Hailuo AI：MiniMaxの動画生成モデル — Hailuo 2.3とMiniMax H3

Hailuo AIとは

Hailuoは、中国MiniMaxの動画生成モデルファミリーと、そのアプリHailuo AIです。MiniMaxによると、2025年末までに同社の動画モデルで作られた動画は6億本を超えました。

現役の世代は2つあります。Hailuo 2.3と高速版の2.3 Fastは2025年10月28日に登場し、体の動き、表情、物理表現、そしてアニメ、イラスト、水墨画、ゲームCGなどのスタイル対応が向上しました。MiniMax H3（Hailuo 3とも呼ばれる）は2026年7月31日に新世代として登場しました。1つのモデルがテキスト、画像、動画、音声を理解し、ステレオ音声付きの動画を一度に生成します。

2026年8月3日、MiniMaxはH3のウェイトをMiniMax H3 CommunityライセンスでHugging FaceとModelScopeに公開しました。中核は、映像と音声を同時に予測する330億パラメータのTransformerです。MiniMaxは現在、Hailuo 2.3を旧モデルに分類しています。

Hailuoでできること

最大2Kの音声付き動画。 H3は24fpsで4–15秒の動画を作ります。基本解像度は768pで、Regenerate-2Kという別工程で元のコンテキストを踏まえて2Kで再生成します。音声は32kHzのステレオで、映像と同時に作られます。

画面内の文字。 MiniMaxは文字やブランドの正確な描写を強みに挙げています。今回のテストでは、ショーウィンドウの「FRESH BREAD」の文字は誤りなく描かれましたが、動画の冒頭では内側から書いた文字を外から見たように、左右反転して見えます。

キャラクターのセリフ。 プロンプトにセリフをかぎかっこで書くと、H3がそれを発話させ、口の動きも合わせます。MiniMaxは11言語への安定した対応をうたっています。アラビア語、イタリア語、英語、韓国語、スペイン語、中国語、ドイツ語、日本語、フランス語、ポルトガル語、ロシア語です。

参照。 Ref2VAモードでは、H3は画像最大9枚、2–15秒の動画3本、音声3件、合計12ファイルを受け付けます。音声は画像か動画と一緒に渡す必要があります。FL2VAモードでは、最初と最後のフレームの間をつないで動画を作ります。

アスペクト比： 21:9、16:9、4:3、1:1、3:4、9:16。

Hailuo 2.3とH3の違い

	Hailuo 2.3	MiniMax H3
公開日	2025年10月28日	2026年7月31日
長さ	6秒または10秒	4–15秒
解像度	768p、1080p（APIでは1080pは6秒のみ）	768p、最大2K
音声	なし	動画と同時にステレオ
入力	テキストまたは画像	テキスト、写真最大9枚、動画3本、音声3件
オープンウェイト	なし	あり
Arenaの順位（2026年9月21日）	48モデル中32位	48モデル中8位
API料金	768pの6秒で0.28ドル	768pで1秒0.08ドル

Hailuoが向いている用途

• 広告とEC。 MiniMaxはH3の主な用途として広告、ブランディング、ECを挙げています。画面内の文字とブランドを正確に描けるためです。
• 写真からキャラクター動画。 参照画像が9枚あれば、顔、服装、商品を一貫させるのに十分です。
• モーション転送。 参照動画でキャラクターの動きを指定できます。MiniMaxも強みとして挙げています。
• 多言語のセリフ入り動画。 H3は11言語に安定して対応します。
• スタイライズ動画。 Hailuo 2.3はアニメ、イラスト、ゲームCGのスタイルをよく保ちます。

Hailuoと競合モデルの比較

	MiniMax H3	Seedance 2.5	Veo 3.1	Kling 3.0
開発元	MiniMax	ByteDance	Google	Kuaishou
長さ	4–15秒	最長30秒	4、6、8秒	最長15秒
解像度	最大2K	開発元は非公開	最大4K	720p、1080p
音声	ステレオ	あり	あり	あり
参照	最大12ファイル	最大50件	写真最大3枚	写真最大7枚
オープンウェイト	あり	なし	なし	なし
Arenaの順位	8位	5位・7位	23位（Veo 3）	29位（2.6 Pro）

2K、ステレオ音声、多数の参照が必要ならH3が有力です。動画の長さを重視するなら、最長30秒のSeedance 2.5やWan 3.0が便利です。ランキング1位はGemini Omniです。

Hailuoのプロンプトの書き方

• 動作とカメラから書く： 何が起き、カメラがどう動くか。例：「カメラがアスファルトからパノラマへ上昇する」。
• 音声は別の行に。 「Sound：エンジン音、風、波」。H3は映像と一緒に生成します。
• セリフはかぎかっこで。 誰が話すかと、口調を簡単に書きます。
• 画面内の文字は正確にかぎかっこで囲み、 「spelled exactly」を添えます。カメラがガラス越しに見る場合は、文字が反転していないか確認しましょう。
• 参照には役割を与える。 どのファイルから何を使うかをプロンプトに書きます。顔は1枚目の写真、ジャケットは2枚目、動きは動画から。

AI2FaceでHailuoを使う方法

HailuoはAI2Faceのジェネレーターで使え、MiniMaxのアカウントは不要です。同じプロンプトをHailuo、Seedance、Veo 3.1、Klingで実行し、結果を比べられます。各生成の費用は実行前に表示され、カードや暗号資産で支払えます。パックのクレジットは失効しません。新規アカウントには登録後にウェルカムクレジットが付与されます。

制限事項

• 1回の生成は最長15秒。 長いストーリーには動画をつなぐか、30秒対応のモデルを使う必要があります。
• 2Kは別工程。 H3の基本解像度は768pで、2Kは再生成によるもので料金も高くなります。
• ガラス越しや反射の文字は、今回のテストのように反転することがあります。
• 音声の参照は単独では使えません。 画像か動画と一緒に渡す必要があります。
• オープンウェイトには高性能なハードウェアが必要です。 330億パラメータは普通のノートPCでは動きません。

まとめ

Hailuoは2026年で最も強力な動画生成モデルの1つです。MiniMax H3はArenaで8位、ステレオ音声付きで最長15秒・2Kの動画を作り、最大12件の参照を扱い、11言語で話せます。Hailuo 2.3は短いスタイライズ動画向けの安価な選択肢として残っています。広告や、キャラクターと画面内の文字がある動画にはH3を。長いストーリーにはSeedance 2.5かWan 3.0、4KならVeo 3.1を選びましょう。同じプロンプトで比べるなら、AI2Faceが最も手軽です。