標準で2K
MiniMaxは2Kを標準の解像度にしており、それを支えるのが新しい動画トークナイザー「H3-VAE」です。768pも選べます。
MiniMaxの最新動画モデルで、2026年7月に公開されました。映像とステレオ音声を一緒に生成し、テキストのプロンプトからも手持ちの画像からも作れます。最大2K。
このページでは、テキストから、開始・終了フレームから、または参考画像・動画・音声から、5秒・10秒・15秒、768pか2Kの動画を作れます。音声は常にオンです。
MiniMax H3はMiniMaxの動画生成モデルで、2026年7月31日に公開されました。Hailuo 01とHailuo 02の後継です。MiniMaxはこれを汎用のマルチモーダルモデルと位置づけており、テキスト・画像・動画・音声をひとつの文脈として理解し、ネイティブステレオ音声付きの動画を最長15秒・最大2Kで生成します。
テキストから動画、画像から動画、開始・終了フレーム、参照生成といった用途ごとにモデルを分けるのではなく、ひとつのモデルですべてを扱い、入力素材どうしの関係は自然な言葉で伝えます。このページでは、テキストからの動画生成、開始・終了フレーム、参考素材(画像9枚・動画3本・音声3本まで)の3つすべてを使えます。
MiniMax H3の発表とモデルのドキュメントより。
MiniMaxは2Kを標準の解像度にしており、それを支えるのが新しい動画トークナイザー「H3-VAE」です。768pも選べます。
声・効果音・音楽を映像と一緒にモデル化し、ネイティブステレオで出力します。音声を別に付ける手順は要りません。
MiniMaxによると、先行テストでは指示への追従や、画面内の文字・ブランド情報の再現が高く評価されました。そのため広告、商品ページ、EC、ゲームUIなどの用途を想定しています。
モデルのドキュメントとMiniMax自身の作例から。
誰がどう動き、カメラがどう動くかを書きます。「カメラがゆっくり寄っていく」「彼女が窓のほうへ振り向く」など。情景だけを書いたプロンプトでは、ほとんど何も起きない動画になりがちです。
このモデルは必ず音声を生成します。聞こえてほしい音(かぎかっこに入れたセリフ、トタン屋根に当たる雨、静かなピアノ)を書いてください。書かないとモデルが選びます。
MiniMaxによるとH3は複数ショットをネイティブに扱えます。カットを入れたいときは順番に書き(「ショット1……ショット2……」)、ワンカットにしたいときはそう書いてください。
参考素材を使うときは、それぞれの使い方を書き、枠の下に表示される名前で呼んでください。MiniMax自身の作例と同じ書き方です:「画像1の人物が歌い、カメラワークは動画1、声は音声1を参考に」。
1枚目の画像が冒頭のフレームになるので、プロンプトにはそこからの動きだけを書けば十分です。終了フレームがあるときは、1枚目から2枚目へどう変わるかを書きます。動画は1枚目の縦横比を保ちます。
はい。このページの動画はすべてMiniMax H3で生成しており、別のモデルではありません。
動画は秒単位でクレジットを使い、2Kは768pより1秒あたりの料金が高くなります。選んだ長さと画質での合計は生成前にボタンに表示され、新規アカウントには無料クレジットがあります。
画像よりかなり長く、混み具合によって変わります。ページを離れても生成は続き、完成すると「マイタスク」に表示されます。
できません。MiniMax H3は常に映像と一緒に音声を生成します。無音のクリップが必要なら、編集時にミュートしてください。
画像がない場合、モデルには決まった縦横比が必要なので、どれかを選んでください(初期値は16:9)。画像から始めるときは、その画像の縦横比が保たれます。
参考音声は無料です。参考動画は秒単位で、生成する動画と同じ1秒あたりの料金がかかります。参考画像は6枚目から少し追加料金がかかります。合計は生成前にボタンに表示されます。
最長15秒までです。MiniMaxによると、これがモデル自体の上限でもあります。5秒・10秒・15秒、768pか2Kから選べて、料金は秒単位です。
はい、MP4ファイルでダウンロードできます。結果の保存期間は30日なので、残したいものはダウンロードしておいてください。
プロンプト、画像、生成結果は性的な内容などのセンシティブな内容がチェックされ、該当するリクエストは拒否されます。表現を変えるか、別の画像で再度お試しください。拒否や失敗したリクエストのクレジットは返還されます。