動画生成

MiniMax H3

テキスト・画像・動画・音声をひとつの文脈として扱い、最大 2K の映像をネイティブのステレオ音声付きで生成——公開ウェイトでローカル 768p 実行も可能

MiniMax H3 は汎用のマルチモーダル動画モデルです。テキスト、画像、動画、音声をひとつの文脈として読み取り、台詞や効果音を含む 32 kHz のネイティブステレオ音声付きで 4〜15 秒のクリップを返します。H3-Base のウェイトは FL2VA と Ref2VA の 2 つのチェックポイントとして公開されており、自前のハードウェアで 768p を出力します。2K のフル出力は MiniMax の API 経由です。H3 は Imgo ではまだ生成できません。

4 本のパイプラインではなく、ひとつの文脈音は映像と一緒に生まれる768p は公開ウェイトで、2K は API で

機能のスナップショット

2K

最大出力(API 経由)

768p

公開ウェイトのローカル出力

15s

最大クリップ長

MiniMax H3 の動作を見る

ワークフロー、主なメリット、成果物を 27 秒で紹介します。

27 秒画面上のテキストは英語ですイメージ映像:画面はサンプル画像で再現したもので、この機能による実際の出力ではありません。

主な利点

実際の制作ワークフローにマッピングされた実践的な価値。

メリット

01

4 本のパイプラインではなく、ひとつの文脈

テキスト、画像、動画、音声がひとつの文脈として入るので、「このクリップのカメラワークで、この画像の人物に歌わせて、この声に合わせて」といったプロンプトが 1 つの指示として理解されます。参照モードは画像 9 枚、動画 3 本、音声 3 本、合計 12 ファイルまで受け付けます。

メリット

02

音は映像と一緒に生まれる

音声は映像と同時に 32 kHz ステレオで生成されるため、台詞、効果音、環境音が最初からショットにそろっており、後から重ねる必要がありません。MiniMax は英語、中国語、日本語、韓国語、スペイン語を含む 11 言語で台詞が安定するとしています。

メリット

03

768p は公開ウェイトで、2K は API で

H3-Base のウェイトは 2 つのチェックポイントで公開されています。テキストと最初・最後のフレームからの動画には FL2VA、参照ベースの動画には Ref2VA。ローカルでは 768p を出力します。2K の工程である H3-Regenerate-2K はオープンソース化されていないため、2K のフル出力は MiniMax の API を通します。

推奨されるワークフロー

ソース素材から再利用可能な結果までのシンプルな 3 ステップのパス。

ステップ 1

モードを選ぶ

テキストのみ、最初のフレーム、最後のフレーム、またはその両方のショットには FL2VA、参照画像・動画・音声から組み立てるショットには Ref2VA を使います。1 回の生成で使えるのはフレームか参照素材のどちらかです。

1

ステップ 2

上限内で参照素材をそろえる

画像は最大 9 枚、動画と音声はそれぞれ最大 3 本、合計 12 ファイルまで。動画・音声の各クリップは 2〜15 秒、種類ごとの合計は 15 秒以内です。そのうえで各参照の役割を平易な言葉で書きます。

2

ステップ 3

実行環境を選ぶ

公開された H3-Base のウェイトは、コミュニティライセンスのもと自前のハードウェアで 768p を出力します。MiniMax の API はフルワークフローを最大 2K で実行します。Imgo では H3 はまだ生成できないため、H3 プロンプトガイドでプロンプトを下書きしてコピーしてください。

3

よくある質問

出力の解像度と長さは?

24 fps で 4〜15 秒のクリップ、アスペクト比は 21:9 から 9:16 まで、32 kHz のステレオ音声付きです。公開された H3-Base のウェイトは 768p を出力し、2K は H3-Regenerate-2K によるもので、MiniMax は現在これを API でのみ提供しています。

音声は生成されますか? それとも後から付けるのですか?

H3 は映像と一緒に音声を生成します。ネイティブステレオの台詞、効果音、環境音が同じ生成で得られます。Ref2VA モードでは、参照音声クリップで声やタイミングを導くこともできます。

MiniMax H3 はオープンソースですか?

一部です。2026 年 8 月、MiniMax は H3-Base のウェイトを FL2VA と Ref2VA の 2 つのチェックポイントとして、MiniMax H3 Community License のもと Hugging Face で公開しました。これはオープンウェイトであり、OSI 承認のオープンソースライセンスではありません。プロンプト前処理の H3-Context-IR と H3-Regenerate-2K の工程は公開されていないため、公式の 2K ワークフローには引き続き MiniMax の API が必要です。

MiniMax H3 は商用利用できますか?

セルフホストするウェイトには MiniMax H3 Community License が適用されます。EU、英国、韓国、米国は許諾範囲外です(これらの地域の組織は MiniMax にライセンスを申請できます)。年間売上が 2,000 万米ドルを超える製品は、事前に [email protected] を通じて書面による許可を得る必要があります。商用製品はユーザーインターフェースに "MiniMax H3" と目立つように表示しなければならず、契約の準拠法は香港法です。MiniMax の API 経由で H3 を使う場合は、代わりに MiniMax の API 規約が適用されます。これは要約であり法的助言ではありません。製品を公開する前にライセンス本文をお読みください。

Ref2VA で使える参照ファイルの数は?

画像は最大 9 枚、動画クリップは最大 3 本、音声クリップは最大 3 本で、合計 12 ファイルまでです。動画・音声の各クリップは 2〜15 秒で、同じ種類のクリップの合計は 15 秒以内に収める必要があります。

Imgo で MiniMax H3 の動画を生成できますか?

まだできません。H3 は Imgo の公開中モデルカタログに入っていないため、このページでは提供状況を「準備中」と表示しています。今すぐ MiniMax H3 プロンプトガイドで H3 のプロンプトを下書きしてコピーするか、Imgo で利用できる動画モデルで同じ依頼を実行できます。

次のステップ

今日から生成したいですか?

Imgo で現在提供中のモデルを一覧し、設定とクレジット見積もりを比べて、そのうちの一つから始めましょう。