを開いて MiniMax H3 を選びます。クレジットを使う前に、消費クレジット・解像度の選択肢・尺の上限がパネルに表示されます。

2. 2

   欲しい画を説明する

   被写体、動き、そしてカメラの動きを書きます。特定の画像から始めたい場合は最初のフレームを添付してください。

3. 3

   生成して、その先へ

   クリップをダウンロード、延長、さらに編集へ。プロンプト・モデル・設定は履歴にそのまま残ります。