動画
MiniMax H3
動画
Ofrai で利用可能 — チャット・画像・動画を同じスタジオで、共有クレジット。
プロンプト例
例を選ぶと、プロンプトと推奨設定が上のMiniMax H3クリエイターに読み込まれます。
使い方
MiniMax H3を3ステップで使う
- 01
入力を用意
MiniMax H3を選択したまま、プロンプトと対応する参照素材を追加します。
- 02
出力を設定
生成前にアスペクト比、解像度、利用可能な動画オプションを選びます。
- 03
生成して調整
結果を確認し、プロンプトや設定を調整して、同じスタジオで別バージョンを生成します。
このエンドポイントを説明する上流のページのタイトルは MiniMax Hailuo H3 video generation で、MiniMax-H3、MiniMax-H3-Max、MiniMax-H3-Max-Turbo という3つのモデル ID が記載されています。H3 Video という4つ目の ID は定義されておらず、このページでも新たに作り出すことはしません。以下では、ドキュメントに記載されたとおりの Hailuo H3 動画リクエスト仕様を説明します。
基本モデルの MiniMax-H3 を入口として扱うのは、2K に引き続き対応する唯一のバリアントであり、ドキュメントに記載されたデフォルト解像度が属するモデルであり、Max 系では最短5秒のところ、4秒まで短くできるモデルだからです。ここにたどり着く際に目にした名称が Max 系を指していても、パラメーターはここに記載されているものと同じです。
ジョブをどの階層でレンダリングするかは、送信する解像度、長さ、参照メディアの値によって決まります。
このエンドポイントについて記載されていることと、記載されていないこと
ドキュメントが説明しているのは、3つのモデル ID に対応する1つの動画生成インターフェースであり、3つのインターフェースでも4つでもありません。実務上は、リクエスト形式は1つで、その内容によって階層が選択されると理解できます。テキストからの動画生成にはメディアは不要です。役割を指定して1枚または2枚の画像を添付すると、フレームモードになります。
3〜9枚の画像では複合参照モードになりますが、このモードは Max-Turbo では利用できないため、MiniMax-H3 または MiniMax-H3-Max では有効なリクエストでも、Turbo の ID では拒否されます。さらに長さと解像度によって、残りの対応範囲が決まります。基本階層では4〜15秒かつ 2K または 768p、2つの Max 階層では5〜15秒かつ 480P または 768P です。
このエンドポイントにはモードを指定するパラメーターが一切ありません。つまり、制御できるのはリクエストの構成だけだという点は、明確にしておく価値があります。
2K に引き続き対応するのは基本階層
MiniMax-H3 の解像度には 2K と 768p を指定でき、MiniMax-H3-Max と MiniMax-H3-Max-Turbo には 480P と 768P を指定できます。長さは基本階層が4〜15秒、Max 階層が5〜15秒です。このエンドポイントのドキュメントに記載されたデフォルト解像度は 2K なので、解像度を指定しないリクエストは基本階層の下限ではなく上限になります。このデフォルトは意識して扱う必要があります。
これをそのまま引き継いだ試作も 2K になるためです。もう1つの違いは基本階層の最短時間が4秒であることで、実務ではこちらのほうが役立ちます。4秒は短い挿入映像やループのつなぎ目、既存の尺に収める必要があるカットに適した長さで、上位階層では利用できません。
また、中間の解像度はドキュメント上で大文字と小文字の表記が階層によって異なり、MiniMax-H3 では 768p、Max 階層では 768P となっています。表記を統一せず、正確なトークンを送信してください。
1つのプロンプト、3つの生成モード
このモデル群は、テキストからの動画生成、最初のフレームと最後のフレームを使った画像からの動画生成、そして画像・動画・音声の参照を一緒に使う複合モードに対応しています。最後のものは複数種類の素材を使う単一のモードであり、それぞれ独立して有効にする3つの機能ではありません。どのモードになるかは明示的な指定ではなく、入力によって決まります。
画像がなければテキストからの動画生成、役割付きの画像が1枚または2枚あればフレームモード、3枚以上あれば複合参照モードです。アスペクト比フィールドの挙動もモードによって変わるため、この仕組みを裏付けています。テキストからの動画生成ではデフォルトが16:9 で、adaptive は指定できません。フレームモードでは元画像が画面の形を決めるため、完全に無視されます。
複合参照モードではデフォルトが adaptive となり、明示的な値も指定できます。リクエストが想定外の動作をする場合は、この3つの状態のどれになっているかを確認すると、たいていのケースは解決します。
画像の枚数で役割が決まる
これは3つの ID すべてで見落とされがちな仕組みです。互換性用フィールド image_urls は URL の配列を受け取り、その要素数から各画像の用途を決めます。1枚なら最初のフレーム、2枚なら順番に最初のフレームと最後のフレーム、3〜9枚なら参照画像となり、この参照画像に対応するのは MiniMax-H3 と MiniMax-H3-Max だけです。上限は9枚です。
新規の連携では、各役割を明示的に指定する image_with_roles の使用が案内されています。また、画像の用途が曖昧になる可能性があるため、両方のフィールドを送信しないよう、ドキュメントでは特に警告しています。押さえておくべき原則は、モード上、役割が重要になる場合に、その推定を任せきりにしないことです。
画像3枚のリクエストは参照リクエストであり、1枚の画像におまけを2枚付けたリクエストではありません。別のものとして扱うと、エラーではなく、意図を取り違えたような出力になります。
送信で返るのは動画ではなくタスク
呼び出しは非同期で、generation.task オブジェクトを返します。契約はこれがすべてであり、設計上考慮すべき点が3つあります。リクエストにはアップロードを代行する処理がないため、参照メディアは送信時点ですでにアクセス可能な URL として存在している必要があります。レスポンスを生成結果として扱うことはできないため、連携にはポーリングを組み込む必要があります。
また、非同期インターフェースの失敗は同期インターフェースとは異なる形で表面化します。リクエストが受理された後でジョブが失敗するため、エラー処理はレスポンスだけでなく、ステータスの遷移も対象にする必要があります。いずれも特殊なことではありませんが、最初のジョブで動くだけの連携と、10回目のジョブでも動く連携の違いを生みます。
7000文字と、省略できない唯一のフィールド
prompt は必須で、上限は7000文字です。ドキュメントの構成に関する指針は実用的で、被写体、動作、シーン、カメラ、スタイル、音の要件を、この順番で記述します。複合参照モードでは、参照を記述する場所は被写体の節なので、文の順序が重要です。カメラワークの後に記載された参照は、背景として解釈されがちです。
7000文字は大半のショットに必要な量をはるかに上回っており、大きな文字数枠のリスクは、足りなくなることではなく、使い切ろうとすることにあります。同じ被写体について矛盾する2つの記述があると、結果は豊かになるのではなく、曖昧になります。被写体は一度だけ記述し、同一性の維持は参照に任せ、カメラに関する記述は独立した文にしてください。
そうすれば、レンダリングがうまくいかなかった際に、参照の問題なのか、カメラの問題なのかを切り分けられます。
よくある質問
- MiniMax H3 Video は別のモデル ID ですか?
- ドキュメント上は違います。上流のページのタイトルは MiniMax Hailuo H3 video generation で、MiniMax-H3、MiniMax-H3-Max、MiniMax-H3-Max-Turbo という3つの ID が定義されています。H3 Video という4つ目の ID はありません。リクエストの階層は、解像度、長さ、参照メディアによって決まります。
- 基本モデルの MiniMax-H3 は、どの解像度と長さに対応していますか?
- 解像度は 2K または 768p で、このエンドポイントのドキュメントに記載されたデフォルトは 2K です。長さは4〜15秒の任意の整数です。2つの Max 階層は 480P または 768P と5〜15秒に対応しているため、4秒のリクエストに対応するのは基本階層だけです。
- 添付した各画像はどのように使われますか?
- 互換性用フィールドでは枚数によって決まります。1枚なら最初のフレーム、2枚なら順番に最初のフレームと最後のフレーム、3〜9枚なら参照画像になります。参照画像は基本階層と MiniMax-H3-Max が対応していますが、Turbo は対応していません。画像は最大9枚です。image_with_roles で役割を明示的に指定し、image_urls と一緒には決して送信しないでください。
- 最初のフレームを指定する場合、9:16を要求できますか?
- いいえ。フレームモードでは出力が常に入力画像に合わせられ、比率は無視されます。テキストからの動画生成では adaptive は利用できず、デフォルトは16:9です。adaptive がデフォルトになるのは複合参照モードだけです。つまり、アスペクト比は、入力の内容に応じて、制約になる場合、何も作用しない場合、デフォルトになる場合があります。
よくある質問
- このページでMiniMax H3を直接使えますか?
- はい。上のクリエイターは実際のOfraiスタジオで、MiniMax H3が初期選択されています。
- 完成した結果はどこに保存されますか?
- ログイン中の生成結果はOfraiライブラリに保存され、ダウンロードや再編集ができます。
- MiniMax H3にはどのようなプロンプトが適していますか?
- 被写体、環境、ビジュアルスタイル、照明、カメラや動きを明確に記述してください。上の例を実用的な出発点として使えます。
- 生成前に例のプロンプトを編集できますか?
- はい。例を読み込んだ後、文章、アスペクト比、参照素材、その他の対応設定を変更できます。
関連モデル
MiniMax H3と同様の制作に対応する他の動画モデルを比較できます。
関連ガイド
ツール
商用利用は選択したモデルとモデル規約に従います。





