MiniMax H3 (Hailuo H3)：MiniMaxの動画モデルができること — 2K、ステレオ、参照12件

MiniMax H3とは

MiniMax H3は、Hailuo AIをつくった中国企業MiniMaxの動画モデルです。2026年7月31日に出てHailuo 2.3に代わりました。そのためHailuo 3やHailuo H3と呼ばれることも多いです。シリーズ全体の概要と、古い2.3との比較はHailuo AIのページにあります。

MiniMaxはH3を「汎用のマルチモーダルモデル」と呼んでいます。以前は、テキストから動画、画像から動画、動きの転写、アテレコに別々のモデルが要りました。H3ではひとつです。テキスト、画像、動画、音声を理解し、映像とステレオ音声を一緒に生成します。

2026年8月3日、MiniMaxはH3のウェイトを公開しました。中核は330億パラメータの密なTransformerです。このうち約130億は事前に計算でき、生成時に読み込む必要はありません。

2026年9月21日時点のArenaでは、H3は48の動画モデル中8位で、Veo 3.1とSora 2 Proより上です。

MiniMax H3ができること

音声つきで最長15秒。 長さは4秒から15秒まで、1秒刻み、毎秒24フレームです。セリフ、雑音、音楽は映像と一緒に、ステレオで作られます。

2Kは作り直し。 基本の解像度は768pです。別のRegenerationリクエストが、完成した動画と元の参照すべてを受け取り、2Kで作り直します。MiniMaxは、これはアップスケールではないと強調しています。モデルが細かい文字、商品のディテール、画面の構造を描き直します。

参照は最大12件。 参照モードでH3が受け取るのは次のとおりです。

• 画像は最大9枚
• 動画は2–15秒のものを最大3本、合計15秒以内
• 音声も同じ長さの制限で最大3つ

ファイルは合計12個までです。参照動画は動きかカメラを、音声は声、歌、リズムを決めます。音声は画像か動画と一緒のときだけ働きます。

最初と最後のフレーム。 開始に1枚、終わりに1枚、または両方を渡せます。モデルがその間の動きを作ります。画像がなければ、テキストからの生成になります。

11言語のセリフ。 引用符で書いたせりふをH3が読み上げ、人物の口の動きに合わせます。MiniMaxは11言語を安定して支えるとしており、その中にロシア語があります。

画面内の文字とブランド。 MiniMaxは、文字とブランドを正確に描くことをH3の主な強みのひとつに挙げ、広告、EC、動くポスターを直接の狙いとしています。

画面比： 21:9、16:9、4:3、1:1、3:4、9:16。画像からの動画では、元画像の比率に従います。

MiniMax H3の版と料金

	MiniMax H3	H3 + Regeneration	MiniMax H3 Max
開発元	MiniMax	MiniMax	fal.ai（H3ベース）
解像度	768p	2K	480p、768p
長さ	4–15秒	元の動画と同じ	5–15秒
モード	テキスト、フレーム、参照、修正	完成した動画の作り直し	テキスト、画像、参照
APIの秒あたり料金	0.08ドル	768pの動画に0.05ドルを加算、または最初から2Kで0.13ドル	768pは0.08ドル、480pは0.05ドル
無料の参照画像	5	—	2

MiniMaxの料金表には軽い版もあります。H3 Highspeedは768pで1秒0.06ドル、H3 Liteは768pで0.04ドル、480pで0.025ドルです。入力動画はその長さに同じ単価で課金され、入力音声は無料です。

MiniMax H3が向く仕事

• 広告とEC — 文字入りの商品、ロゴ、動くポスター。
• 写真から人物の動画 — 顔、服、小物を保つには9枚で足ります。
• 動きの転写 — 参照動画が人物の動きかカメラの動きを決めます。
• 曲に合わせたクリップ — 参照音声が歌とリズムを決めます。
• 自分のサーバー — オープンウェイトならH3を手元で動かせます。ComfyUIでの手順はガイド MiniMax H3をComfyUIで にあります。

MiniMax H3と他のモデル

	MiniMax H3	Wan 3.0	Kling 3.0	Seedance 2.5
開発元	MiniMax	Alibaba	Kuaishou	ByteDance Seed
長さ	4–15秒	最大30秒	最大15秒	4–30秒
最高解像度	2K	1080p	4K	1080p
参照	写真9、動画3、音声3	写真10、動画5、音声5、文書	画像または要素が最大7	最大50ファイル
オープンウェイト	あり	なし	なし	なし
Arena順位（2026-09-21）	8	6	—	7
AI2Face	あり	あり	あり	あり

H3はArenaトップ10でオープンウェイトを持つ唯一のモデルで、入力の組み合わせもいちばん柔軟です。写真、動画、音声を1回の生成に入れられます。15秒を超える動画ならWan 3.0かSeedance 2.5、4KならKling 3.0です。

MiniMax H3のプロンプトの書き方

1. 入力と結果の関係を、普通の言葉で書く。 MiniMaxはこう勧めています。「最初の写真の女性が音声に合わせて歌い、カメラは動画のように動く」。
2. カメラのタグを足す。 H3は [pan]、[zoom]、[static] のようなタグを理解します。長い説明なしで動きを指定できます。
3. セリフは引用符に入れ、誰が話すか書く。
4. 音は別の一文にする。 「音：石畳の雨、サックス、遠くの路面電車」。
5. 文章を惜しまない。 プロンプトは7000文字まで書けます。

上の参照ボード向けの例です。

画像1–3の女性が黄色いレインコートを着て、画像5の緑の自転車で
画像7の濡れた石畳を走り、画像4の赤い傘を差している。画像8のカフェの前で止まり、
フードを下ろしてカメラに微笑む。「やっと家に着いた。」
[pan] カメラは横から彼女を追い、その後 [static] でクローズアップ。
音：雨、タイヤの擦れる音、カフェから聞こえる静かなアコーディオン。

AI2FaceでMiniMax H3を使う

MiniMax H3はAI2Faceのジェネレーターにあり、Wan 3.0、Kling、Veo 3.1と並んでいます。

1. 登録すると、新しいアカウントにウェルカムクレジットが付きます。
2. ジェネレーターを開き、動画に切り替えてMiniMax H3を選びます。
3. フレームか参照をアップロードし、プロンプトを書き、長さと解像度を選びます。
4. クレジットの費用は開始前に表示されます。パックのクレジットに有効期限はありません。支払いはカードまたは暗号資産です。

参照は同じジェネレーターで用意できます。このページのような、人物を複数の角度から並べたシートは Nano Banana Pro で作ります。

制限

• 1回の生成は15秒。 それより長い場合はつなぐしかありません。
• 2Kは別の手順。 先に768p、そのあと作り直しです。
• H3 Maxに2Kはなく、5秒より短い動画もありません。
• 音声参照は単体では動かない。 画像か動画と一緒のときだけです。
• ファイルの上限： 動画50MBまで、画像30MBまで、音声15MBまで。画像の辺は256から5760px、縦横比は2:5から5:2。
• オープンウェイトは重い。 MiniMaxの起動例はGPU 4枚向けで、2Kの段階はAPI経由だけです。
• 細かいディテール。 MiniMax自身が、一部の場面ではまだ細部を上げられると書いています。

まとめ

素材をたくさん重ねて1本にまとめるなら、MiniMax H3が最も向いています。人物の写真、動きの動画、声の音声を1回の生成に入れ、本物の2Kとステレオが付きます。Arenaトップ10でオープンウェイトを持つ唯一のモデルなので、手元でも動かせます。15秒を超えるなら Wan 3.0 か Seedance 2.5、人物を要素にした絵コンテなら Kling 3.0 です。どれもAI2Faceで同じプロンプト比べられます。