使用ガイド

Minimax H3 Max ショート動画：API によるテキスト読み上げ動画の実測

過去に生成された 480P の横長クリップ、その ffmpeg による縦長変換、そして現在のフレーム画像入力と料金ルールについて。

Sep 11, 2026

MiniMax H3 Max は、純粋なテキスト生成時にデフォルトの横長キャンバスを使用します。縦長のショート動画を生成するには、フレーム画像でキャンバスを誘導するか、ポストプロダクション段階で出力を変換する必要があります。以下の例は 480P の横長クリップから始まり、ffmpeg を使って 9:16 に変換します。

このプロンプトで生成 → この例では 6 秒と 480P を選択しています。純粋なテキスト出力ではデフォルトの横長キャンバスが使用されます。

実際に生成されたもの

テキスト読み上げ動画モードで、まったく同じプロンプトを minimax-h3-max に送信しました：

ある花屋の手が、日差しの降り注ぐ大理石のカウンターの上で、ラナンキュラスとユーカリの花束を茶色のクラフト紙で包み、
次に麻ひもで端正なリボン結びにします。柔らかな朝の窓明かり、浅い被写界深度、クローズアップの縦長構図、
暖かく居心地のよい雰囲気、紙がそっと擦れる動き

このプロンプトで生成 → 6 秒と 480P を選択。

リクエストボディ：

{
  "model": "minimax-h3-max",
  "input": {
    "prompt": "ある花屋の手が、日差しの降り注ぐ大理石のカウンターの上で、ラナンキュラスとユーカリの花束を茶色のクラフト紙で包み、\n次に麻ひもで端正なリボン結びにします。柔らかな朝の窓明かり、浅い被写界深度、クローズアップの縦長構図、\n暖かく居心地のよい雰囲気、紙がそっと擦れる動き",
    "duration": 6,
    "resolution": "480P",
    "aspect_ratio": "9:16"
  }
}

9:16 をリクエストしました。以下は API が返した実際の出力で、バイト単位でそのまま、一切編集していません：

この過去に生成された 480P 出力のサイズは 832×480 です。リクエストに 9:16 の値が含まれていたにもかかわらず、デフォルトの横長キャンバスが使用されています。これは、1344×768 のサイズを持つ新しい 768P サンプルとは異なります。

純粋なテキスト生成ではデフォルトの横長キャンバスが使用される

HiAPI のモデル説明には「純粋なテキスト生成ではデフォルトの横長キャンバスが使用される」と記載されています。上記の元のリクエストはこの挙動に従っています。プロンプトが縦長構図を記述し、リクエストに aspect_ratio: "9:16" が含まれていても、ソースクリップは横長でした。

異なるキャンバスが必要な場合は、必要なアスペクト比の first_frame_image または last_frame_image を指定してください。フレーム画像と aspect_ratio は排他的であるため、いずれかのフレームフィールドを使用する場合は aspect_ratio を省略する必要があります。また、横長のソースを維持し、生成後に以下のようにクロップやパディングを行うこともできます。

1 本の ffmpeg コマンドで縦長に変換

横長フレームを 9:16 にクロップすると、花束の半分が切り取られてしまいます。そこで、ぼかし背景の柱状パディング方式を採用しました。ソース素材の強いぼかしコピーを縦長キャンバスを埋めるように拡大し、その上に元のフレームを中央揃えで重ねます。

ffmpeg -y -i video.mp4 -filter_complex "\
[0:v]scale=720:1280:force_original_aspect_ratio=increase,crop=720:1280,gblur=sigma=20[bg];\
[0:v]scale=720:-1[fg];\
[bg][fg]overlay=(W-w)/2:(H-h)/2[out]" \
-map "[out]" -c:v libx264 -pix_fmt yuv420p -movflags +faststart video_vertical.mp4

1 回の処理で、再レンダリング不要、画面上の内容を一切失いません。以下が結果です。同じクリップが、今では本当の 720x1280 の縦長ファイルになっています：

これこそが、実際に Reels、Shorts、TikTok に投稿するバージョンです。

料金：このようなクリップに実際いくらかかるか

Minimax H3 Max は出力秒数に応じて課金され、解像度ごとに段階が分かれています（hiapi の料金ページで確認済み）：

480P — 1 秒あたり $0.072
768P — 1 秒あたり $0.115

長さの範囲は 5〜15 秒です。現在の料率では、6 秒 480P リクエストの動画予算は $0.432、6 秒 768P は $0.69 です。生成秒数に基づいて予算を立て、タスクの請求記録で最終的な課金を確認してください。

同じ長さでは、768P のコストは 480P の約 1.60 倍です。480P でフックと構図をテストし、選んだショットを 768P でレンダリングできます。成功した 480P の下書きを 4〜5 回行うと、同じ長さの 768P クリップ 1 本よりコストが高くなります。

よくある質問

Minimax H3 Max は縦長動画を直接生成できますか？ 純粋なテキスト生成ではデフォルトの横長キャンバスが使用されます。9:16 が必要な場合は、その比率のフレーム画像を使用して aspect_ratio を省略するか、クロップやぼかしパディングのオーバーレイで横長出力を変換してください。

6 秒のクリップにはいくらかかりますか？ 480P は $0.432（$0.072/秒 × 6 秒）、768P は $0.69（$0.115/秒 × 6 秒）です。

価格以外に、480P と 768P の違いは何ですか？ 768P はより高忠実度の段階で、1 秒あたりのコストは約 480P の 1.6 倍です。最終公開用のレンダリングには適していますが、プロンプトや構図のテストには贅沢すぎます。

画像読み上げ動画でこの向きの問題を回避できますか？ API ドキュメントでは、フレーム画像によって出力キャンバスを決定できます。first_frame_image または last_frame_image を指定し、aspect_ratio を省略してください。この記事の動画は純粋なテキストソースとその ffmpeg 変換を示したものであり、画像読み上げ動画のサンプルではありません。