テキストのショット設計や開始画像を、同期ステレオ音声付きの4〜15秒動画へ変換。動き、カメラ、台詞、効果音、環境音、解像度、公開比率を一つのMiniMax H3生成画面で設定できます。
Upload Image
Click or drag to upload
Supports JPG/PNG/WEBP
0/2000
MiniMax H3 · Hailuo 3.0 · テキスト・画像から動画生成
VidFluxのMiniMax H3 AI動画生成ツールは、文章で書いたショット設計や開始画像を、同期したネイティブ音声付きの動画へ変換します。長さは4〜15秒、解像度は720pまたは2K。テキストから動画では6種類のアスペクト比を選択できます。このページでは、VidFluxで実際に使える設定、クレジット計算、映像・動き・カメラ・台詞・効果音・環境音を一つのプロンプトにまとめる方法を解説します。
MiniMax H3はHailuo 3.0とも呼ばれるMiniMaxのマルチモーダル生成モデルです。VidFluxでは、自由に場面を設計するテキストから動画と、商品・人物・アートディレクションを開始画像で固定する画像から動画を利用できます。2枚目の画像を追加すると、終了フレームの構図も指定できます。
プロンプトは単なる見た目の説明ではなく、短い映像制作ブリーフとして書きます。被写体、場所、時間順の動作、カメラ、照明、台詞、効果音、環境音を整理してください。VidFluxで公開している機能は、テキスト、最大2枚の画像、4〜15秒、720p/2K、テキストから動画の6比率です。研究版の全機能が使えると誤解させない構成にしています。
「映画的な音」ではなく「留め金が閉じた瞬間に金属音」のように、画面上の原因とタイミングを結び付けます。台詞は選んだ秒数に収まる短さにし、話者、声質、開始時点を明記します。環境音は別に書き、音楽が不要なら「音楽なし」と指定します。
完成動画はヘッドホンで確認し、声の明瞭さ、左右のバランス、重複した衝撃音、口や動作との同期をチェックします。SNS向けなら無音でも内容が伝わるか確認してください。主動作を一つに絞り、カメラ案と音のイベントを少数にすると読みやすい結果になります。
テキストから動画は、雰囲気、ロケーション、レンズ、動き、キャンペーン案を探索するときに向きます。9:16はShortsやReels、16:9はYouTube、1:1はフィード、21:9はシネマティックな見せ方など、公開先に合わせて最初から構図を設計します。
画像から動画は、承認済みキービジュアル、商品レンダー、キャラクター、絵コンテを起点にするときに向きます。何を固定し、何を動かし、カメラが開始から終了へどう移動するかを書きます。参照画像は外観を固定しますが、動作指示の代わりにはなりません。
4〜6秒はフック、リアクション、商品リビールに適します。7〜10秒なら一つの動作を展開し、短い台詞も入れられます。11〜15秒では明確な時間順が必要です。長ければ良いわけではなく、イベントが増えるほど人物や背景、カメラがずれる可能性も増えます。
まず720pで構図、動き、テンポ、音を比較し、採用案だけ2Kへ進めるとクレジットを管理しやすくなります。2Kでも手、顔、小さな文字、反射、物体同士の接触、速い動きを必ず実寸で確認してください。
最初の1秒、主動作、最後の1秒を分けて確認します。開始位置、カメラ移動の物理的な読みやすさ、終了構図、音の同期を見ます。問題があればプロンプト全体を変えず、一つの指示だけ修正します。
モデル、モード、秒数、解像度、比率、画像バージョン、採用プロンプトを記録してください。MiniMax H3 AI動画生成ツールは制作を加速しますが、素材の権利、ブランド、事実性、アクセシビリティ、AI生成であることの表示は別途確認が必要です。
MiniMax H3
以下は現在のVidFlux実装に基づく機能です。
被写体、動作、カメラ、照明、音を一つのブリーフで指定。
1枚で開始、2枚で開始と終了の構図を固定。
4〜15秒の整数秒をすべて選択可能。
720pで試作し、採用案を2Kで仕上げる。
映画、Web、フィード、縦型に合わせて生成。
台詞、効果音、音楽、環境音を同期生成。
最初の検証を整理するとクレジットを節約できます。
探索はテキスト、外観固定は画像。
開始、主動作、カメラ、終了、音の順で整理。
4〜15秒に収まるイベント数にする。
静止画ではなく動画全体を見比べる。
成功した指示を残し、弱点だけ明確化。
細部、人体、接触、音声同期を確認。
基本式：被写体＋場所＋時間順の動作＋カメラ＋照明＋スタイル＋音＋制約。
青い時間帯、濡れた玄武岩の上にマットブラックの携帯スピーカー。水滴の極端なクローズアップからゆっくりドリーアウト。3秒目に暖色のリングライトが点灯。左に余白を残した3/4ヒーロー構図で終了。商品形状を安定させる。音：弱い雨、点灯と同時の電子チャイム、声と音楽なし。
一つの商品、一つのリビール、同期イベント、明確な終了構図。
夜市の料理人が蓋付きフライパンを胸の高さで持ち、カメラを見る。1秒目に「見てて」と言い、2秒目に蓋を上げる。暖色ネオンに蒸気、短く制御されたプッシュイン。驚いた表情と麺で終了。音：市場、蓋の音を同期、蒸気、明瞭な台詞、音楽なし。
フック、リビール、カメラ、音が6秒に収まります。
顔、コート、中央のシルエットを保持。紙が回り始め、灰色の駅が終了画像の明るいアトリウムへ徐々に変わる。時計回りの連続オービット、カットなし。終了構図に正確に合わせる。音：列車音が消え、鳥と噴水が入る。台詞なし。
保持対象、変化、カメラ、到達点、音の変化が明確です。
どちらもMiniMax H3で生成した5秒・720pの映像です。音声を有効にして、人物の近接動作と広い移動風景の違いを比較できます。
雨の街で、顔の一貫性、歩行、反射、蒸気、カメラ追従、同期した都市環境音を確認できます。
空撮で、大規模な動き、下降するカメラ、水面、鳥、光の変化、重なった自然音を確認できます。
ショット、試作コスト、納品条件で選びます。
同期音声、4〜15秒、任意の2Kが重要ならMiniMax H3。
480p/720pの試作や別の動き表現を比較。
人物動作や演出の別テイクを確認。
コスト、利用状況、制御性、ルックを案件ごとに判断。
名称、入力、秒数、2K、音声、クレジット、制約への回答。
H3はMiniMaxの新しいHシリーズで、市場ではHailuo 3.0やHailuo 03とも呼ばれます。
テキストのみ、開始画像1枚、または開始と終了の2枚です。動画・音声参照はこの画面では使えません。
4〜15秒を1秒単位で選べます。
はい。720pで試作し、採用案を2Kにする方法がおすすめです。
テキストから動画で21:9、16:9、4:3、1:1、3:4、9:16です。
はい。同期したネイティブ・ステレオです。台詞、効果音、環境音、タイミングを指定してください。
720pは35/秒、2Kは50/秒。5秒なら175または250です。
主動作を一つにし、時間順、カメラ、音の原因とタイミングを明確にします。
プラン、素材の権利、適用ルールによります。最新の利用規約を確認してください。
手、小さな文字、反射、人物同一性、物体接触、速い動きを確認してください。