MiniMax H3 プロンプトガイド
MiniMax H3 プロンプトガイド
MiniMax H3 の動かし方ごとに 1 本ずつ、コピーして使えるプロンプトを 5 本用意しました。商品広告、画像から動画、最初と最後のフレーム、動画のモーション参照、そして効果音付きのネイティブ台詞です。それぞれに実行モード、必要な入力、生成後に確認すべき点を記しています。
Imgo での提供：準備中
MiniMax H3 はまだ Imgo の公開中モデルカタログに含まれていないため、これらのプロンプトはコピーして使うためのものです。MiniMax の API や自前の H3-Base 環境で実行するか、Imgo で現在利用できる動画モデル向けに書き換えてください。
何に向けて書くのか
公開された 2 つのチェックポイント
H3-Base は FL2VA（テキスト、最初のフレーム、最後のフレーム、またはその両方から音声付き動画）と Ref2VA（参照画像・動画・音声から音声付き動画）の 2 つで提供されています。プロンプトを書く前にチェックポイントを決めましょう。
ローカルは 768p、2K は API で
公開ウェイトの出力は 768p です。2K は H3-Regenerate-2K によるもので、これはオープンソース化されていないため、2K のフルワークフローは MiniMax の API で実行します。
音もプロンプトの一部
どのクリップにも 32 kHz のステレオ音声が付きます。台詞、効果音、環境音をプロンプトに書き込みましょう。書かなければモデルが代わりに決めます。
4〜15 秒、21:9 から 9:16 まで
クリップは 24 fps で 4〜15 秒、アスペクト比は 21:9、16:9、4:3、1:1、3:4、9:16 などに対応します。
Ref2VA の参照素材の上限
参照モードのリクエストを組み立てるときは、次の上限内に収めてください。
| 入力 | 上限 |
|---|---|
| 画像 | 最大 9 枚 |
| 動画クリップ | 最大 3 本、各 2〜15 秒、合計 15 秒 |
| 音声クリップ | 最大 3 本、各 2〜15 秒、合計 15 秒 |
| 全ファイル | 画像・動画・音声を合わせて最大 12 個 |
最初と最後のフレームは FL2VA の機能です。1 回の生成で条件にできるのはフレームか参照素材のどちらか一方で、両方は使えません。
コピーして調整する
商品写真から作る商品広告
[product] の 10 秒、16:9 の CM。参照画像を正確な商品として扱い、どのカットでも形、色、ロゴの位置、ラベルの文字を変えないこと。[lighting] の中、[surface] の上をゆっくりドリーインして始める。次に手が商品を持ち上げて回し、[key feature] を見せる。最後は中央に配置したヒーローショットで、右側にすっきりした余白を残す。音声：[music style] の BGM と、商品を持ち上げる瞬間の柔らかな [product sound]。ナレーションなし。画面上の文字や別の商品は入れない。
- モード
- Ref2VA · 参照画像
- 使いどころ
- 実在の商品は正確に保ったまま、カメラ、セット、音をその周りに新しく作りたいとき。
- 入力
- 実際の商品を異なる角度から撮った写真 2〜4 枚。ラベルが読めること。
- 確認ポイント
- ラベル、ロゴ、色を商品写真と照らし合わせ、持ち上げる瞬間に商品の音が鳴っているか聞いて確かめます。
静止画に命を吹き込む
最初のフレームの画像を 6 秒間アニメーションさせる。[subject]、構図、カラーグレーディングはそのまま保つ。[subject] が [action]、同時にカメラは [camera move]。背景の動き：[ambient motion]。音声：[setting] の自然な環境音と、動きに合わせた [sound effect]。音楽と台詞はなし。人物、物体、文字を追加しないこと。
- モード
- FL2VA · 最初のフレーム
- 使いどころ
- 画像はすでに承認済みで、描き直さずに動かしたいとき。
- 入力
- 目的のアスペクト比の高解像度画像 1 枚。これが 1 フレーム目になります。
- 確認ポイント
- 冒頭のフレームを元画像と比べ、動きが大きくなるにつれて手、顔、輪郭が崩れないか確認します。
最初のフレームから最後のフレームへ
最初のフレームの画像から最後のフレームの画像へ、ワンカットで 8 秒のトランジションを作る。[subject] は最初から最後まで同一に保つ。動き：[transition action]、同時にカメラは [camera move]。タイミング：冒頭で 1 秒止め、一定の速さで動き、最後の 1 秒で最終フレームに落ち着く。音声：動きに合わせて [transition sound] が高まり、最後のフレームが落ち着くところで柔らかな [final sound] に着地する。
- モード
- FL2VA · 最初と最後のフレーム
- 使いどころ
- 始まりと終わりの状態が決まっていて——ビフォーアフター、お披露目、変身——その間の動きだけを任せたいとき。
- 入力
- アスペクト比、構図、ライティングがそろった画像 2 枚。似ているほど、その間の動きがきれいになります。
- 確認ポイント
- クリップが本当に最後のフレームで終わっているか、途中で被写体が別人や別物になっていないかを確認します。
参照クリップの動きを借りる
参照動画はカメラの動きとタイミングだけに使う：[camera move description]。人物、セット、色はコピーしない。その動きを参照画像の [subject] に適用し、舞台は [setting]、光は [time of day]。[subject] の見た目は参照画像と同一に保つ。長さは参照クリップに合わせる。音声：動きに合わせた [ambient sound] と [motion sound]。音楽なし。
- モード
- Ref2VA · 参照動画と画像
- 使いどころ
- 気に入ったカメラワークや振り付けを、別の被写体に当てはめたいとき。
- 入力
- 動きが分かる 2〜15 秒の参照クリップ 1 本と、新しい被写体の画像 1〜3 枚。
- 確認ポイント
- 参照と結果を並べて再生します。動きは一致し、参照のセットや出演者が紛れ込んでいないことを確かめます。
効果音付きの会話シーン
[setting] での 12 秒、16:9 のシーン。[character A]（[description A]）と [character B]（[description B]）がテーブルを挟んで向かい合って座っている。ミディアムのツーショットから、[character A] へゆっくりドリーイン。台詞は [language]：[character A] が「[line 1]」と言い、[character B] が「[line 2]」と答える。効果音：最初の台詞の前に [sound effect 1]、返答の下に [sound effect 2]。環境音：[ambience]。唇の動きは各台詞に同期させる。音楽と字幕はなし。
- モード
- FL2VA · テキストのみ
- 使いどころ
- クリップにしゃべらせたいとき。台詞、声、効果音を編集で足すのではなく、ショットに書き込みます。
- 入力
- テキストのみ。各台詞は、ショットの尺の中で無理なく言える長さにします。
- 確認ポイント
- 台詞ごとにリップシンクを確認し、声が正しい話者に付いているか、効果音がプロンプトで指定した位置で鳴っているかを確かめます。
実践のコツ
- まずチェックポイントを選びます。フレームは FL2VA、参照素材は Ref2VA。1 回の生成で両方は使えません。
- アップロード前にファイル数を数えましょう。画像は最大 9 枚、動画と音声はそれぞれ最大 3 本、合計 12 個までです。
- 参照クリップは必要な部分だけに切り詰めます。動画・音声の各クリップは 2〜15 秒、種類ごとの合計は 15 秒までなので、5 秒のクリップ 3 本で枠を使い切ります。
- 各参照の役割——商品、動き、声、配色——を明記して、モデルが中身を丸ごとコピーしないようにします。
- 音はショットリストのように書きます。誰が話すか、どの効果音か、どの環境音か、音楽を入れるか。無音を指定するのも立派な指示です。
- 台詞が最も安定するのは MiniMax が挙げる 11 言語です：アラビア語、中国語、英語、フランス語、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語、ロシア語、スペイン語。
- 下書きは 768p で作り、残す価値のあるテイクにだけ 2K を使いましょう。2K の出力は MiniMax の API 経由です。
よくある質問
- MiniMax H3 に最適なプロンプトの構成は？
- 被写体と動作、次にカメラ、次に舞台と光、次に音声、最後に除外事項の順です。Ref2VA モードでは、まず各参照の役割を書きます。MiniMax は H3 のモデルカードで、ベースモードと参照モードそれぞれのプロンプト作成ガイドも公開しています。
- 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、提供状況は「準備中」と表示されます。ここのプロンプトをコピーして MiniMax や自前の環境で実行するか、Imgo で利用できる動画モデル向けに書き換えてください。
- ローカルの H3 が 768p 止まりなのはなぜですか？
- 公開されている H3-Base のチェックポイントは 768p で出力します。2K は H3-Regenerate-2K という 2 段目の処理によるもので、MiniMax はこれをオープンソース化していません。そのため 2K のフルワークフローは MiniMax の API で実行します。
- 公開ウェイトは商用利用できますか？
- セルフホストには 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 [email protected] を通じて MiniMax の書面による許可が必要です。商用製品はユーザーインターフェースに "MiniMax H3" と表示しなければなりません。契約の準拠法は香港法です。MiniMax の API 経由で利用する場合は、代わりに MiniMax の API 規約に従います。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。
- プロンプトは他の言語でも使えますか？
- 使えます。ショットの描写はどの言語でも構いません。台詞については、MiniMax が挙げる 11 の対話言語で H3 が最も安定し、それ以外の言語は程度の差はあるものの動作します。
さらに見る
出典
2026 年 10 月 7 日に確認。モデルの上限やライセンス条件は変更される場合があります。リンク先の出典が正式な情報です。