2Kマルチモーダル動画生成向けMiniMax-H3 API

MiniMax H3は、MiniMaxの汎用かつオープンウェイトの動画生成システムです。テキストから動画、キーフレームアニメーション、マルチモーダル参照を無関係なツールとして扱うのではなく、テキスト、画像、動画、音声をひとつのコンテキスト内で解釈します。ホスト型APIは非同期ワークフローを採用しています。タスクを送信し、タスクIDを保存し、ステータスを確認し、完成した動画URLを取得します。

出力は4～15秒、24 fpsで、768Pと2Kモード、横長、正方形、縦長のアスペクト比、ネイティブステレオ音声に対応します。公開されたH3-Baseの重みはMiniMax H3 Community Licenseの下で提供されます。ホスト型APIアクセスとセルフホスティングは、引き続き別々のデプロイ選択肢です。

どのMiniMax H3入力モードを使うべきか？

リクエストを構築する前に、入力モードを選択してください。先頭／最終フレーム入力とマルチモーダル参照入力は、公式APIでは別々のモードであり、1つの生成タスク内で混在させることはできません。

参照から動画では、MiniMax H3は最大9枚の画像、3本の動画クリップ、3本の音声クリップを受け付け、合計で最大12ファイルです。各参照動画または音声クリップは2～15秒で、各メディアタイプの合計時間は15秒を超えることはできません。リクエスト本文全体が64 MBに制限されているため、大きなアセットには公開URLを使用してください。

Eコマースおよびバッチ動画ワークフロー向けMiniMax H3 API

Eコマースでは、承認済みの製品画像を提供し、変更してはならない詳細を明示し、そのモーションやカメラパスが重要な場合にのみ参照動画を追加します。制御された製品の公開には、先頭・最終フレームモードのほうが簡単なことがよくあります。

バッチ生成では、各バリエーションを個別の非同期ジョブとして扱います。プロンプト、アセットURL、設定、タスクID、ステータスを保存し、上限付きキューを使用し、再試行を冪等にし、成功した出力を自社ストレージにコピーします。ロゴの扱い、フレーミング、ライティング、カメラ言語、CTAを固定しつつ、ジョブごとに可変のSKUデータを注入します。

MiniMax H3 vs Seedance 2.5 vs Veo 3.1

これらのモデルは重複する部分がありますが、解決する制約が異なります。MiniMax H3は2K出力、オープンウェイト、ステレオ音声、混合参照を重視しています。Seedance 2.5はより長い生成とより大規模な参照セットをサポートします。Veo 3.1は、文書化された4Kパスを備えた短いGoogle Cloudワークフローに適しています。

最大解像度だけでなく、時間、参照容量、音声、再試行、完成クリップのコストを比較してください。Seedance 2.5はシーンつなぎを減らせる可能性があり、H3は混合参照の2K作業を簡素化できる可能性があり、Veo 3.1はGoogle中心の短い4Kワークフローに適する可能性があります。

より良いMiniMax H3プロンプトの書き方

プロンプトは、ソースの役割、タイムライン、カメラ指示、音声、保持する詳細、除外事項を分けた簡潔な制作ブリーフとして書いてください。

プロンプトの公式: 被写体と参照の役割 + シーンの目的 + 時間指定のアクション + カメラの動き + ライティングとビジュアルスタイル + セリフ、効果音、音楽 + 保持する詳細 + 最終フレーム

Eコマース製品動画プロンプト

製品のアイデンティティには画像1を、ライティングには画像2を使用してください。マットブラックのスピーカー向けに、10秒の縦型ローンチ動画を作成してください。マクロのグリルショットから始め、回転しながら引き、次に低音で振動する水滴を見せてください。ロゴ、コントロール、プロポーション、仕上げを保持してください。クールなエッジライト、抑制されたモーション、低い電子アンビエンスを使用し、余分なテキストは入れないでください。

先頭・最終フレームトランジションプロンプト

提供された閉じたパッケージから始め、製品が組み立てられた状態の提供された最終フレームで正確に終了してください。1つの連続したカメラムーブを使用します。箱が開き、コンポーネントが浮かび上がり、製品が所定の位置に収まります。パッケージのグラフィックと最終形状を保持してください。機械的なクリック音と、短く解決感のあるトーンを追加してください。