MiniMax H3 シーン絵コンテ：テキストから画面への変換例

「テキスト → コンセプト画像 → 動的クリップ」という2段階の変換で、MiniMax H3 のマルチモーダル参照能力を実演します。まず1枚のコンセプト絵コンテ画像で構図・色彩・キャラクターを確立し、その画像を参照素材として H3 に送り込み、2K 横画面のショートフィルムを生成することで、参照画像が画面スタイルと主体の一貫性をどの程度制約できるかを検証します。 スキーマ上はあえて「マルチモーダル参照による動画生成」の分岐をたどります。image_urls がコンセプト画像を担い、prompt がカメラワークとリズムを記述し、first_frame_image/last_frame_image による開始・終了フレーム制御は使用せず、参照メディア用フィールドとの衝突を避けています。duration は6秒、aspect_ratio は16:9に固定、resolution は現在唯一選択可能な2Kを使用し、watermark はオフのままです。 想定される用途：ショート動画や広告の絵コンテ試作、イラストの動画化、キャラクターやスタイルの一貫性が求められるバッチ撮影のプリビズ、そして ComfyUI などのローカルワークフローでオープンウェイトの動画生成パイプラインを再利用するケースです。開発者は本項目を「コンセプト画像 → 参照動画」という入力の組み合わせの最小実行サンプルと見なすことができ、image_urls 内の参照画像を差し替えるだけで同種の構図を再現できます。