2026年9月24日時点の状況： MiniMax H3は、 GlobalGPT 動画生成ツール. 公式の MiniMax API は、引き続き出力秒単位で課金される独立したルートとして提供されていますが、GlobalGPT ワークスペースでは独自のプランとクレジットルールが適用されます。.
MiniMax H3が興味深いのは、単なるテキストから動画への変換という基本的な課題よりも難しい問題、すなわち、クリエイティブ・ブリーフに被写体の画像、動きの参考資料、カメラスタイル、音声の合図、あるいは固定されたエンディングフレームなどが含まれている場合でも、そのブリーフの一貫性を維持しようとしている点にある。 問題は、H3が単に「見栄えの良いクリップ」を作成できるかどうかだけではありません。重要なのは、そうした制御機能によって、結果がより予測可能で有用なものになるかどうかです。.
このMiniMax H3のレビューでは、確認済みの仕様、公式の事例、APIの価格、生産制限、そして購入前に知っておくべき重要な未解決の疑問点について詳しく解説しています。MiniMaxは、製品の方向性を判断するのに十分な詳細情報を公開していますが、信頼性、速度、あるいは優位性について広範な主張を行うには、独立した裏付けがまだ不十分です。.
MiniMax H3とは何ですか？
MiniMax H3は、MiniMaxが開発したオープンな汎用マルチモーダル動画モデルです。によると、 公式動画作成ガイド, 、1回のリクエストでテキスト、画像、動画、音声の入力を認識し、動画生成、参照ベースの作成、動画編集に対応しています。公開APIのモデル名は MiniMax-H3.
実際の違いは「制御」にあります。単純な動画生成ツールはプロンプトを基に、残りの部分を自動的に生成します。一方、H3では、最初のフレーム、最後のフレーム、参照画像、参照クリップ、参照音声などを指定することも可能です。これにより、クリエイターは、登場人物、カメラの動き、採用するスタイル、ショットの終了地点などを、より多様な方法で定義できるようになります。.
MiniMax H3 仕様概要
| 仕様 | MiniMax H3 |
|---|---|
| 正式なモデル名 | MiniMax-H3 |
| 入力タイプ | テキスト、画像、動画、音声 |
| 出力解像度 | 2K |
| 出力時間 | 4～15秒、整数値 |
| 生成モード | テキストから動画への変換、最初／最後のフレーム画像から動画への変換、参照生成 |
| アスペクト比 | 21:9、16:9、4:3、1:1、3:4、9:16、または対応している場合は自動調整 |
| プロンプトの制限 | 最大7,000文字 |
| 基準範囲 | 画像最大9枚、動画クリップ3本、音声クリップ3本。合計12個の各種ファイル |
基準容量
1つのプロンプトで4種類の入力タイプを連携させることができます
ミクストメディアは12ファイルまでです。音声ファイルには、少なくとも1つの参照画像または動画が必要です。.
これらの仕様は、MiniMaxの V2 ビデオ API リファレンス. テキストから動画への変換には、固定のアスペクト比が必要です。最初のフレームまたは最後のフレームの生成は画像のアスペクト比に従いますが、参照フレームの生成では、適応型または指定されたアスペクト比を使用できます。.
「2K」という表記は出力仕様であり、すべてのフレームが同等の精細度で表示されることを保証するものではありません。解像度、時間的整合性、プロンプトの精度、物理的なリアリズムは、それぞれ別個の品質に関する問題です。これらは、仕様書上の判断ではなく、管理されたテストによって検証される必要があります。.
MiniMax H3 の特徴と際立った点
以下の公式動画は、MiniMaxが選定した事例です。各機能がどのように動作するかを理解する上で役立ちますが、厳選された事例は、独自に実施するストレステストとは異なります。.
カメラアングル付きテキストから動画への変換
H3は、テキストによる説明だけで動画を生成することができます。MiniMaxでは、次のようなカメラの向きを指定することも推奨されています。 [pan], [ズーム], あるいは [静的] 関連する説明の直後に配置します。これにより、プロンプトはシーンの内容とショットの挙動の両方を担うことになります。.
この公式の例では、注目すべき点は表面的な細部だけではありません。カメラが説明された動きに追従しているか、被写体がフレームごとに一貫性を保っているか、そしてアクションが複雑になった際にも構図がまとまっているかを確認してください。.
統合されたマルチモーダル参照情報
リファレンス生成こそが、H3が単なるプロンプトのみのツールとは一線を画す最大の理由です。1回のリクエストで、文章による指示に加え、リファレンス画像、リファレンス動画、リファレンス音声を組み合わせることができます。MiniMaxによると、このモデルはこれらの素材を活用して、被写体、動き、カメラワーク、ビジュアルスタイル、声、編集のリズムなどを再現できるとのことです。.
このアプローチは、キャラクター主体の広告、商品写真、ブランド動画、モーション転写に適しています。なぜなら、クリエイターが「一貫性」とはどういうものかを具体的に示すことができるからです。その代償として、セットアップにはより高い要件が求められます。リファレンスの品質、役割ラベル、ファイルサイズの制限、プロンプトの明確さなどが、すべてリクエストの結果に影響を与えます。モデルの決定範囲を広げるには、以下のものを比較してください。 Veo 3.1 と Sora 2 の比較.
もし「動画から動画への変換」がプロジェクトの中心となるのであれば、より広範な AIを活用した動画から動画へのワークフロー テキストプロンプトと同様に、動きや構造に関する指示も重要になり得る理由を説明しています。.
先頭フレームおよび最終フレームの制御
H3では、最初のフレーム、最後のフレーム、あるいはその両方を指定できます。これにより、クリエイターはショットの開始点と終了点を定義でき、それらの点間の遷移はモデルに生成させることができます。.
この種の例については、変化が意図的なものかどうか、また両端の画像が認識できる状態を保っているかどうかを判断してください。この調整機能は、ビフォー・アフターのシーケンス、製品の公開シーン、キャラクターの変身、および承認済みの2つのキーフレームから構成された短いクリップなどで役立ちます。この Seedance 2.0 アクセスガイド 比較のために、別の動画ワークフローについて解説しています。.
同様の制作アイデアは、このガイドにも掲載されています。 2枚の写真から短編映画を作る, 、ただし、モデルや具体的な制御方法は異なります。.
2K出力、4～15秒の柔軟な再生時間
MiniMax H3は、2K出力と4秒から15秒までの整数単位の再生時間をサポートしています。この範囲であれば、あらゆるアイデアを6秒や10秒という固定のテンプレートに無理に収めることなく、ソーシャルショット、商品紹介シーン、トランジション、あるいはコンパクトなシネマティックシーケンスを十分に撮影することができます。.
生産重視の投入制限
このモデルは、最大7,000文字のプロンプトを受け付けます。リファレンス生成では、画像9点、動画3本、音声ファイル3つまで、合計12個の混合ファイルに対応しています。個々のリファレンス動画および音声クリップの長さは2秒から15秒まで可能ですが、リファレンス動画の合計再生時間は15秒までとなっています。.
こうした制限は、構造化された制作用途を想定したものですが、入力情報が多ければ多いほど良いというわけではありません。明確な参照情報が少数のセットでまとまっている方が、相反する被写体やカメラワーク、音声の合図などがごちゃ混ぜになったリクエストよりも解釈しやすいのです。.
MiniMax H3 の価格設定と動画1本あたりの実質コスト
MiniMaxでは、H3が「従量課金型API」の料金体系に記載されています。その 公式価格ページ 課金は発生した秒単位で行われるため、利用時間が出力コストに直接的かつ予測可能な影響を与えます。.
| 出力 | 公式レート | 5秒 | 10秒 | 15秒 | 空室状況 |
|---|---|---|---|---|---|
| 2K | $0.13/秒 | $0.65 | $1.30 | $1.95 | 「在庫あり」と表示されています |
| 768P | $0.09/秒 | $0.45 | $0.90 | $1.35 | クローズドベータ版；営業担当までお問い合わせください |
2Kの出力コスト
より長いクリップは、1秒あたり$0.13の割合で線形にスケーリングされます。
MiniMaxの公式の1秒あたりのAPIレートに基づいて算出。.
これらの合計は、生成された出力のみを対象としています。別途、参照画像および参照動画の料金が発生する場合があります。.
上記の5秒、10秒、15秒の合計値は、MiniMaxの1秒あたりの単価から算出したものであり、個別のパッケージ価格ではありません。2Kの場合、計算式は単純で、所要時間 × $0.13となります。 実用的な結果が得られるまでに数世代を要する場合、実験が失敗したとしても、経済性に影響を及ぼす可能性があります。.
- 参考音源は「無料」と記載されています。.
- 最初の5枚の参照画像は無料です。それ以降の画像1枚につき$0.04かかります。.
- 参照動画の課金は、選択された出力解像度のレートに基づく入力再生時間に応じて行われます。.
- MiniMaxの既存のプリペイド型Hailuo動画パッケージでは、現時点ではH3に対応していません。.
パッケージの除外設定は重要です。その 公式ビデオパッケージページ H3はまだ対応していないとのことですので、購入者は既存のHailuoポイントバンドルが新モデルに対応していると想定すべきではありません。.
MiniMax H3 制限事項と未解決の問題
- 公式の例は厳選されています。. これらは、想定される強さを示しており、通常の故障率を示すものではありません。.
- GlobalGPTに関する独立した結果は、まだ報告されていません。. プロンプトの順守状況、処理速度、再試行回数、およびクレジットの使用状況については、依然として確認できていません。.
- 2Kは、反復作業を重ねるにつれて費用がかさむ可能性があります。. 15秒間の出力1回分は、追加の参照物質の充填を行う前の$1.95に相当します。.
- 768Pはまだクローズドベータ版です。. この割引料金は、一般的に利用可能なオプションではありません。.
- 既存の動画パッケージにはH3は含まれていません。. 従量課金制とプリペイドパッケージによるアクセスは、引き続き区別されなければならない。.
- 品質面での懸念は依然として残っている。. 手や顔、読み取れるテキスト、物理演算、シーンの切り替え、ネイティブ音声、およびキャラクターの一貫性については、再現性のあるテストが必要です。.
最も欠けている要素は、新たな機能の主張ではありません。それは、H3と類似のモデルに対して、同一のプロンプトと入力を用いた統制されたテストパックです。それが実現するまでは、MiniMax H3に関する誠実なレビューでは、このモデルを「実証済み」ではなく「有望」なものとして扱うべきです。.
MiniMax H3 対 Hailuo 2.3：何が変更されたのか？
| 判断ポイント | MiniMax H3 | Hailuo 2.3 ファミリー |
|---|---|---|
| ポジショニング | 汎用マルチモーダル動画モデル | 以前の Hailuo ビデオ生成ファミリー |
| 参照入力 | 画像、動画、音声を1つのコンテンツ構造に統合 | 具体的なHailuoのモデルおよびエンドポイントによって異なります |
| 出力時間 | 4～15秒 | 一般的に挙げられる選択肢には、6秒または10秒などがあります |
| 出力解像度 | H3 V2 API における 2K | 従来の価格表には、768Pおよび1080Pのオプションが記載されています |
| 請求 | 2Kの場合、$0.13/秒 | 掲載されている旧式の例では、クリップ1つあたり$0.19～$0.56 |
| プリペイド動画パッケージ | まだ対応していません | 既存のHailuoパッケージに対応 |
H3は、より豊富な参照データ、より長く柔軟な処理時間、そして統一されたマルチモーダルリクエストを軸に設計されているようだ。Hailuo 2.3には、確立されたパッケージサポートという利点が依然としてある。しかし、それだけではH3の方が優れた動画を生成できるとは証明されない。品質の問題については、適切な入力データとプロンプトを組み合わせた場合にのみ判断できる。.
より広い市場を比較検討しているクリエイターは、以下の内容も確認することができます。 おすすめのAI動画生成ツール, Kling 3.0 コントロール, そして Seedance 2.0 アクセス経路 長期的に使い続けるツールを選ぶ前に。.
MiniMax H3へのアクセス方法
Hailuo AI Web
Hailuo AI Webは、APIワークフローを構築せずにH3を試してみたいクリエイターにとって、最も手軽な方法です。 サインインして動画生成ワークスペースを開き、モデルセレクターで「MiniMax H3」を探してください。利用可能かどうかはアカウントや地域によって異なるため、すべてのアカウントで同じメニューが表示されると決めつけず、実際に使用しているワークスペースに表示されているモデル名を確認してください。.
公式APIルート
公式のルートでは、非同期APIが使用されます。生成リクエストを送信し、タスクIDを受け取り、タスクのステータスをポーリングし、タスクが成功したら返されたURLから結果をダウンロードします。また、開発者は参照用アセットとして有効な公開メディアURLまたはアップロード済みファイルを準備し、APIドキュメントに記載されているサイズ、形式、および役割に関するルールに従う必要があります。.
GlobalGPT路線：運行開始
MiniMax H3は、現在以下の地域で入手可能です。 GlobalGPT 動画生成ツール. ライブワークスペースでは、キーフレームおよびリファレンスのワークフローが利用可能で、モデルコントロールはアカウントインターフェースに表示されます。プランのアクセス権、クレジット、および生成制限は、MiniMaxのAPI課金とは別個に管理されます。.
複数のモデルを使用することを優先する場合は、こちらをご覧ください AIビデオの代替品 H3へのアクセス準備が行われている間。.
MiniMax H3 レビューの総評
MiniMax H3には、2K出力、4～15秒の柔軟なクリップ長、先頭フレームと最終フレームの制御、そして画像・動画・音声のリファレンスを統一的に扱う機能など、魅力的な初期提案が盛り込まれています。 このリファレンスシステムは、モデルが何を保持すべきかをクリエイターが定義する手段をさらに広げるため、実際の制作において最も重要となる機能であると考えられます。.
注意点も同様に明白です。公式のデモでは通常の出力品質を確認することはできず、1秒あたり2Kという料金が、1つのショットに何度も撮り直しが必要な場合には、費用がかさむ可能性があります。リファレンス管理が仕事において重要であるなら、H3は早期に試してみる価値がありそうです。ただし、大量制作における最良の選択肢だと断言するには、まだ時期尚早です。.
MiniMax H3は、GlobalGPT環境で再現性のあるプロンプトと参照入力を用いてテストできるようになりました。ワークスペースルートと公式APIを、それぞれ独立したコストパスおよびアクセスパスとして扱い、自身のワークロードについて、出力の品質、再試行回数、およびクレジットを記録してください。.
よくある質問
MiniMax H3とは何ですか？
MiniMax H3は、MiniMaxのマルチモーダル動画モデルです。公式ガイドには、テキスト、画像、動画、音声のリファレンスが記載されており、テキストから動画への変換、先頭／最終フレーム、およびリファレンス生成の各モードが用意されています。.
MiniMax H3は2K映像を出力しますか？
はい。公式の出力表には、MiniMax-H3 768Pおよび2Kルートが記載されており、所要時間は4秒から15秒の整数値となっています。.
MiniMax H3の価格はいくらですか？
公式のAPIページによると、768Pの場合は出力1秒あたり$0.08、2Kの場合は出力1秒あたり$0.13となっています。 したがって、8秒のクリップの場合、その他の適用される料金を除くと、768Pでは$0.64、2Kでは$1.04となります。.
H3では、オーディオやビデオの参照を使用できますか？
はい。V2のリファレンスルールには、テキスト、画像、動画、音声の入力が記載されています。音声を使用するには、少なくとも1つの画像または動画のリファレンスが必要であり、複数の形式が混在する入力ファイルには上限が定められています。.
MiniMax H3はどこで試すことができますか？
公式APIルートを使用するか、GlobalGPTのビデオワークスペースで「MiniMax H3」エントリを開き、同じプロジェクト内で編集やその他のメディア処理の手順に進むことができます。.
