制作者が活かせる点
- 参照素材をひとつの文脈で理解: テキスト、人物画像、動作、カメラ例、声、音の関係をまとめて扱います。
- 生成と編集を同じモデルで処理: 新規ショット、開始・終了フレーム、参照転写、既存動画の部分変更を同じ仕組みで扱えます。
- 公開ウェイトで運用の選択肢が広がる: FL2VAとRef2VAは対応ローカル環境で動かせ、MiniMaxはContext-IRと2K再生成もホスト提供します。
MiniMax H3 動画生成
MiniMax H3は、テキスト、画像、動画、音声の参照素材をまとめて理解し、ネイティブステレオ音声付きの短い動画を生成する汎用マルチモーダルモデルです。Ottermindでは、制作ブリーフ、素材、生成テイク、修正判断をひとつの流れで管理できます。
スキンケアUGC
マンゴーキャンペーン
香水ショート
スキンケアストーリー
MiniMax H3の動画生成をひと目で把握
MiniMax H3は2026年7月31日にMiniMaxから公開されました。テキスト、画像、動画、音声を、生成と編集のためのひとつのコンテキストとして扱います。公式システムは24 FPS、32 kHzステレオ音声で4〜15秒に対応し、Hailuoの現行製品画面では5〜15秒を選択できます。H3-Baseは768pで生成し、ホスト型のH3-Regenerate-2K工程で2K出力を作ります。Ottermind Studioでは、参照素材と各テイクを同じ制作ブリーフに紐づけて管理できます。
MiniMax H3の主な機能
- 統合マルチモーダルコンテキスト: テキストに画像、動画、音声の参照を組み合わせ、各素材が結果に与える役割を明記できます。
- 柔軟なフレーム制御: テキストのみ、開始または終了フレーム、あるいは両方の画像を指定して遷移を導けます。
- Omni Reference: 最大9枚の画像、3本の動画、3本の音声を、合計12ファイルまで組み合わせられます。
- ネイティブステレオ音声: 会話、環境音、効果音、音楽を映像と同時に生成できます。
- 768pベースと2Kワークフロー: 公開されたH3-Baseで768pを生成し、ホスト型の再生成工程で2K出力を作れます。
MiniMax H3が得意な制作
人物画像、動作の参考、カメラ例、声、編集対象の動画など、複数種類の根拠が必要なショットでMiniMax H3の強みが出ます。各参照素材にひとつの役割を与え、短く焦点の合ったショットを生成し、Ottermind Studioでブリーフと照合する進め方が効果的です。
参照素材の多いキャンペーン動画
承認済みの商品画像、ブランド構図、動きの例、音声指示をまとめ、元の要件を保ちながら広告やEC向けシーンを検討できます。
人物・演技・声の転写
画像から外見、動画から動作、音声から声の特徴を引き継ぎ、入力同士の関係を明示して新しいシーンを作れます。
動画の部分修正
人物、物体、場所、照明、セリフ、効果だけを変更し、完成している部分は維持するよう指示できます。
MiniMax H3と他の動画モデルを比較
向いている用途
- MiniMax H3
- 参照素材の多い短編、マルチモーダル編集、ネイティブ音声、公開ウェイトの検証。
- Seedance 2.5
- マルチモーダル参照と音声を使い、延長しながら作る長めのマルチショット物語。
- Kling AI 3.0
- 絵コンテ制御、被写体の一貫性、高解像度納品を重視した生成と編集。
生成時間
- MiniMax H3
- 公式資料では4〜15秒。Hailuoの現行製品画面では5〜15秒。
- Seedance 2.5
- 1回で最大30秒。複数回の延長に対応。
- Kling AI 3.0
- 最大15秒。
入力
- MiniMax H3
- テキスト、最大9枚の画像、3本の動画、3本の音声。合計12ファイルまで。
- Seedance 2.5
- テキスト、画像、動画、音声を統合した生成・編集。
- Kling AI 3.0
- テキスト、画像、音声、動画を使った生成、参照、編集。
解像度
- MiniMax H3
- H3-Baseは768p。ホスト型H3-Regenerate-2Kで最大2K。
- Seedance 2.5
- 製品とプランにより設定が異なる。
- Kling AI 3.0
- 現行Kling 3.0シリーズはネイティブ4Kに対応。
ネイティブ音声
- MiniMax H3
- 32 kHzステレオ。会話、効果音、環境音、音楽に対応。
- Seedance 2.5
- 会話、効果音、環境音、音楽を含むステレオ音声。
- Kling AI 3.0
- 多言語、アクセント、方言、複数人物の会話を含む音声。
利用方法
- MiniMax H3
- Hailuo、MiniMax API、公開H3-Base FL2VA/Ref2VAで利用可能。Context-IRと2K再生成はホスト型。
- Seedance 2.5
- ByteDanceの製品から利用。地域と製品により条件が異なる。
- Kling AI 3.0
- Kling AI製品とAPIから利用。モデルと出力はプランにより異なる。
MiniMax H3ならではの強み
仕上げで確認したい点
- 正確なセリフは必ず検品: 会話の反復、ずれ、不明瞭さが報告されているため、重要なセリフは台本と照合し必要なら音声を差し替えます。
- 細かな文字や商品形状は崩れることがある: ロゴ、ラベル、手、物体数、組み立て手順は合成や修正、厳密なレビューが必要です。
- ローカル運用には高いハードウェア要件: モデル容量、メモリ、GPU対応に加え、Context-IRと2K工程がホスト限定である点も構成に影響します。
MiniMax H3に対する制作者の評価
初期の議論では、公開ウェイト、複数メディア参照、ネイティブ音声、構図力の組み合わせが注目されています。各参照にひとつの役割を与え、短いショットに絞り、会話、文字、手、物体関係、連続性を確認してから採用するという助言が繰り返されています。
マルチモーダル参照が最大の魅力
単純なテキスト動画生成ではなく、人物、動き、カメラ、スタイル、音を組み立てるショット制作システムとして使われています。
短く制御されたショットが安定
商品シーン、モーショングラフィックス、タイトル、単一動作のクリップは、複雑な長い場面より安定しやすい傾向です。
ローカル利用は利便性と引き換えに制御を得る
ウェイトとコミュニティ最適化を使える一方、メモリ、推論速度、量子化、互換性が継続的な課題です。
OttermindでMiniMax H3を使う方法
ブリーフと参照素材をまとめる
ショット目標、台本、商品素材、人物画像、動作クリップ、音声、納品条件をOttermind Studioに集めます。
H3を選び各入力の役割を指定
利用可能なMiniMax H3を選び、参照ごとの役割、動作、カメラ、音、長さ、比率、解像度を指定します。
生成・比較・改善
参照の再現、動き、会話、文字、連続性を確認し、最良テイクを残して弱い部分だけを修正します。
MiniMax H3のよくある質問
MiniMax H3とは？
MiniMaxが2026年7月31日に公開した汎用マルチモーダル動画生成・編集モデルです。テキスト、画像、動画、音声をまとめて理解し、ステレオ音声付きの短編動画を生成します。
MiniMax H3とHailuo 2.3は同じですか？
いいえ。H3は別名で公開された新しいモデルです。Hailuo 2.3は以前の別モデルで、Hailuo AIはMiniMax H3を利用できる製品画面でもあります。
どの入力を使えますか？
テキストのみ、開始または終了フレーム、両端フレーム、Omni Referenceに対応します。最大9画像、3動画、3音声、合計12ファイルまでで、音声だけを参照にはできません。
生成できる長さは？
公式資料は24 FPSで4〜15秒、Hailuoの現行製品画面は5〜15秒です。選択肢は利用経路によって異なります。
音声も生成できますか？
はい。会話、効果音、環境音、音楽を含む32 kHzステレオ音声を映像と同時生成します。公開前に聞き取りや台本一致を確認してください。
2K動画を生成できますか？
はい。H3-Baseが768pを生成し、ホスト型H3-Regenerate-2Kが元のコンテキストと結果を使って2K版を作ります。
MiniMax H3はオープンソースですか？
MiniMaxは2026年8月3日にH3-Base FL2VAとRef2VAのウェイトを公開しました。ライセンスはMiniMax H3 Community Licenseです。H3-Context-IRとH3-Regenerate-2Kは初回公開に含まれません。
Ottermindではどう使いますか？
プロンプトと素材を整理し、比較可能なテイクを生成し、ブリーフと照合して、修正履歴と採用結果を次のショットまで一緒に管理します。
次のMiniMax H3動画をOttermindで制作
ブリーフ、参照素材、プロンプト、生成テイク、修正判断をひとつの制作フローにまとめましょう。