MiniMax H3

位置づけの概要

MiniMax H3 Max の画像から動画を生成するラインで、静止画から安定して動画を出力する必要がある開発者向けです。アップロードした最初のフレーム画像を起点に、プロンプトに従って画面内の動き・カメラワーク・音声を制御し、長さと解像度を調整できる動画を出力します。また、最初と最後のフレームをペアで指定して、2 フレーム間のトランジション効果を制約することもできます。広告の絵コンテ試作、イラストや商品画像のアニメーション化、制御可能なトランジションが必要なショート動画生成の流れに適しており、HiAPI.ai の統一インターフェースを通じて出力時間に応じた課金で呼び出せます。

主な特長

• 最初と最後のフレームの 2 枚でトランジションを制約——最初のフレームのみを与えて後続の画面を生成することも、最初と最後のフレームを与えてモデルに 2 枚間の動きとトランジションを完成させることもできます。
• 長さと解像度を調整可能——長さは 0.92 秒から 15 秒の間で設定でき、解像度は 480P、768P、1080P から選択して、完成品の要件に応じて段階を選べます。
• 音声トラックの置換に対応——対象の音声 URL を指定して出力音声トラックを置換し、音声が長すぎる場合は冒頭を切り取り、短すぎる場合は無音を補うため、ナレーションや BGM の同期が容易です。
• プロンプト拡張を 3 段階で調整——拡張モードはオフ、バランス、品質の 3 段階に分かれ、元の記述への厳密な追従と画面詳細の自動補完の間で取舍できます。

機能説明

画像から動画の生成と最初・最後のフレーム制御:最初のフレーム画像で画面のアスペクト比を決めて動画を生成します。最後のフレームのみを提供した場合はその構図に従い、両方のフレームを指定した場合はトランジション過程を制約するため、制御可能なトランジションや前後比較のショットに適しています。

長さと解像度の段階:1 回の生成で 0.92 秒から 15 秒、480P から 1080P に対応し、開発者は完成品の用途に応じてプレビュー用または納品用の段階を選べるため、全工程を一律に高スペックにすることによるコストの無駄を避けられます。

音声トラックの注入:対象の音声 URL を渡すだけで出力音声トラックを置換でき、音声は最低 2 秒かつ 15 MB 以下である必要があります。モデルは動画の長さに合わせて自動的に切り取るか無音を補うため、後からの音声合わせの二度手間を省けます。

プロンプトの構成:プロンプトは最大 50000 文字まで記述でき、画面、動き、カメラワーク、音声の描写に使用します。拡張モードはオフ、バランス、品質から選択でき、生成時に元の記述へどの程度忠実にするかを制御します。

固定ランダムシード:シードを明示的に渡すと同じ結果を再現できるため、プロンプトを微調整しながら比較実験ができ、バッチ生成の中で有効なレシピを見つけやすくなります。

適用シーン

• 広告・絵コンテチームが単一のキービジュアルからプレビュー映像を生成——最初のフレーム画像をアップロードし、動きとカメラワークを記述して 5 秒から 15 秒のプレビュー動画を出力し、提案や撮影前のテンポ検証に使用します。
• イラストや商品画像のアニメーション化——イラストや商品画像を起点に、必要に応じて 768P または 1080P を選んで出力し、そのまま配信できる短いループ動画を得られます。
• トランジションを決めたショットのつなぎ——最初と最後のフレームを同時に提供し、モデルに中間過程を補完させて、自然なトランジションのクリップを生成し、編集タイムラインに使用します。
• 既存のナレーションや BGM に合わせたリップシンク——対象の音声 URL を渡して対応する音声トラック付きのクリップを生成し、そのままポストプロダクションに進められる完成素材を出力します。

制限と選定の提案

このラインは画像から動画の生成のみに対応し、純粋なテキストから動画の生成や参照画像の混合入力には対応していません。1 回のクリップは最長 15 秒で、それより長い物語は分割して生成してから編集する必要があります。対象の音声を渡す場合、動画の長さの下限は 2 秒で、音声自体も 15 MB を超えてはなりません。純粋なテキストから動画の生成やマルチモーダルな参照入力が必要な場合は、同系統の他のラインに切り替えるべきです。最初・最後のフレームの制御性や音声トラックの注入が不要なシーンでは、より軽量な生成方法を選ぶこともできます。