MiniMax H3 が登場
本物の音声付きの2K映像をどこからでも
MiniMax H3 — 誰もが「Hailuo 3」として検索しているモデル — は、最長15秒のネイティブ 2K 映像を、ステレオ音声・マルチショットシーン・11言語の会話とともに一度の生成で作り出します。オープンウェイトには地域制限があり、上限は 768p です。Renderforest はホスト版のフルモデルを動かしています。どの国からでも、何もインストールせずに本物の 2K が手に入ります。
H3 の何が違うのか
2026年7月31日リリース。24fps のネイティブ 2K を 4–15秒、32kHz ステレオを同じパスで生成します。H3 は映像と音声を同時に予測し、1つのプロンプトから複数のカットを返します。それが実際に何を変えるのかを見てみましょう。
音声は映像と一緒に生成される。後付けではない
H3 は映像と同じパスでネイティブ 32kHz ステレオを生成します。会話、足音、部屋の空気感、音楽まで。無音のクリップにナレーションを重ねるのではなく、音声とフレームが1つのモデルから出てくるため、口の動き、衝撃音、環境音が実際に噛み合います。
アップスケールではない、ネイティブ 2K
作り直されたトークナイザー（MiniMax は H3-VAE と呼んでいます）によって実効シーケンス長がおよそ4倍になり、2K は後から引き伸ばすのではなく生成されます。看板の文字、ロゴ、UI 要素が原寸のまま崩れません。多くの動画モデルがいまだに苦手とする部分です。
1つのプロンプトから複数のカット
ワイド、クローズアップ、リアクションを頼めば、H3 はキャラクターとライティングが一貫した1つのまとまったシーケンスとして返します。3回別々に生成してつなぎ合わせ、顔が一致するのを祈る必要はありません。
参照素材は最大9点まで渡せる
H3 は1つのコンテキストで参照画像9点、動画クリップ3点、音声クリップ3点、合計12ファイルまで受け取ります。キャラクターシート、ロケーション、モーション参照、声を一度に渡せます。プロンプトの運任せではなく、参照にもとづく演出です。
11言語の会話
発話はモデル内で生成され、アラビア語、中国語、英語、フランス語、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語、ロシア語、スペイン語でリップシンクします。ポルトガル語やアラビア語で書いたシーンに、別途の吹き替え工程は要りません。
同じモデルの中で、指示による編集
参照生成の中で、H3 は渡したクリップからモーションを転写し、自ら生成した映像に平易な言葉での編集を受け付けます。「夜にして」「キャラクターはそのまま、部屋を変えて」。かつて3つのツールが必要だった作業を、1つのモデルでカバーします。
オープンウェイトは地域制限あり。ここなら、そのまま使えます。
利用状況
- MiniMax H3 · 2026年7月31日リリース · 33B パラメータ
- ウェイトは Hugging Face で公開 — 2026年8月3日
- セルフホスティングの除外地域：米国、欧州連合、英国、韓国
- 年間売上 $20M を超える商用セルフホスティングには書面による許諾が必要
- オープンウェイトの上限は短辺 768px — 2K モジュールは公開されていません
- ホスト版モデル：フル 2K、世界中で利用可能 — Renderforest でも
MiniMax は H3 のウェイトをコミュニティライセンスの下で公開しましたが、そのライセンスは自前のハードウェアでモデルを動かす際の除外地域として米国、欧州連合、英国、韓国を挙げ、年間売上 $20M を超える場合には書面による許諾を求めています。
ほとんど報じられていない、もう1つの落とし穴があります。
MiniMax はパイプラインの2つの部品をオープンリリースから外しました。プロンプト処理モジュール（H3-Context-IR）と、2K 再生成ステップ（H3-Regenerate-2K）です。後者がないと、ローカル環境での生成は短辺 768ピクセルにとどまります。つまり誰もが目にした「オープンウェイトの 2K 動画モデル」という見出しは、ダウンロードできるモデルではなく、ホスト版モデルを指しています。現時点ではどの国にいても、オープンウェイトから 2K は出せません。
ここでは、本物が手に入ります。
Renderforest はホスト版パイプラインをフルで動かしています。プロンプトを入力すれば、音声付きの本物の 2K が返ってきます。どの国からでも、どの端末でも、インストールも GPU のレンタルも不要です。
それでもローカルで動かしたい場合は
ウェイトは Hugging Face にあり、ComfyUI はリリースと同時に2026年8月3日にネイティブ対応を出荷し、AMD は Instinct MI355X と MI300X での day-0 サポートを発表しました。除外地域の外にいて、ハードウェアがあり、768p で構わないなら試す価値はあります。そうでなければ、このページが近道です。
プロンプトから公開まで4ステップ
- ステップ 1
ショットを描写する — 音も含めて
何が起きるか、そして何が聞こえるかを書きます。他のモデルがカメラの指示に応えるように、H3 は音の指示に応えます。「トタン屋根に降る雨」「彼女はスペイン語で静かにそう言う」「カットでベースが落ちる」。
ショットを描写する — 音も含めて - ステップ 2
参照素材があれば追加する
キャラクター画像、ロケーション写真、モーションを写し取りたいクリップ、声のサンプルを放り込みます。一度に画像9点、動画3点、音声3ファイルまで。
参照素材があれば追加する - ステップ 3
生成する — そして比べる
同じプロンプトを H3、Veo 3.1、Kling、Seedance で並べて走らせ、勝ったものを残します。カットによって強いモデルは変わります。1つのプランで、そのすべてをカバーできます。
生成する — そして比べる - ステップ 4
仕上げて、どこへでも公開する
エディターでカットをつないで1本の動画に仕上げ、ロゴ、ブランドカラー、字幕、ライセンス済み音楽を加えます。あとはワンクリックで YouTube、TikTok、Reels、Shorts 用にリサイズ。有料プランなら透かしなしです。
仕上げて、どこへでも公開する
H3 はどんな仕事に向いている？
機能を仕事に合わせて選びましょう。ここに挙げたものはすべて、Veo 3.1、Kling 3.0、Seedance 2.0 と同じプランで動きます。
H3 の技を1つずつ、プロンプト付きで
以下のクリップはすべて MiniMax H3 によるもので、生成に使ったプロンプトを全文そのまま載せています。プロンプトをコピーして、自分で試せます。
「海辺のラグジュアリー広告：巨大な[Sheewally]がパラシュートで降下し、風・重み・ゆるやかな揺れはリアルに。柔らかく着地し、パラシュートは自然にしぼむ。[50%]と[今すぐ購入]を表示。製品は変更せず、シャープに、直立したまま全体が見えるように。」
「ミツバチの目のPOVが、陽光あふれる草原を抜けてリアルな巣箱へと突き進む。黄金色の蜂蜜がハニカムの上に一行のタイトル『MINIMAX H3』を自然に形づくり、その周りをリアルなミツバチが飛び回る。超リアルなマクロ撮影、シネマティックな光、3〜4秒のホールド。」
「ブロンドの女性がターコイズの波打ち際にくるぶしまで浸かって立ち、生きた海水でできた流れるようなガウンをまとっている。液体のトレーンが揺らめきながら波に溶け込み、泡が足元を包む。柔らかくかすんだ光、フォトリアルなファッションエディトリアル、9:16。」
「擬人化された陽気なトマトのシェフが、温かみのある素朴なイタリアの厨房でマルゲリータピザを作る。モッツァレラ、バジル、ソースを加えたあと、チーズがとろける一口を嬉しそうに頬張る。その後、陶器のマグカップを手にカメラへ微笑む。ピクサー風3D、シネマティック、温かなボケ。」
「多様な同僚5人が会議テーブルを囲み、グラフについて活発に話し合い、笑い、身振りを交えながらアイデアを出し合う。自然な笑顔、ふとした視線の交わし、遊び心のある空気。明るいモダンなオフィス、柔らかな昼光、フォトリアルなコーポレートスタイル、16:9。」
「人形のような3Dのバリスタが、ゴールデンアワーのトロピカルなティキ・コーヒーバーでアイスラテを作る。豆を挽き、エスプレッソを抽出し、氷を入れてコーヒーを注ぎ、そしてカメラに微笑む。ターコイズブルーの海、ヤシの木、暖かな夕日、艶やかなピクサー風3D。」
MiniMax H3 のすべて
MiniMax H3 とは何か
MiniMax H3 は、MiniMax が2026年7月31日にリリースしたオムニモーダル生成モデルです。テキスト、画像、動画、音声を入力に、最大 2K の映像を、同じパスで生成されたステレオ音声とともに出力します。長さは4〜15秒、24フレーム毎秒、アスペクト比は 21:9 から 9:16 まで。モードは3つ。テキストから動画、最初と最後のフレームを制御する画像から動画、最大9枚の画像に動画・音声を加えた参照生成です。モーション転写と指示ベースの編集もここにあります。リリース時点で Artificial Analysis の動画編集部門で1位、AI 動画ランキングで首位に立った初のオープンウェイトモデルとなりました。
H3 か Hailuo 3 か、M3 か
MiniMax 自身はこれを MiniMax H3 と呼びます。リリースノート、研究ブログ、モデルカード、API、Hailuo アプリでもそうです。公式な「Hailuo 3.0」は存在しません。混乱するのも無理はありません。直前の2つのコンシューマー向け動画モデルは Hailuo 01 と Hailuo 02 だったので、Hailuo 03 を予想するのが自然でした。「Hailuo 3」や「hailou ai」で検索してここに来たなら、場所は合っています。同じモデルです。一方でこれは MiniMax M3 ではありません。M シリーズは、2026年6月1日リリースの M3 まで、すべてテキスト言語モデルです。
H3 は無料でどこでも使えるか
この1つの問いの裏に、3つの答えが隠れています。2026年8月3日に Hugging Face で公開されたウェイトは無料で入手できますが地域制限があり、コミュニティライセンスは米国、欧州連合、英国、韓国をセルフホスティングの対象外としています。しかも再生成モジュールが公開されず 2K は出せません。ローカル生成は短辺 768ピクセルが上限です。ホスト版 API は世界中でフル 2K を出しますが秒課金で、およそ $0.13 /秒、15秒のクリップ1本で約 $1.95 かかります。Renderforest のようなプラットフォーム経由なら、どこからでも同じ 2K と音声が得られ、無料プランもあり、借りる GPU も不要です。
Hailuo 2.3 から何が変わったか
単なるバージョンアップではありません。Hailuo 2.3 は 768p か 1080p を、6秒か10秒の固定長（1080p は6秒のみ）で、1枚のソース画像から生成し、音声もマルチショットもありませんでした。H3 は 2K を4〜15秒の任意の秒数で生成し、最大9枚の参照画像に動画と音声を加えて受け取り、映像と一緒に 32kHz ステレオを出力し、1つのプロンプトから同じキャラクターで複数のカットを返します。実際のところ、無音のワンテイクが会話のある短いシーンになったということです。2.x 向けのプロンプトはそのまま動き、音の指示とショットの描写を足すだけで新機能が生きます。実際に試せば、その差は最初の1本で分かります。
Veo・Kling・Seedance との違い
すべてのカットで勝つ単一のモデルは存在しません。多くのモデル紹介ページが言わない、正直な話です。H3 の強みは、2K での生成音声、マルチショット構成、11言語のリップシンク会話を、フロンティアの代替モデルの何分の1かの秒単価で実現している点です。Veo 3.1 は解像度と長さで先を行き、4K と1分超のシーン延長に対応します。Kling 3.0 は長い尺でのキャラクターの一貫性に優れ、1回の生成で最大6カットをつなぎます。Seedance 2.0 は最も多くの参照ファイルを受け取れます。現実的なのは、同じプロンプトを4つすべてで走らせ、うまくいったものを残すこと。追加費用はかかりません。
クリップは完成した動画ではない
H3 の上限は15秒で、実際のプロジェクトはどれもそれより長くなります。だから AI 動画ツールが役に立つかどうかを本当に決めるのは、生成のあとに何ができるかです。H3 の4カットをつなぎ、ロゴを載せ、視聴者が読む言語で字幕を入れ、ライセンスを持つ音楽を付け、3つのプラットフォーム向けに正しいサイズで書き出せますか。Renderforest はモデルのメニューになる10年前から動画プラットフォームでした。ジェネレーターはエディター、テンプレートライブラリ、ブランドキットにつながり、あなたのプロジェクトは最先端モデルの入れ替わりより長く生き残ります。クリップと完成した動画を分けるのは、その部分です。
クリエイターに愛される理由
最高の AI 動画ツールを探しているなら、Renderforest を試してみてください。プロンプトと参照画像に 100% 忠実な動画を作れるのはここだけです。
学習コストが低く、とても直感的。登録から数時間で、編集の知識ゼロのまま製品紹介動画を作れました。
イントロや AI 動画の制作に Renderforest を愛用しています。すべてが速く、驚くほど快適で、特に動画の品質が素晴らしい。
追加された AI ツールを使えば、台本を入力するだけで自社やブランドのプロ品質のコマーシャルが作れます。
Renderforest の AI 機能が大好きです。本当に素晴らしい。AI リールメーカーで目を引くリールも作れます。
Renderforest なら AI でも手動でも多彩な方法で動画を編集できます。他の AI ツールと違い、コスト効率がよく効率的です。
新しい AI 機能は最高です。画像から動画への変換で、自分の絵本のキャラクターを使った美しい短編アニメを作りました。
映像制作の経験はありませんが、このプラットフォームは台本を手間なく明快でプロ品質の動画に変えてくれます。
キャンペーンの品質が一段上がりました。この制作スピードなら、小売クライアントにも大手代理店並みの素材を提供できます。
AI 機能はとても印象的です。特に動画やブランドコンテンツで、制作をより速く、より賢くしてくれます。
動画制作に Renderforest を使っていますが、期待以上でした。テンプレートの種類も豊富。迷わず 5 つ星です。
使いやすいインターフェース、豊富なテンプレート、幅広いカスタマイズ、そして高速レンダリング。おかげで思い描いた表現が実現します。
何百本も作ってきましたが、仕上がりの品質にはいまも驚かされます。マーケティング 30 年で最良の投資でした。
映像制作を専門にしていますが、Renderforest なら速く簡単にプロ水準に到達できます。速くて、シンプルで、プロ仕様。
定額プランは1つ。MiniMax H3 も、その隣に並ぶすべてのモデルも。
- MiniMax H3
- Veo 3.1
- Kling 3.0
- Seedance 2.0
- Pixverse V6
- Renderforest Fast
H3 への直接の API アクセスは 2K でおよそ $0.13 /秒 — 15秒のクリップ1本で約 $1.95、再販業者の利ざやが乗ればさらに上がります。Renderforest は H3 を Veo 3.1、Kling、Seedance、Pixverse とまとめて1つのサブスクリプションで提供します。エディター、1200以上のテンプレート、ブランドキット、商用利用権つき。クレジットパックも秒単位の計算もなく、次のブレイクスルーモデルも追加料金なしで加わります。
ニーズに合った最適なプランを見つけましょう 最適な登録プランを選びましょう
よくある質問
MiniMax H3 とは？
MiniMax H3 は2026年7月31日にリリースされたオムニモーダル動画生成モデルです。24fps のネイティブ 2K 映像を4〜15秒生成し、同じパスで 32kHz ステレオ音声を作り、マルチショットシーンと11言語のリップシンク会話に対応し、テキスト・画像・動画・音声を入力として受け取ります。Renderforest なら、何もダウンロードせずに無料で使えます。
MiniMax H3 と Hailuo 3 は同じものですか？
はい、同じ1つのモデルです。MiniMax 自身の名称は MiniMax H3 で、リリースノート、モデルカード、API でもそう使われています。「Hailuo 3」や「Hailuo 3.0」は非公式な呼び名で、直前の2つのコンシューマー向けモデルが Hailuo 01 と Hailuo 02 だったこと、そしていくつかのプラットフォームが H3 をその名前で掲載していることから広まりました。テキスト言語モデルである MiniMax M3 とは無関係です。
米国・英国・EU で MiniMax H3 を使えますか？
はい、ホスト型のプラットフォーム経由なら使えます。MiniMax のオープンウェイトのライセンスは米国、EU、英国、韓国を除外地域として挙げていますが、この制限は自前のハードウェアでウェイトを動かすことに対するものです。Renderforest 経由で H3 を使う分にはどの国からでも動き、しかもダウンロード版のウェイトでは出せないフル 2K のパイプラインが手に入ります。
MiniMax H3 は無料ですか？
ライセンスが認める地域では、ウェイトは無料でダウンロードできます。ただし MiniMax が 2K の再生成モジュールを公開しなかったため、ローカル環境では短辺 768ピクセルが上限です。公式 API は有料で、2K でおよそ $0.13 /秒、768p で $0.08 です。Renderforest の無料プランにはカード不要で回数制限付きの H3 生成が含まれ、有料プランでは透かしがなくなり、商用利用権が付きます。
MiniMax H3 は音声も生成しますか？
はい。それこそがこのモデルの核心です。H3 は映像と音声を同時に予測し、会話・効果音・環境音を含む 32kHz ステレオを同じパスで出力します。映像と音が1つのモデルから出てくるため、口の動きや衝撃音は近似ではなく、実際に同期します。
MiniMax H3 の動画はどれくらいの長さにできますか？
1回の生成につき4秒から15秒まで、1秒刻みで、24フレーム毎秒です。それより長いものは、複数のカットを生成して Renderforest のエディターでつないでください。H3 のクリップを Veo 3.1 や Kling のカットと同じタイムラインで編集し、1本の動画として書き出せます。
MiniMax H3 の出力解像度は？
最大 2K、短辺 1440ピクセル、アスペクト比は 21:9 から 9:16 まで。2K はあとからアップスケールするのではなく生成されるため、低解像度のレンダリングを引き伸ばすモデルより、画面上の文字・ロゴ・細部の持ちが良くなります。なお、オープンウェイトは短辺 768ピクセルに制限されています。
MiniMax H3 と Veo 3 — どちらを使うべき？
2K での生成音声、マルチショットシーン、多言語の会話を、はるかに低い秒単価で使いたいなら H3 です。解像度と長さを最大化したいなら Veo 3.1 で、4K と1分を超えるシーン延長に対応します。どちらも同じプランで Renderforest 内で動くので、事前に選ぶのではなく、両方でプロンプトを走らせて比べてください。
H3 は Hailuo 2.3 と何が違いますか？
Hailuo 2.3 は1枚のソース画像から、6秒か10秒の固定長で無音の 768p または 1080p クリップを作り、マルチショットはありませんでした。H3 は4〜15秒の任意の長さで 2K を作り、映像と一緒にステレオ音声を生成し、1つのプロンプトから複数のカットを返し、最大9枚の参照画像に動画と音声を加えて受け取れます。プロンプトはほとんど手を入れずに移行できます。
MiniMax H3 をローカルで動かせますか？
米国、EU、英国、韓国の外にいるなら、はい。33B のウェイトは Hugging Face にあり、ComfyUI は2026年8月3日にネイティブ対応を出荷し、AMD は Instinct MI355X と MI300X での day-0 サポートを発表しました。ただし注意が2点。年間売上 $20M を超える商用利用には書面による許諾が必要で、2K の再生成モジュールが公開されていないため、ローカル出力は短辺 768ピクセルが上限です。
MiniMax H3 の動画を商用利用できますか？
有料プランで Renderforest 内で生成・編集した動画には、広告、クライアントワーク、収益化チャンネルに使える商用利用権が付きます。なお YouTube や Meta などのプラットフォームは、写実的な AI 生成映像へのラベル付けをクリエイターに求めています。どのモデルで作ったかにかかわらず、やっておく価値があります。
Hailuo 4 は登場しますか？
MiniMax からの発表はありません。リリースのペースは速く、2025年に Hailuo 02、その年の10月に Hailuo 2.3、その9か月後に H3 でした。次のバージョンが出れば、ここの同じモデルメニューに並びます。単一モデルのラッパーではなく、マルチモデルのプラットフォームで作業する意味はそこにあります。何か変われば、その日にこのページを更新します。