使用ガイド
MiniMax H3 Max 画像から動画へのプロンプト：そのままコピーできる完全なソリューションと実際の出力
そのままコピーできる MiniMax H3 Max の画像から動画へのプロンプト3種を hiapi 上で実行し、それぞれに正確な入力フレームと、それを使って私たちが実際にレンダリングしたクリップを添付しています——映画的なリビールショット、雰囲気のあるプッシュイン、そして最初のフレームから最後のフレームへのモーフィングの3つです。さらにリクエスト構造と1秒あたりの料金も記載しています。
MiniMax H3 Max は、静止画像を短い動画にアニメーション化し、環境音トラックを同時に生成する動画モデルです。終了フレームを渡し、カメラの動き、動き、そして欲しい音を記述すると、そのフレームで終わる 5～15 秒のショットをレンダリングします。オプションで開始フレームを提供することもでき、モデルは開始と終了の間で決定的なモーフィングアニメーションを補間します。
このガイドでは、画像から動画へのルートに使うそのままコピーできるプロンプトのソリューション3種を紹介します。それぞれに正確な入力フレーム、完全なプロンプト、そしてそれを使って私たちが実際にレンダリングしたクリップを添付しています——ここにシミュレーションは一切ありません。以下の各プロンプトと画像はすべて私たちが hiapi 上で作成・生成したものであり、その構造をそのまま流用できます。
MiniMax H3 Max の画像から動画への実際の仕組み
非同期的なタスク呼び出しです。https://api.hiapi.ai/v1/tasks に POST リクエストを送信し、返ってきた taskId をステータスが success になるまでポーリングし、出力 URL から動画をダウンロードします（このリンクには時間制限があるので、ファイルはすぐに保存してください）。
混乱しやすいのはここです：画像から動画へのルートでは、last_frame_image は必須フィールドです——これはクリップが最終的に落ち着くショットです。first_frame_image はオプションで、冒頭から結末までを完全に制御したいときに開始フレームを固定します。プロンプトを書く前に、知っておくべきルールがいくつかあります：
- フレーム画像がアスペクト比を決めます。 フレーム画像を渡すときは、
aspect_ratioを送らないでください——API は両方を同時に渡すことを拒否します。入力画像を、欲しい動画の形にクロップしてください。 resolutionは480P、768P、1080Pから選択できます。durationは 5 から 15 までの整数秒です。- 音声はプロンプトによって決まります。 環境音を記述すると（「soft rain on glass, distant city hum」）、モデルがマッチする音トラックを追加します。セリフを不要にしたい場合は「no speech」と指定してください。
最小のリクエストボディは以下のとおりです：
{
"model": "minimax-h3-max/image-to-video",
"input": {
"prompt": "Slow push-in toward the sign; neon reflections ripple on wet pavement. Ambient rain, no speech.",
"last_frame_image": "https://your-cdn.example.com/ending-frame.jpg",
"resolution": "480P",
"duration": 5
}
}
開始ショットも制御したい場合は、"first_frame_image": "https://.../start.jpg" を追加します（ソリューション3）。以下の残りの内容は、動き、構図、音が本当に読み取れるように prompt を書く方法についてです。
ソリューション 1 — 単一のキービジュアルフレームから映画的なリビールショットを生成する
「決めカット」となる1枚の画像があり、カメラをそれに到達させたいときに使います。終了フレームだけを提供し、プロンプトでそこへ向かう動きを組み立てます。
入力フレーム（last_frame_image として使用）：
レンダリングされたクリップ（768P、5 秒）：
プロンプト（そのままコピー可能）：
鏡のように黒い水面の数インチ上、低い位置から始め、前方へ滑りながら上昇して、ゆっくりとしたワイドな周回リビールショットに入る：ブルーアワー、嵐の海面上に浮かぶガラスパビリオン。ダイナミックなクリスタル彫刻が緩やかな螺旋を描いて広がり、温かな琥珀色の光を冷たいシアンの霧越しに屈折させる；雨がガラスに筋を残し、遠くの稲妻が地平線でまたたく。物理的に正確な反射と屈折、ボリューメトリックライト、制御された自然な動き、安定したジオメトリ、シームレスな時間的一貫性、ハイエンドなコマーシャル品質、繊細なフィルムグレイン、人物なし、ロゴなし、文字なし、カットなし、ちらつきなし。環境音：低く響く海鳴り、ガラスを軽く打つ雨音、クリスタルの微かな共鳴、セリフなし。
なぜ効果的なのか：
- 1文の連続したショット記述。 「低い位置から始め……前方へ滑り……上昇して、ゆっくりとしたワイドな周回リビールショットに入る」ことで、競合する動きではなく、単一で明確な経路をモデルに与えます。
- 終了フレームがアンカーなので、プロンプトはそこへ至る道のりだけを記述すれば済みます——彫刻が「広がる」ことで、モデルが自ら作った開始状態と提供したフレームの間に目に見える動きが生まれます。
- 簡潔なネガティブリスト（「カットなし、ちらつきなし、文字なし」）が、768P のラグジュアリーな質感がモンタージュに退化するのを防ぎます。
- 768P でレンダリングします。これはキービジュアルショットだからです。この記事のカバー画像は、まさにここから直接切り出した1フレームです。
ソリューション 2 — 環境音付きの雰囲気のあるプッシュイン
日常的な主力ソリューション：ゆっくりとしたドリーショットで静的なシーンに命を吹き込み、音トラックと動きが同じくらい重要です。ここでも終了フレームが1枚だけ必要です。
入力フレーム（last_frame_image として使用）：
レンダリングされたクリップ（480P、5 秒）：
プロンプト（そのままコピー可能）：
真夜中、雨に濡れたネオン路地をゆっくりと安定して前方へ進むドリーショット、足元の水たまりが波紋を広げ、カメラは青緑とマゼンタに光るラーメン店の看板へとゆっくり漂う。通りの換気口から蒸気が巻き上がり、提灯がかすかに揺れ、ネオンの反射が濡れた路面でまたたく。映画的なティール＆オレンジのカラーグレーディング、浅い被写界深度、かすかなもや、リアルな 35mm の質感、制御された動き、安定したジオメトリ、人物なし、読み取れる文字なし、カットなし。環境音：絶え間ない雨音、遠くの街のざわめき、かすかな蒸気のシューという音、セリフなし。
なぜ効果的なのか：
- 1つのゆっくりした動き＋多くの微細な動き。 カメラは1つのこと（前方へのドリー）だけを行い、波紋を広げる水たまり、巻き上がる蒸気、揺れる提灯が微細な動きを提供し、映像を漂流させることなくリアリティを生み出します。
- 音声の記述が本当に効果を発揮します。 「絶え間ない雨音、遠くの街のざわめき、かすかな蒸気のシューという音」こそが、濡れた通りのレンダリングを一つの場所へと変える鍵です。これは画像モデルからの最大のアップグレードです。
- 反復時には 480P が適切なデフォルト——$0.072/秒で計算すると、5 秒のテストは約 36 セントなので、768P や 1080P で本番出力を決める前に、低コストで言い回しを調整できます。
ソリューション 3 — 最初のフレーム＋最後のフレームの補間（決定的な制御）
ここが H3 Max を「私の写真を動かす」モデルと区別する点です：最初のフレームと最後のフレームの両方を渡すと、その間で制御されたモーフィングをレンダリングします。正確な開始と正確な終了が必要なビフォーアフターの変換に最適です。
私たちは冒頭フレームを生成し、その同じフレームを「アフター」状態に編集して、構図、光、背景を完全に一致させました——変わるのは被写体だけです。
最初のフレーム（first_frame_image）→ 最後のフレーム（last_frame_image）：
レンダリングされたクリップ（480P、5 秒）：
プロンプト（そのままコピー可能）：
夜明けにハクモクレンが開花するマクロタイムラプス：露に覆われた花びらが引き締まったつぼみからゆっくりと広がり、完全に開いた花になり、淡い色の蕊の中心が現れ、柔らかな朝のリムライトがシーン全体を温かく包み、枝はそよ風の中でほとんど気づかないほどにかすかに揺れる。全編を通じて同じ構図と背景を維持し、リアルな植物のディテール、滑らかで連続的な動き、安定したフォーカス、人物なし、文字なし、カットなし。環境音：柔らかな夜明けの鳥のさえずり、葉を抜けるそよ風、セリフなし。
なぜ効果的なのか：
- 2つのフレーム＝決定的なエンドポイント。 モデルが妥当な位置に落ち着くことを期待する必要はありません。どこから始まりどこで止まるかを明確に伝えています。プロンプトはその間をどう進むか（「ゆっくりと広がり……滑らかで連続的な動き」）を記述するだけで済みます。
- フレームの一貫性を保つ。 私たちの最後のフレームは最初のフレームの編集版（同じ枝、角度、光）なので、補間は2枚の写真の間のカットではなく、1輪の花が咲くように見えます。一致しないフレームはぎこちないモーフィングを生みます。
- 「全編を通じて同じ構図と背景を維持」が、変えてよいのは花だけだとモデルに伝え、カメラの漂流を防ぎます。
微調整のポイント
- キャプションではなくショットを書く。 カメラの動き、被写体の動き、光、音を順番に書きます。キャプション（「咲く花」）はモデルにアニメーション化できるものを何も与えません。
- 解像度で予算を組み、480P で反復する。 プロンプトの言い回しの評価に 480P 以上が必要になることはほとんどありません。言い回しを確定したら、768P や 1080P で本番出力を再レンダリングします。
- 調整中は尺を 5 秒に保つ。 長いクリップはコストが線形に増え、動きが漂流する余地も大きくなります。動きと音声が正しく読めるようになってから、10～15 秒に拡張します。
- アスペクト比と格闘しない。 アップロード前に入力フレームを 16:9、9:16、または 1:1 にクロップしてください。クリップはその形を継承し、フレームを渡しながら
aspect_ratioを送るとエラーになります。 - ネガティブプロンプトは洗練度に重要。 「カットなし、ちらつきなし、文字なし、人物なし」は、AI 動画を AI らしく見せるアーティファクトを確実に取り除きます。
料金
MiniMax H3 Max の画像から動画へはリクエストした動画の秒数で課金され、解像度ごとに異なります（2026-10 時点）：
| 解像度 | 1秒あたりの料金 | 5秒クリップ |
|---|---|---|
| 480P | $0.072 | $0.36 |
| 768P | $0.115 | $0.575 |
| 1080P | $0.229 | $1.145 |
したがって、このガイドの3つのクリップ——768P が1つ、480P が2つ、いずれも 5 秒——の合計は約 $1.30 の動画コストです。バッチ予算を組む前に、hiapi 料金ページで最新の数字を確認してください。変動する数字は1秒あたりの料率です。
よくある質問
両方のフレームを必ず提供する必要がありますか？
いいえ。画像から動画へのルートでは、last_frame_image は必須で、first_frame_image はオプションです。最後のフレームのみ（ソリューション1と2）は「このショットに到達する」のに適しており、制御された最初から最後までのモーフィングが必要な場合（ソリューション3）は2つのフレームを使います。
どの解像度と尺がサポートされていますか？
resolution は 480P、768P、1080P。duration は 5 から 15 までの整数秒です。
音声は生成されますか？ はい——プロンプトで環境音を記述すれば、モデルがマッチする音トラックを追加します。「no speech」を加えるとセリフなしを保てます。ここに登場する3つのクリップはすべて環境音トラックを備えています。
アスペクト比はどう設定しますか？
入力フレームによって決まります。フレームを欲しい形にクロップしてください。aspect_ratio フィールドとフレーム画像を同時に送らないでください。
入力画像を渡さず、テキストから動画へだけを使いたい。 MiniMax H3 Max のテキストから動画へのルートを使ってください——同じプロンプトの規律で、フレームは不要です。H3 Max を他の動画 API と比較しているなら、Seedance 2.5 と 2.0 の比較で、秒課金の動画モデルをどう選ぶかを解説しています。
生成を始める
キービジュアルフレームを1枚用意し、カメラの動きと音声の記述を添えてショットとして書き、MiniMax H3 Max 画像から動画への API に送信します。480P から始めて言い回しを調整し、その後により高い解像度で本番出力を再レンダリングしてください。完全なリクエストとポーリングの詳細は hiapi ドキュメントを参照してください。
