MiniMax H3

MiniMax H3 (Hailuo 03) は、MiniMax の動画モデルです。プロンプトに加え、最大 9 枚の参照画像、3 本の参照動画、3 件の参照音声クリップから、768pと2K・4～15 秒の音声付き動画を生成できます。

料金

クリップの料金は長さと秒単価で決まります。5秒の768pクリップは$0.195です。動画が完成した場合にのみ課金されます。

必要な入力

• 最大7,000文字のプロンプト。
• 任意の組み合わせで最大9個のreference_images, 3 reference_videos と3個のreference_audioクリップ（MP3またはWAV）、追加料金なし。参照動画の合計は最大15秒で、音声クリップも同様です。first_frameやlast_frameは使えません。画像を参照として渡し、動画の冒頭をプロンプトで指定してください。
• 長さは4～15秒で、1秒単位で指定します。
• 16:9, 9:16, 1:1, 4:3, 3:4と21:9. 縦横比はaspect_ratioで指定します。省略すると、参照画像に関係なく16:9になります。
• 音声は常に有効です。
• 768pと2K.

例

{
  "model": "minimax-h3",
  "reference_images": ["https://example.com/presenter.jpg"],
  "reference_audio": ["https://example.com/voice.mp3"],
  "prompt": "The woman from the image holds up a serum bottle and says, in the voice from the audio: \"Two weeks with this serum and my skin is glowing.\" Handheld phone video.",
  "seconds": 8,
  "resolution": "768p",
  "aspect_ratio": "9:16"
}

プロンプトの書き方

• 各参照素材の用途を「画像の女性」「動画の動き」のように指定してください。
• 人物に話させるには、セリフを引用符で囲んでプロンプトに書きます。reference_audioに音声クリップを指定すると声の特徴を設定できますが、セリフを書かないと架空のフレーズを話します。
• 音楽クリップをサウンドトラックに使う場合は、「参照音声そのものをサウンドトラック全体に使い、インストゥルメンタルのみ、歌なし、画面上の文字なし」と指定してください。指定しないと、モデルが歌詞や字幕付きの曲を独自に作ることがあります。
• 参照動画の動きやカメラワークを反映できます。

知っておくと便利なこと

• クリップの生成には通常2～5分かかります。参照素材を使う場合や2Kでは、さらに時間がかかります。
• 参照画像、動画、音声の料金は含まれています。
• 参照動画（MP4またはMOV）と音声クリップ（MP3またはWAV）は、それぞれ2～15秒です。ネガティブプロンプトとシードには対応しておらず、音声は常に有効です。
• コンテンツルールに違反する可能性があるプロンプトや画像は拒否される場合があります（content_policy）。拒否された動画に料金はかかりません。
• 動画の保存期間は30日間です。残しておきたい動画はダウンロードしてください。

APIの詳細は動画生成をご覧ください。ダッシュボードのプレイグラウンドでも試せます。各動画のコードも表示されます。