MiniMax H3 on VM0。最大2Kのネイティブ音声付き動画
ミニマックスのオープンな汎用ビデオモデル。テキスト、画像、ビデオ、音声から 4 秒から 15 秒のクリップを生成します。ネイティブステレオサウンド付き。
Video / Text-to-video / Image-to-video / Audio
MiniMax H3 はオープンで汎用のマルチモーダルビデオモデルです。テキスト、画像、ビデオ、音声を一つのコンテキストで理解し、768p または 2K でネイティブステレオサウンド付きの 4 秒から 15 秒のクリップを生成します。VM0 では、モデルは 1 件のリクエストで最大 9 つのリファレンス画像、3 つのリファレンスビデオ、3 つのリファレンス音声クリップを受け付けます。最大 12 ファイルのリクエストが可能です。
H3 のクリアな位置は、高解像度、リファレンスガイドビデオと音声です。2K で動き、キャラクター、製品、サウンドトラックのリファレンスを一緒に処理します。Dreamina Seedance 2.5 は 30 秒のストーリーとより大きなリファレンスセットに適しています；Veo 3.1 Fast と Kling V3 4K は 4K オプションです。
MiniMax H3とは？
2026 年 8 月 · オープンな汎用マルチモーダルビデオモデル、ネイティブ統合音声とビデオ生成。
ミニマックスは 2026 年 7 月に H3 を導入し、2026 年 8 月にオープンソース化しました。リリースは統一テキスト、画像、ビデオ、音声理解とネイティブ 32 kHz ステレオサウンド、2K 出力、15 秒までのクリップを組み合わせています。
VM0 はホストされた MiniMax ルートを minimax-h3 アリAS で公開します。テキストからビデオ、最初のフレーム、最後のフレーム、最初から最後のフレームの生成、そして画像、ビデオ、音声のそれぞれのリファレンスモードをサポートします。境界フレームとリファレンスメディアは同じリクエストで組み合わせることはできません。
MiniMax H3の注目ポイント
アーキテクチャと機能の主な特徴。
汎用マルチモーダルビデオ生成システム、統合ビデオとステレオ音声出力。H3 はテキスト、画像、ビデオ、音声のコンテキストを統一し、リファレンスガイド生成に使用します。2K パスは元のコンテキストを保持して詳細を高解像度で再生成します。
スペック概要
MiniMax H3の価格
生成単位ごとのベンダー定価。
MiniMax H3の実践的な挙動
本番エージェント実行で観測された動作。
2K 出力
最高解像度の referece ガイドドオプションが収録されたラインナップ。H3 は、画像、動画、音声の参照を 2K まで引き上げ、720p または 1080p でストップすることなく処理します。
ネイティブステレオ音声
各 H3 世代には、視覚シーケンスに合わせて発声、効果音、楽曲が発展する共有ステレオサウンドが含まれています。音声やリズムが別途追加されるのではなく、視覚シーケンスと共に発展します。
オミニ参照コントロール
一発コマンドで、画像からキャラクターと製品、動画から動き、音声やリズムから音声を組み合わせることができます。H3 は、これらの参照タイプ間の関係性に依存する出力が必要な場合に特に有用です。
参照コストの可視化
出力ビデオ秒と入力ビデオ秒は、解像度に基づいた同一のレートで課金されます。最初の 5 つの参照画像は含まれますが、追加の画像は $0.05 で VM0 です。参照音声は別途課金されません。
MiniMax H3に最適なエージェントタスク
2K の製品映画に音声を追加
製品やブランドの画像を使用して視覚的なコントロールを行い、動画の参照とサウンドトラックを追加し、ネイティブステレオ音声と共に高解像度のクリップを一発で生成します。
声と動きによるパフォーマンスのガイド
キャラクターの画像、動きの参照、声のクリップを組み合わせます。H3 は、これらの 3 つのモードを同時に使用して、外見、行動、音声を調整することができます。
最初から最後のフレームの revea
開場と閉場のフレームを設定し、H3 が 768p または 2K でネイティブ音声と共にその間の移行を生成します。このモードはマルチモーダル参照生成とは別です。
MiniMax H3を避けるべきケース
MiniMax H3 が必要な場合、15 秒を超えるクリップ、静寂の出力、12 以上の参照ファイル、同じリクエスト内の境界フレームや参照メディアをスキップできます。Dreamina Seedance 2.5 は 30 秒のナarrative とより大きな参照セットを使用する場合、Veo 3.1 Fast は短い 4K シネマティック出力、または Kling V3 4K はスタイル化されたネイティブ 4K ビデオを選択します。
MiniMax H3 vs 他のモデル
MiniMax H3 vs Dreamina Seedance 2.5
MiniMax H3 は出力解像度でリードし、2K ビデオと常にネイティブステレオ音声が付いています。Seedance 2.5 は長さと参照容量でリードし、30 秒までのクリップと最大 50 つのマルチモーダル参照を含めることができます。
MiniMax H3 vs Veo 3.1 Fast
H3は最大15秒のクリップを生成し、画像、動画、音声の参照を受け入れます。一方、Veo 3.1 Fastは最大8秒ですが4K出力に対応します。どちらもネイティブ音声を生成するため、参照制御を重視するならH3、4Kのシネマティックな仕上がりを重視するならVeoを選びます。
MiniMax H3 vs Kling V3 4K
H3 はマルチモーダル参照、ネイティブステレオ音声、出力までの 2K を組み合わせます。Kling V3 4K はより高い配信解像度とより強力なスタイル化の上限を持ちますが、H3 の参照ガイドドワークフローを提供しません。
結論: MiniMax H3を使うべきか？
MiniMax H3 を選択すると、ネイティブステレオ音声と解像度 2K までの参照ガイドドクリップが得られます。Seedance 2.5 は長いナarrative とより大きな参照セットを選択するか、最終的な配信解像度が優先される場合に 4K ルートを選択します。
よくある質問
MiniMax H3 は VM0 でどの長さと解像度をサポートしていますか？
4 秒から 15 秒までのすべての秒単位の長さ、768p または 2K。現在の VM0 ルートはデフォルトで 2K です。
MiniMax H3は常に音声を生成しますか？
はい。H3は常に動画と共にネイティブステレオ音声を返します。このモデルではサイレント出力オプションは利用できません。
一つのH3リクエストで何枚のリファレンスを含めることができますか？
最大9枚の画像、3つのビデオクリップ、3つの音声クリップまで、合計で12枚のリファレンスファイルまでです。リファレンス音声は少なくとも1枚の画像またはビデオと共に提供する必要があります。
最初と最後のフレームは他のリファレンスと組み合わせることができますか？
いいえ。H3の境界フレームモードとマルチモーダルリファレンスモードは別々です。リクエストは最初と最後のフレームまたはリファレンス画像、ビデオ、音声を使用できますが、両方のグループを同時に使用することはできません。
MiniMax H3はVM0でどのように価格設定されていますか？
出力は768pで1秒あたり$0.10、または2Kで1秒あたり$0.163で課金されます。リファレンスビデオの時間は同じレートで課金されます。最初の5枚のリファレンス画像は含まれていますが、それ以上の画像は1枚あたり$0.05で課金されます。リファレンス音声は無料です。
MiniMax H3はオープンソースですか？
MiniMaxは2026年8月にH3のタスク固有のチェックポイントとサポートコードを公開しました。VM0はMiniMaxのホストAPIルートを使用しているため、チェックポイントを自分で展開せずにモデルを実行できます。
代替モデル
VM0でMiniMax H3を使う
VM0 で MiniMax H3 を使う
VM0 のエージェントはエージェント実行の一部として MiniMax H3 を呼び出すことができ、VM0 クレジットで請求されます。上記の定価はアップストリーム・プロバイダーが課金する金額で、VM0 は標準のクレジット換算で透過的に転送します。
VM0でAugust 2026から利用可能。