MiniMax H3(Hailuo 3.0)

セリフ・効果音・環境音を同じ生成でミックスした、24fps の 2K 動画。画像・動画・音声のリファレンスを1つのプロンプトで組み合わせ、テイクをつなぎ合わせずにカットを割れます。MaxH3 で MiniMax H3 を無料でお試しください。

任意
任意
20

MiniMax H3 の主な機能

すべての入力をまたぐマルチモーダル理解

H3 はリファレンスを1つずつ読むわけではありません。クリップと写真と音声録音を渡し、それらがどうつながるかを伝えてください——1つ目からカメラの動きを、2つ目の人物をその手前に、3つ目に合わせた話し方で。どのファイルが何を担い、どう組み合わさるかはモデルが判断します。だから演出は、バラバラのアップロードと設定の山ではなく、普通の言葉のままで済みます。撮影スタッフに説明するのと同じようにカットを説明すれば、残りは H3 が解決します。

INPUT

Reference image

Reference clip

Reference audio

OUTPUT VIDEO

0:06

同じ生成で出てくるネイティブステレオ音声

多くのモデルは無音のクリップを返し、音は別のツール任せにします。H3 はセリフ・効果音・空間音・音楽を映像と並行してレンダリングし、1つのファイルにネイティブステレオとして収めます。タイミングは画面上の出来事に合わせられるので、扉は閉まる瞬間に閉まり、足音は足が着いた場所で鳴ります。あとから同期を取る必要も、カットを変えたときに作り直す必要もありません。

Omni Reference は画像・クリップ・音声をまとめて扱えます

現実の依頼が入力1つで済むことはめったになく、入力の種類が1つで済むこともめったにありません。Omni Reference は3種類すべてを同じ生成で受け取ります——画像最大9点、動画クリップ3点、音声ファイル3点で、それぞれに個別の上限があります。写真から顔を固定し、既存素材から動きを引き、録音も一緒に持ち込んで、そのすべてを同じカットに運べます。音声リファレンスは単独ではなく、画像かクリップと組にして使います。 考え方は 参照から動画 と同じで、扱える幅がずっと広くなっています。

INPUT

OUTPUT VIDEO

0:10

つなぎ合わせ不要のネイティブ・マルチショット

15秒あれば、瞬間ではなく一連のシーンが成立します。H3 は1回の生成の中でカットを割ります——状況を示すロングから、寄りながらのミディアム、そしてクローズアップへ。その3つを通して人物も舞台も保たれます。展開を順番に書けば、つなぎはモデルが処理します。レンダリングは1回、音のベッドも1つ、あとから組み立てるものはありません。

プリセットメニューのないカメラ制御

H3 はカメラの言葉を言葉として読みます。ゆっくりした寄り、クレーンのスウィープ、手持ちの追従を頼めばそのとおりにします。選ぶモードも、調整するパラメータもありません。代わりに参照クリップを指定すれば、その動き・タイミング・カメラの挙動をまったく別の被写体に移します。動きは理想的なのに被写体が合わない素材が手元にあるとき、特に有効です。

最初と最後のフレーム、その間の動き

H3 に画像を1枚渡せば、そのフレームから前へ生成します。2枚渡せば、一方からもう一方へどう至るか——遷移、テンポ、動きの物理——を組み立てます。カットの入りと着地は分かっているのに途中が分からないとき、その途中こそ H3 が解いている問題です。

説明するだけの精密編集

生成は半分にすぎません。人物を差し替える、物を足す・消す、背景を変える、ライティングをやり直す、セリフを書き換える、そのセリフを言う声を変える。変更は指定した対象にだけ効き、フレームの残りはそのままです。つまり、良かった部分が戻ってくるのを祈りながら作り直すのではなく、テイクを直すことができます。 作業が1カットを超えたら、そこからは AI動画エディター が引き受けます。

INPUT

Source clip

PROMPT

Remove the front basket from the bicycle.

OUTPUT VIDEO

0:04

はじめかた

MiniMax H3 での生成手順

1
入力を選ぶ

プロンプトだけで始めても、固定したい要素があれば画像・クリップ・音声を足しても構いません。1枚のフレームから作りますか? その場合は 画像から動画 をお使いください。

2
演出を書く

何が順番に起きるか、各リファレンスをどう使うかを書きます。欲しい音も書いてください——書き落とした分は H3 が補います。

3
形式と長さを決める

アスペクト比と尺を選んで生成します。ファイルは音がミックス済みの状態で返ってきます。

最初の動画を作ってみませんか?

YouTube で見る AI動画モデル MiniMax H3

I made a short film in ComfyUI — MiniMax H3 | THE RECITATION

CGlide (RedShade)

Short Movie - Minimax H3 2m20s (WF & Repo Soon)

CGlide (RedShade)

This 1-Minute AI Movie Looks TOO Real 🎬 (MiniMax H3, text-to-video)

Struggle Technology

MiniMax H3, the king of AI commercial ads

AnimAItion Studio

MiniMax H3's anime aesthetics are honestly on another level

AnimAItion Studio

X で見る MiniMax H3:みんなが作っているもの

よくある質問

MiniMax H3(別名 Hailuo 3.0)は MiniMax のマルチモーダル動画モデルで、2026年7月にリリースされました。テキスト・画像・動画・音声を1つの文脈として読み取り、ネイティブステレオ音声付きの完成クリップを返します。

はい。どのクリップにも、画面上の動きに合わせたセリフ・効果音・環境音が付いて返ってきます。あとから足すのではなく、映像と一緒に生成されます。

画像9点、動画クリップ3点、音声ファイル3点までです。顔、動き、カメラワーク、声などに使えます。音声リファレンスは画像かクリップと組にする必要があります。

できます。人物や物の差し替え・削除、背景や照明の変更、セリフや声の修正を、変更内容を説明するだけで行えます。触れていない部分はそのまま残ります。

映画的なタイトルシークエンスや予告編、EC の商品動画、ブランド広告やソーシャル広告、アニメーションポスター、音楽・リリックビジュアル、ゲームトレーラーや UI モーション、解説動画、vlog のオープニングやショート向けの短縮版など。

広告・マーケティング、EC・小売、映像・エンタメ、ゲーム、プロダクト/UI デザイン、教育、そしてソーシャルメディアでの発信です。

はい。新規アカウントには MiniMax H3 で生成するための無料クレジットが付いています。使い切ったあとは、クレジットを購入するかプランで追加できます。

ネイティブステレオ音声付きの映画的な動画を

リファレンスを持ち込み、依頼内容を書けば、音まで入った 2K の完成クリップが返ってきます。