MiniMax H3

概要

MiniMax H3は、MiniMaxの汎用マルチモーダル動画生成AIです。Hailuo 3.0、Hailuo 03という呼び名でも知られています。出力は5〜15秒のクリップで、最大2K・24fps。すべての生成にネイティブのステレオ音声が付きます。

従来は、映像を生成するモデル、編集するモデル、参照を扱うモデルがそれぞれ別々でした。H3はそこを1つにまとめ、テキスト・画像・動画・音声を同じ文脈として読み取ります。重みについても、オープンウェイトで公開する方針が示されています。なお本ページの数値は、MiniMaxが公開している仕様にもとづいて整理したものです。

MiniMax H3がもたらすもの

効いてくるのは、1回の生成に渡せる情報の量です。画像9点、動画クリップ3本、音声3ファイル、合計12ファイルまで読み込めます。しかも、素材ごとに読み取らせる役割を変えられます。この画像でキャラクターの顔立ちを決め、このクリップで動きとカメラの振る舞いを、この音声で声質と編集のテンポを、といった具合です。

音は映像のあとに足すものではなく、同じ生成の中で作られます。セリフも効果音も、その場の空気感まで一度にそろいます。

惜しいテイクが出たときの手当ても変わります。直したい要素だけを名指しすれば、残りはそのまま残ります。うまくいった部分まで捨てて、回し直す必要がありません。

MiniMax H3の位置づけ

前作のHailuo 2.3は、プロンプトか1枚の画像から1080p・10秒前後を生成するモデルでした。H3では解像度が2K、長さが15秒まで伸びています。ただ、数字よりも大きいのは入口と出口の変化です。参照は1枚の画像ではなく、画像・動画・音声の組み合わせになりました。出力には最初からステレオ音声が付きます。修正は作り直しではなく、文章での指示で済みます。

重みの公開はMiniMaxが予告しています。それまでの利用経路は、Hailuo AIアプリ、MiniMax Hubデスクトップアプリ、MiniMax Open Platform API、そして対応するホスティングサービスです。対応する比率は21:9、16:9、4:3、1:1、3:4、9:16の6種類。参照素材から構図を決めるオートモードも用意されています。

MiniMax H3とMorphic

MorphicではVeo、Kling、Seedance、Vidu、旧世代のHailuoと並んで、MiniMax H3を選べます。手順はシンプルです。プロンプトバーでモデルを選び、ショットの内容をブリーフとして書き、保ちたい要素の参照を添えます。

生成したテイクはすべてCanvasに集まります。同じブリーフをH3と別のモデルの両方に投げ、並べて見比べてから決められます。用途に合うモデルを選ぶところまで、1つの画面で完結します。