画像・動画・音声をまとめて使用
1回のリクエストで最大9枚の画像、3本の動画、3つの音声クリップを組み合わせられます。キャラクター、商品、カメラの動き、声をそれぞれプロンプトで指定できます。
MiniMax H3 API:MiniMaxのHailuo 03は、プロンプト、参照画像、動画、音声から、音声付きの768pまたは2K動画を1秒あたり$0.039から生成します。
minimax-h3import os, time, requestsAPI = "https://api.zurelay.com/v1"headers = {"Authorization": f"Bearer {os.environ['ZURELAY_API_KEY']}"}res = requests.post(f"{API}/videos", headers=headers, json={ "model": "minimax-h3", "prompt": "A red fox trotting through fresh snow at dawn, cinematic", "seconds": 5, "resolution": "768p", "aspect_ratio": "16:9",})res.raise_for_status()job = res.json()# Takes a few minutes: poll until it's donewhile job["status"] in ("queued", "in_progress"): time.sleep(5) job = requests.get(f"{API}/videos/{job['id']}", headers=headers).json()if job["status"] == "failed": raise SystemExit(job["error"]["message"])video = requests.get(f"{API}/videos/{job['id']}/content", headers=headers)with open("video.mp4", "wb") as f: f.write(video.content)print(f"Saved video.mp4 for ${job['cost']}")ベースURL https://api.zurelay.com/v1. HTTPS経由のシンプルなJSONで、ジョブの開始、状況の確認、MP4のダウンロードができます。 MiniMax H3ガイド
料金
プリペイド残高からの従量課金で、サブスクリプションは不要です。$10からチャージできます。動画は納品後にのみ課金され、生成に失敗した動画は無料です。
A clip costs its length in seconds times the price at its resolution. It's held from your balance when the job is acceptedとcharged when the video is delivered. Reference images, reference videos, reference audio and the aspect ratio don't change the price.
MiniMaxのすべてのモデルと料金解像度、長さ、動画の作成数を選んでください。
100 クリップ × $0.195
概要
MiniMax H3 (Hailuo 03)は、テキスト、画像、動画、音声をまとめて読み取り、それぞれに関する詳細な指示に従うMiniMaxの汎用動画モデルです。Zurelayでは、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本の参照音声クリップを自由に組み合わせ、ネイティブ音声付きの768p・2Kクリップを4~15秒で生成できます。ZurelayのMiniMax H3 APIは参照素材込みで1秒あたり$0.039から。MiniMaxの公式価格より低価格です。
MiniMaxは2026年7月にH3を公開しました。テキスト、画像、動画、音声をコンテキストとして受け取り、ネイティブのステレオ音声付き動画を生成する汎用モデルです。Hailuo 03とも呼ばれます。ZurelayでのモデルIDはminimax-h3で、MiniMax自身の名称であるMiniMax-H3も使用できます。
ZurelayのMiniMax H3では、プロンプトに加え、人物・製品・場所・スタイルを示す参照画像を最大9枚、動きやカメラワークを参考にする参照動画を最大3本、声やサウンドトラック用の参照音声クリップをMP3またはWAVで最大3本使用できます。セリフをプロンプトに書き、音声クリップで話し方を指定します。テストでは、キャラクターがセリフを一語ずつ正確に、映像と同期して話しました。参照動画と参照音声クリップは、それぞれ1本あたり2~15秒、合計15秒までです。ZurelayのH3では開始・終了画像を固定できません。画像を参照素材として渡し、動画の冒頭をプロンプトで指定してください。
クリップは768pまたは2Kで、長さは4~15秒の整数秒、アスペクト比は16:9、9:16、1:1、4:3、3:4、21:9です。16:9クリップのサイズは768pで1376 × 768、2Kで1920 × 1088と、MiniMax公式のサイズに準じます。音声は常に生成されます。APIは非同期です。POST https://api.zurelay.com/v1/videosでジョブがすぐに返されます。GET /v1/videos/{id}を完了までポーリングし、MP4をダウンロードしてください。5秒の768pクリップは通常about 2.5 minutesかかります。
ZurelayのMiniMax H3は秒単位の料金です。768pは1秒あたり$0.039、2Kは$0.064で、MiniMaxの$0.08、$0.13より低価格です。MiniMaxでは参照動画の秒数や6枚目以降の参照画像にも料金がかかりますが、Zurelayでは参照画像、動画、音声に追加料金はかかりません。ジョブの受付時に残高から料金を確保し、動画の納品時にのみ請求します。失敗した動画には料金がかかりません。
強み
1回のリクエストで最大9枚の画像、3本の動画、3つの音声クリップを組み合わせられます。キャラクター、商品、カメラの動き、声をそれぞれプロンプトで指定できます。
プロンプトにセリフを書き、音声クリップを追加すると、キャラクターがその声で口の動きに合わせて話します。
16:9の2K動画は、768pからのアップスケールではなく、モデルが1920 × 1088で直接生成します。
768pは1秒あたり$0.039、2Kは$0.064です。MiniMaxの$0.08、$0.13を下回り、参照素材による追加料金もありません。
ユースケース
出演者の画像、音声クリップ、プロンプト内の台本から、SNS向けの9:16のトーク広告を作成できます。
商品写真を参照画像として渡し、シーン、カメラ、音を指定します。
動きやカメラワークを使いたい動画を渡し、その動きを適用する新しい被写体を指定します。
音楽クリップを追加し、リズムに合わせた動きを指定できます。ダンス、ループ動画、ティーザーに使えます。
始める
ウェイトリストもインストールも不要。必要なのは3つのHTTPSエンドポイントとAPIキーだけです。
Sign up, add creditとcreate an API key. Set a monthly budget or a rate limit per key if you like.
Every video endpoint lives under this base URL. Send your key as a Bearer token.
https://api.zurelay.com/v1POST a prompt~/v1/videos, poll the job every few seconds until it's completed, then download the MP4. Videos are kept for 30 days.
minimax-h3普段使っているツールに対応
比較
1秒あたり$0.135から
最大30秒の動画、最大30枚の参照画像、動画の編集・延長にはSeedance 2.5を選んでください。最初のフレームも指定できます。
Seedance 2.5 API1秒あたり$0.042から
最初と最後のフレームの指定、360pから4Kでの生成、参照動画を使った編集にはGemini Omni Flashを選んでください。
Gemini Omni Flash API1秒あたり$0.039から
最初のフレームの指定、最大10枚の参照画像、最大30秒の動画にはWan 3.0を選んでください。
Wan 3.0 APIZurelayでは動画の秒数に応じて課金されます。768pは1秒あたり$0.039、2Kは$0.064で、5秒の768p動画なら$0.195です。MiniMaxの価格は1秒あたり$0.08と$0.13です。音声、参照画像、参照動画、参照音声、アスペクト比によって料金は変わりません。
はい。reference_audioにMP3またはWAVのクリップを最大3つ渡せます。httpsリンクまたはbase64データURLを使用し、各クリップは2~15秒、合計15秒以内にしてください。声のクリップを使うと、キャラクターの声を指定できます。プロンプトに正確なセリフを引用符で囲んで書くと、キャラクターがその声で口の動きに合わせて話します。音楽クリップをサウンドトラックに使うこともできます。その場合は、参照音声そのものを全編のサウンドトラックとして使い、歌や画面上のテキストは入れず、インストゥルメンタルのみにするようプロンプトで指定してください。指定しないと、モデルが独自の曲を作ることがあります。音声は単独でも、参照画像や参照動画と組み合わせても使えます。
Zurelayでは指定できません。代わりに、reference_imagesに画像を渡し、動画の始まり方を指定してください。first_frameまたはlast_frameを含むリクエストは、課金前に理由を示すメッセージとともに即座に拒否されます。
ZurelayのキーをBearerトークンとして使い、POST https://api.zurelay.com/v1/videosにJSONボディを送信します。modelにminimax-h3、promptにプロンプトを指定し、必要に応じてreference_images、reference_videos、reference_audio、seconds(デフォルトは5)、resolution(デフォルトは768p、または2k)、aspect_ratio(デフォルトは16:9)を指定します。ジョブはすぐに返されます。GET /v1/videos/{id}でstatusがcompletedになるまで確認し、/v1/videos/{id}/contentからMP4をダウンロードしてください。
5秒の768p動画は通常about 2.5 minutesで生成されます。2Kや長い動画、参照動画を使う場合はさらに時間がかかります。確認中は、ジョブのprogressフィールドに0~100の進捗予測が表示されます。
解像度は768pと2K、長さは4~15秒の整数秒、アスペクト比は16:9、9:16、1:1、4:3、3:4、21:9に対応します。16:9の動画は768pで1376 × 768、2Kで1920 × 1088です。MiniMaxはフレームを32ピクセル単位に揃えます。
Zurelayがジョブを受け付けると、料金が残高から確保され、動画の納品時にのみ課金されます。コンテンツフィルターがプロンプトや参照素材を拒否した場合を含め、生成に失敗した場合は料金がかかりません。
はい。リクエストはMiniMax H3で処理され、Zurelayは動画のフレームサイズがH3固有のものか確認しています。動画生成の結果は毎回異なるため、同じプロンプトでも異なる動画になります。Zurelayは独立したサービスであり、MiniMaxとは提携していません。