メインコンテンツへ移動
AI動画モデル
MiniMax
Hailuo

MiniMax H3

MiniMax H3は768Pと2Kの2設定を備え、テキスト、始点・終点フレーム、画像/動画/音声の参照に対応します。参照動画の長さと6枚目以降の画像数が、タスク作成前の事前確保額に反映されます。

シーン
テキスト/始点・終点/参照
出力
768P/2K
長さ
4~15秒
クレジット
32~406
30秒でわかる
  • 768Pと2Kの2設定
  • 始点または終点フレームを単独でも画像モードに使用可能
  • 最大9画像、3動画、3音声
  • 参照動画と6枚目以降の画像が事前確保額に影響

よく検索されるキーワード: MiniMax H3の使い方 · MiniMax H3の料金 · MiniMax H3で使える参照素材

例

Cinematic scene

Main Subject: Young American woman, early 20s, athletic build, one-piece swimsuit with a loose cover-up, hair in a tight braid, confident playful personality. Location: Small outdoor community pool, sunny midday. Diving board at the deep end, lounge chairs, a lifeguard tower in the background, clear blue water. No large crowds, no commercial branding. Visual Style: Ultra-realistic documentary realism, energetic candid feeling, bright natural sunlight. Camera Style: Early 2000s DV camcorder, handheld with water-splash blur occasionally on lens, exposure blown out in bright sun, soft grain. No stabilization. Timeline (30 sec): 00:00–00:03 → She climbs the diving board ladder, then walks to the edge. 00:03–00:06 → She turns to camera saying "okay don't judge my form," laughing nervously. 00:06–00:09 → She bounces once, then dives cleanly into the water. 00:09–00:12 → She surfaces, wiping water from her face, grinning. 00:12–00:15 → She swims to the pool edge, pulling herself up onto the deck. 00:15–00:18 → She wrings out her hair, then grabs a towel from a lounge chair. 00:18–00:21 → She dries off, glancing back at the diving board. 00:21–00:24 → She decides to go again, walking back toward the ladder. 00:24–00:27 → She climbs up, this time attempting a small jump with a tuck. 00:27–00:30 → She surfaces laughing, looking at camera saying "okay that one was way better!" Audio: Water splashing, distant pool chatter, wind, birds. Her dialogue as noted above. No music. Goal: A playful, confident pool moment energetic, fun, authentic.

Cinematic scene

电影级真实人像短片,总时长必须为15秒整,一镜到底,全程无切镜、无跳切、无转场、无突然换镜头。严格使用 {{Mixed 1}} 中的人物作为唯一主体,全程保持与参考图完全一致的人物身份、五官比例、脸型、眼睛、鼻子、嘴唇、眉毛、刘海、发型、肤色和整体气质,不重新设计人物,不改变长相,不改变年龄,不生成新的脸。人物始终保持参考图中的三分之二侧脸构图和朝向,全程绝不转头、绝不转回正面、绝不望向侧方大角度,仅允许自然呼吸、轻微眨眼、轻微眼神移动、极轻微嘴角变化以及发丝自然摆动,人物动作始终小于镜头运动。 真实手机后置主摄拍摄,RAW原片摄影质感,9:16竖屏,摄影师距人物约20-25厘米,全程超近距离怼脸拍摄,以三分之二侧脸特写为主,镜头始终围绕人物侧脸缓慢运动,不拉远,不改变人物姿态,不突然转头,不低头,不抬头,不改变参考图构图。 最高优先级:完整保留真实皮肤质感。超近距离清晰可见细微毛孔、鼻翼毛孔、脸颊真实纹理、额头轻微纹理、卧蚕纹理、眼下细纹、眼下轻微卡粉、鼻翼轻微卡粉、嘴角底妆粉感、极浅闭口、一两颗极淡小痘痘、轻微痘印、淡淡小痣、轻微泛红、T区轻微出油、鼻尖自然皮脂高光、脸颊真实水润反光、真实唇纹、下唇水光反射、真实绒毛、真实碎发和发丝边缘,所有细节自然、高清、干净,不磨皮、不美颜、不塑料,不降低人物颜值。 场景始终为夜晚高级咖啡馆窗边。背景严重虚化,仅保留暖黄色吊灯散景、奶油色墙面、木质桌面边缘、模糊咖啡杯轮廓、玻璃窗轻微反光以及窗外蓝色、紫色、橙色、红色霓虹和车灯散景。暖黄色吊灯作为主光,桌面形成柔和暖色补光,窗外蓝紫色霓虹形成轻微边缘光,玻璃窗形成极轻微反射光。曝光稳定,不过曝,不过暗,不频闪。 0-3秒:镜头从 {{Mixed 1}} 参考图当前构图开始,保持超近距离三分之二侧脸,焦点锁定眼睛和鼻梁。人物自然呼吸,轻轻眨一次眼,眼神缓慢看向镜头再轻微移开,嘴唇自然放松。镜头极慢推近并轻微横向滑动,展示脸颊毛孔、眼下纹理、鼻梁高光、鼻翼卡粉、真实碎发和发丝边缘。 3-6秒:镜头沿脸部缓慢滑向鼻尖,再滑向嘴唇附近,进行轻微弧线绕拍。人物仅有极轻微眼神变化,不转头,不改变姿态,一缕碎发随呼吸自然轻轻摆动。暖光照亮鼻梁、鼻尖、脸颊和嘴唇,桌面反射补光保持鼻翼、嘴角、眼下细节始终清晰可见。 6-9秒:镜头缓慢绕到侧脸另一角度,但始终保持参考图中的侧脸比例,不改变人物朝向,人物依然是三分之二侧脸对镜头,绝不转正、绝不转向侧方。人物偶尔轻轻眨眼,保持自然呼吸,重点表现卧蚕纹理、下眼睑细纹、睫毛、毛孔反光、鼻翼毛孔、嘴唇水光和真实皮肤纹理。 9-12秒:镜头轻微下移,突出嘴唇、下巴、鼻翼和脸颊,再连续缓慢回到眼睛,全程保持超近距离怼脸距离。人物保持参考图神态,仅有自然呼吸、极轻微眼神变化和轻微眨眼,嘴角自然放松,不做任何夸张表情,不微笑露齿,不转头。唇纹、鼻翼卡粉、毛孔、卧蚕纹理、眼下细纹、轻微痘印、底妆粉感始终保持高清可见。 12-15秒:镜头进行一次极轻微弧线收镜,缓慢推近,最后停留在眼睛、鼻梁、半边嘴唇构图。人物最后轻轻抬眼看向镜头,眼神自然、安静、有吸引力,不改变参考图整体神态和侧脸角度,不转头,不露齿微笑。最后一帧完整保留眼睛、卧蚕、睫毛、毛孔、鼻尖皮脂高光、脸颊纹理、真实唇纹、轻微卡粉、真实碎发和发丝边缘,全程无切镜、无跳切、无转场,全片时长满15秒。 整体风格:真实电影级手机摄影,夜晚咖啡馆窗边超近距离怼脸抓拍,高级杂志感,真实肤质,真实景深,克制自然,人物身份始终与 {{Mixed 1}} 参考图保持一致,不重新生成新的脸,不改变五官,不改变气质。 负面提示词:重新生成人物,人物变脸,改变五官比例,改变脸型,改变眼睛,改变鼻子,改变嘴唇,改变刘海,改变发型,改变肤色,改变年龄,改变身份,普通路人脸,AI脸,CG感,塑料皮,陶瓷皮肤,蜡像皮肤,过度磨皮,过度美颜,皮肤无毛孔,皮肤无纹理,滤镜感,浓妆,假睫毛,大幅转头,转头转正,转向侧方,露齿大笑,大幅低头,大幅抬头,大幅表情变化,张嘴过大,人物剧烈动作,镜头乱晃,突然拉远,突然切镜,跳切,转场,视频时长不足15秒,背景抢主体,咖啡馆全景,字幕,Logo,水印,可读文字,直播补光灯,环形灯,棚拍光,频闪,过曝,欠曝,低清晰度,低质量,AI运镜,眩晕感。 No BGM

Cinematic scene

Format: 16:9 Concept: "Getting Ready to Meet My Friends" Create a single continuous self-filmed vlog recorded on a handheld MiniDV camcorder. The camera is always held by the girl, creating a natural first-person selfie perspective with subtle hand movement, realistic autofocus adjustments, slight exposure changes, and authentic walking motion. The footage should feel completely spontaneous with no cuts, transitions, or cinematic camera moves. Visual Style: Authentic early-2000s MiniDV camcorder aesthetic with soft detail, light tape grain, natural skin tones, gentle highlight bloom, realistic indoor lighting, and minimal color processing. Character: HAEUN, a Korean female idol in her 20s with long straight black hair, fresh natural makeup, and a bright, friendly personality. She starts in comfortable loungewear before changing into a stylish casual outfit—an oversized knit sweater, pleated skirt, white sneakers, and a small shoulder bag. Location: A cozy modern apartment followed by quiet city streets leading to a trendy outdoor café with a warm, lively atmosphere. The recording begins with HAEUN picking up the camera from her desk. She smiles and says, "I'm finally catching up with my friends today." She walks through her apartment while deciding what to wear, holds up two outfits with a playful expression, laughs, and quickly changes into her favorite one. Standing by the mirror, she fixes her hair, puts on simple jewelry, sprays a little perfume, grabs her bag, phone, and keys. "Okay... I think I'm ready." She leaves the apartment and walks through peaceful streets, chatting casually about how busy everyone's been lately and how long it's been since they all met. As she approaches the café, she spots her friends sitting outside. She smiles excitedly and waves toward them. One of them waves back and stands up to greet her. She laughs, "There they are!" Still holding the camera, she walks over as her friends welcome her with smiles and cheerful greetings. The vlog ends naturally with everyone laughing together as she lowers the camera, as if she's putting it away to enjoy the rest of the day. Generation Requirements: One uninterrupted recording with consistent facial identity, realistic body movement, natural hand interactions, smooth walking, accurate lighting transitions, believable environmental audio, and no AI artifacts, jump cuts, anatomy errors, duplicated objects, or unrealistic motion. The final result should feel like a genuine personal vlog filmed on a handheld MiniDV camcorder.

Fantasy scene

Fantasy scene

Cinematic scene

Create a 15-second hyper-realistic cinematic lifestyle vlog featuring a confident 23-year-old female content creator enjoying her peaceful sunrise walk along a scenic lakeside park surrounded by lush trees, blooming flowers, and soft morning mist. She wears a cream athletic T-shirt, sage-green running shorts, white sneakers, and a minimalist smartwatch. The atmosphere feels calm yet energetic, with premium influencer aesthetics inspired by high-end Instagram Reels and TikTok lifestyle videos. Use ultra-smooth gimbal tracking, cinematic handheld movement, dynamic whip transitions, speed ramps, shallow depth of field, natural lens flares, soft golden sunrise lighting, crisp ambient nature audio, and realistic facial expressions with accurate lip sync. No text overlays, logos, or watermarks. Scene 1 (0–2 sec) Close-up sequence of her putting on wireless earbuds, tightening her smartwatch strap, picking up a stainless-steel water bottle, and stepping onto the walking trail. Dialogue: “A fresh morning starts right here.” ⸻ Scene 2 (2–5 sec) Front-facing selfie shot as she walks confidently with warm sunrise light filtering through the trees behind her. Gentle breeze moves her hair naturally. Dialogue: “The best part of the day is before the world wakes up.” ⸻ Scene 3 (5–8 sec) Quick cinematic montage: shoes landing softly on the path smartwatch counting steps sunlight shining through leaves birds taking flight dew sparkling on grass close-up of her relaxed smile Dialogue: “Even a short walk makes everything feel lighter.” ⸻ Scene 4 (8–12 sec) Elegant slow-motion shots of her stretching beside the lake, taking a deep breath, laughing naturally, and enjoying the warm morning glow. Dialogue: “A little movement… a lot more peace.” ⸻ Scene 5 (12–15 sec) She looks back toward the camera with a bright smile, gives a friendly wave, and continues walking toward the sunrise as the camera slowly pulls away. Dialogue: “Same time tomorrow?”

ひとことで紹介

このモデルの特長

画像モードでは始点または終点フレームの少なくとも一方が必要です。参照音声は単独では使えず、参照画像または動画を同時に送る必要があります。すべてのメディアはアップロード時に実際の形式を検証し、作成前に署名された時間、形状、FPSを確認します。

得意なこと
2K出力、柔軟な始点・終点フレーム、制御されたマルチモーダル参照に重点を置く動画生成モデルです。
おすすめのユーザー
高解像度のコンセプト動画、キャラクターと動作の組み合わせ参照、始点・終点のトランジション、複数素材の短編に適しています。
Kyeo AIで使う理由
当サイトはメディアの真正性、数、長さ、画像の追加料金をすべてクレジット消費前の契約に含めます。

主な仕様

このモデルが用途や業務に合うかをすばやく判断できます。

参照画像
最大9枚
参照動画
最大3本、合計≤15秒
参照音声
最大3本、単独使用は不可
画像の追加料金
6枚目から1枚4クレジット

別名

同じモデルでも、公式ドキュメント、コミュニティ、API接続層で呼び方が異なる場合があります。ここでまとめて確認できます。

MiniMax H3 動画
海螺 H3
MiniMax H3 2K動画

よくある質問・検索

タスク、入力条件、必要な結果から、モデルを選ぶ前に確認したい実用的な質問を整理しています。

MiniMax H3の使い方
MiniMax H3の料金
MiniMax H3で使える参照素材
MiniMax H3の768Pと2Kの違い
MiniMax H3の画像料金

選び方ガイド

モデル選びで迷う場合は、まず次のポイントをご確認ください。

1
2Kが必要ならH3を比較する

このモデル群でH3は明確な2K設定を提供しますが、1秒あたりのレートも高くなります。

2
音声には視覚参照を添える

参照音声だけで画像や動画がないリクエストは、タスク作成前に拒否されます。

3
6枚目以降の画像を厳選する

追加画像は1枚につき4クレジット増えるため、独自の情報を与える素材だけを残してください。

よく検索される比較

同じタスクで候補を比べ、入力方法、制御項目、コストの違いを確認できます。

MiniMax H3とSeedance 2.0 Miniでは解像度とレートがどう違いますか?
MiniMax H3とHappyHorse 1.1では参照素材の種類がどう違いますか?

モデル比較表

現在のモデルと代替候補の主な違いを一覧で確認できます。

参照モード
MiniMax H3
9画像/3動画/3音声、2Kを選択可能
Seedance 2.0 Mini
9画像/3動画/3音声、最大720p
HappyHorse 1.1
最大9画像、参照動画・音声には非対応

実際の利用場面での見方

公開情報、現在のサイト内の範囲、代表的なタスクに基づく実用的な案内です。

素材数が料金式に直接入る

H3は秒数だけでなく、6枚目以降の入力画像も事前確保額を増やします。

対応形式を絞るのは製品上の安全境界

当サイトは確実に識別できるJPEG/PNG/WebPだけを公開し、未検証の形式を利用可能とは記載しません。

機能の詳細

2K動画生成

テキスト、画像、参照シーンのいずれでも2Kを選択できます。

マルチモーダル参照

最大9画像、3動画、3音声を組み合わせます。

始点または終点フレーム入力

画像モードでは始点、終点、またはその両方を送信できます。

適した用途

高解像度のコンセプト動画

2K設定でブランド短編や映像提案の方向性を確認します。

動作とキャラクターの組み合わせ参照

キャラクター画像と動作動画にそれぞれ異なる役割を割り当てます。

終点フレームから逆算するショット

目標となる終点フレームだけをアップロードし、その画面に至るカメラの動きをプロンプトで説明します。

プロンプトのコツ

視覚要素を指定する

各画像の人物、衣装、場面を動画にどう反映するか明確にします。

音声と動きを時間で合わせる

音が現れる時間帯と、それに対応する動きを記します。

2Kでは細部を整理する

被写体、素材感、光、カメラを優先し、矛盾するスタイル語を詰め込みすぎないようにします。

選ぶ理由

明確な2K出力設定があります。
始点・終点フレームの入力方法が柔軟です。
マルチモーダル参照の上限が明確です。
画像の追加料金をタスク作成前に確認できます。

利用前の注意点

出力は最長15秒です。
参照音声だけでは使用できません。
6枚目以降の画像はコストが増えます。
当サイトは現在確実に識別できない画像形式を公開していません。

設定できる項目

このモデルが用途や業務に合うかをすばやく判断できます。

生成シーン
任意
パラメータ型: プルダウン
初期値:テキスト
テキスト
始点/終点フレーム
マルチモーダル参照
解像度
任意
パラメータ型: プルダウン
初期値:2K
768P
2K
動画の長さ
必須
パラメータ型: 整数
初期値:6秒
4~15秒

クレジット消費

32~406クレジット

768P/2Kはそれぞれ1秒あたり8/13クレジットを、出力時間と検証済み参照動画の合計時間の和に掛けます。入力画像は最初の5枚に追加料金がなく、6~9枚目は1枚につき4クレジットを加算します。タスク作成前に合計を切り上げます。

クレジットを節約するコツ

画像や動画を一括生成する前に、同じ素材を使って現在のモデルと同タイプの候補をA/Bテストし、結果を確認してから一括生成することをおすすめします。

よくある質問

同タイプのおすすめモデル

まだ決まっていない場合は、同タイプの候補も比較してみましょう。

Seedance 2.0 Mini

Seedance 2.0 Miniは、テキスト、始点・終点フレーム、マルチモーダル参照を1つの入口で扱います。参照動画はタスク作成前の料金式に入るため、素材の長さと出力時間の両方を信頼できる方法で先に検証します。

AI動画モデル
15~150クレジット

Seedance 2.5

Seedance 2.5は、30秒の上限、多数の素材、動画編集向けの参照入力を1つの厳格なシーン契約にまとめています。自動設定を初期値の5秒として過小評価せず、最大30秒として事前確保します。

AI動画モデル
102~5,700クレジット

HappyHorse 1.1

HappyHorse 1.1は画像数で自動的にワークフローを切り替えます。画像なしはテキストモード、1枚は始点フレームからの動画生成、2~9枚は参照モードです。3モードで解像度、長さ、1秒あたりの料金を共有します。

AI動画モデル
68~435クレジット

情報源

開発元の資料、モデルファミリーの説明、Kyeo AIの現在の接続設定をもとにまとめています。

情報源について

MiniMax H3の768P/2K、4~15秒、始点・終点フレーム、9画像・3動画・3音声、32~406クレジットの事前確保と素材制限を解説します。 768P/2Kはそれぞれ1秒あたり8/13クレジットを、出力時間と検証済み参照動画の合計時間の和に掛けます。入力画像は最初の5枚に追加料金がなく、6~9枚目は1枚につき4クレジットを加算します。タスク作成前に合計を切り上げます。

最終更新: 2026-10-06
MiniMax H3 動画 の現行インターフェース情報
接続情報

現在サイトに接続されている版の入力モード、表示設定、素材制限、提供状況を確認するための情報です。実際に選べる項目はページとワークベンチを基準にしてください。