MiniMax H3

位置づけの概要

minimax-h3-max/text-to-video は、MiniMax がテキスト駆動の動画生成シーン向けに提供するテキストから動画を生成するラインです。自然言語のプロンプトを入力するだけで、同期音声トラック付きの短い動画クリップを生成できます。最長 15 秒の長さ、480P から 1080P の解像度、6 種類のアスペクト比に対応し、プロンプト拡張と差し替え可能なターゲット音声も提供します。絵コンテのサンプル、広告素材、縦画面ショート動画をまとめて制作したい開発者に適しており、HiAPI.ai の統一インターフェース経由で接続すれば制作フローにそのまま利用できます。

主な特長

• プロンプトで映像・動作・音を直接記述可能——prompt は視覚と聴覚の記述を同時に担い、出力動画には一致する音声トラックが付属するため、後工程での声の吹き込みや音声の同期調整を省けます。
• プロンプト拡張を 3 段階で制御——prompt_expansion_mode は disabled、balanced、quality の 3 段階を提供し、元の意図を保つか細節を高めるかを必要に応じて選択できます。
• 長さとアスペクト比の対応範囲が広い——長さは 0.92 秒から 15 秒まで設定でき、アスペクト比は 21:9 から 9:16 までの計 6 種類を含み、横画面・正方形・縦画面の素材を一度に設定して生成できます。
• 音声トラックの差し替えを指定可能——target_audio_url を渡すと出力音声トラックを差し替えられ、音声が長すぎる場合は先頭を切り取り、短すぎる場合は無音で補うため、既定の楽曲に合わせやすくなります。

機能説明

パラメータ化されたテキスト動画生成: prompt、duration、resolution、aspect_ratio の組み合わせで出力を制御します。既定は 768P、16:9、5 秒で、配信チャネルに応じて 1080P や縦画面のアスペクト比に調整できます。

同期音声の出力: 動画生成時に一致する音声も併せて生成するため、完成品をそのまま使いたいショート動画素材に適しており、音声の後付け作業を減らせます。

プロンプト拡張: プロンプトが簡潔な場合に balanced または quality モードを有効にすると、モデルが細節を補完します。元の記述を厳密に再現したい場合は disabled に切り替えます。

音声トラックの差し替えと長さの制約: target_audio_url を提供すると独自の音声に差し替えでき、音声を渡す場合の長さの下限は 2 秒に調整されるため、短すぎる音声トラックと映像のずれを避けられます。

再現可能なランダムシード: seed フィールドはランダムシードを固定して同一結果を再現できます。明示的に 0 を渡してもそのまま伝達されるため、デバッグや一括比較に便利です。

適用シーン

• ショート動画チーム:一言の絵コンテ記述からサンプルを生成——カメラワークの文案と長さ・アスペクト比のパラメータを入力し、音声付きのクリップを素早く取得して、絵コンテの試作やクライアント確認に利用できます。
• 広告配信:複数アスペクト比の一括生成——同じプロンプトで 16:9、9:16、1:1 などの比率に切り替えて生成し、各チャネルにそのまま配信できる縦画面や正方形の素材を制作できます。
• コンテンツクリエイター:楽曲に合わせた完成品の生成——独自の音声を target_audio_url として渡し、音声トラックの長さに合った映像を生成して、ビートに合わせたショート動画や音楽コンテンツに利用できます。
• アプリ開発者:プログラムによる動画インターフェースの統合——HiAPI.ai の統一インターフェースを通じて seed とパラメータで一括呼び出しし、テキストからの動画生成をコンテンツ制作やマーケティング自動化のフローに組み込めます。

制限と選定のアドバイス

1 回の生成の長さの上限は 15 秒で、それより長い物語は分割して生成した後に結合する必要があります。解像度は最大 1080P のため、より高規格の出力が必要な場合は他のラインを検討してください。プロンプト拡張を有効にするとモデルが細節を補完するため、記述を厳密に再現したい場合は無効化を推奨します。独自の音声を渡す場合、動画の長さの下限は 2 秒となり、音声トラックは切り詰められるか無音で補われるため、素材の長さは自身で管理する必要があります。テキスト入力のみで、参考画像や先頭・末尾フレームの制御が必要なシーンでは、同シリーズの画像から動画を生成するラインを選択してください。