MiniMax H3・H3 Max・H3 Max Turbo・FastH3 の違い:Hailuo H3 全バージョン解説(2026)
サビのカットに使うモデルを探して一覧を開くと、MiniMax H3、H3 Max、H3 Max Turbo、MiniMax-H3-Max、H3-Lite、HeyGen Video、FastH3 と似た名前が並んでいます。同じファミリーに見えるのに、1秒あたりの料金は2.5セントから16セントまでバラバラです。あるものは「追加学習済み」、あるものは「オープンソースの H3 をベースにした」と書かれています。GitHub を検索すると、4ステップ蒸留版、Apple Silicon 移植版、TPU 移植版まで出てきます。知りたいのは、どれが公式で、どれが自分のカットに合い、どれが安いのかということだけのはずです。
これは1つのモデルの話ではなく、オープンソースのエコシステムの地図です。MiniMax が2026年8月に H3 の重みを公開して以来、公式 API、ホスティング各社、動画企業、大学の研究室が、それぞれこの上に自分たちのバージョンを出してきました。
多くの記事は「H3 はすごい」と述べるか、1社の価格を貼るだけです。この記事では、全バージョンを1つの表にまとめます。誰が作ったのか、何がベースか、何を変えたのか、t2v / i2v / r2v / リップシンクのどれに対応するか、1秒あたりいくらか、自分で動かせるかどうかを並べます。数字はすべて出典にリンクし、2026年10月26日に確認しました。
先に結論:どのH3がどれか
- MiniMax H3 = Hailuo 03 = Hailuo H3。 ベースは同じモデルで、呼び名が違うだけです。MiniMax は2026年7月の WAIC で Hailuo 03 として発表し、8月3日に重みをオープンソース化しました。
- 「H3 Max」は2つの別物を指します。 fal の H3 Max は、fal がオープンな H3 に追加学習を施したクローズドモデルです。MiniMax 自社の API にも、複数素材の参照を軸にした MiniMax-H3-Max があります。名前は同じでも製品は別です。
- H3 Max Turbo は fal の高速版 H3 Max です。テキストから動画・画像から動画では H3 Max の約半額で、10月下旬からは参照動画生成(顔の固定)にも対応し、料金は H3 Max と同じです。
- FastH3 は Hao AI Lab が公開している 4ステップの蒸留版です。一般向け RTX カードを含む自分の GPU で動かせます。
- **尺:**オープンな H3 は 4–15秒、fal の H3 Max は 5–15秒、Turbo の参照動画生成は 0.92秒から、HeyGen Video は最長 30秒です。
以降の内容は、この各行を出典付きで裏づけるものです。
まずは出発点から見ていきます。これは10月25日の MiniMax の投稿で、コミュニティの11のプロジェクトが H3 エコシステムのインデックスに加わったことを伝えています。8ステップの参照条件付き映像+音声、4ステップ蒸留、スパースアテンション、参照トークン圧縮などが含まれます。
MiniMax (official) @MiniMax_AI More reference control. Fewer denoising steps. More places to run H3.
The latest community contributions span 8-step reference-conditioned video + audio, 4-step distillation, sparse attention, and reference-token compression - alongside serving and workflow integrations across GPU servers, TPUs, and Apple Silicon.
What matters is what this enables: more affordable experimentation, finer creative control, and more choices about where and how video generation runs. Open models become more useful when the community can improve the methods, adapt the runtime, and build workflows around them.
Credit to @haoailab @yisun0618 @lanfeng491270 @guocheng_qian @Alissonerdx @ddalcu @tazmannner @HaochengXiUCB @huggingface @Jhuaplin, and the PTD, DMAD, SparkH3, TorchTPU and FlashML teams - including Zhengming Yu and zechengtang on GitHub.
11 additions to the H3 ecosystem index. Thank you to everyone building, testing, and sharing.
github.com/MiniMax-AI/awesome-minimax-h3-…
出典:MiniMax on X、2026年10月25日(UTC)。リンク先のインデックスは awesome-minimax-h3-integration です。
目次
- 先に結論:どのH3がどれか
- MiniMaxが実際にオープンソース化したもの
- オープンウェイトが重要な理由:ローカル実行・ファインチューニング・追加学習スキル
- H3ファミリーを1つの表で見る
- 年表:公開からTurboの参照動画生成まで
- プロバイダー別の1秒あたりの料金とローカル実行のコスト
- H3ファミリーの順位(2026年10月26日時点)
- SunoMVでのH3の使い方
- FAQ
MiniMaxが実際にオープンソース化したもの
一言でいうと、公開されたのは H3-Base のチェックポイント2つであり、MiniMax がオンラインで動かしているシステム全体ではありません。
Hugging Face の公式モデルカードによると、H3 は映像と音声を同時に生成します。1つのトランスフォーマーが映像と音を一緒に予測し、24 FPS・32 kHz ステレオ音声で 4〜15秒を出力します。中核の H3-Omni-Transformer は 330億パラメータの dense・シングルストリーム型トランスフォーマーで、そのうち約130億パラメータは AdaLN ブランチにあり、推論時に事前計算してキャッシュできます。
BF16 のチェックポイントは2つ公開されました。
- H3-Base-FL2VA:テキストから動画に加え、最初のフレーム、最後のフレーム、最初と最後の両方のフレームを指定した動画生成。
- H3-Base-Ref2VA:オムニ参照モードで、画像最大9枚、動画クリップ3本、音声クリップ3本、合計最大12ファイルまで。
クローズドのまま残ったのは2つです。プロンプトと参照を解釈する H3-Context-IR と、768p の出力を 2K で再レンダリングする H3-Regenerate-2K です。そのため、オープンなモデルのデフォルトの出力は短辺 768p です。2K が必要なら、公式 API を使うか、コミュニティのアップスケーラーを使うことになります。範囲は MiniMax の2026年8月3日のオープンソース発表に明記されています。

オープンウェイトなら自分の GPU で動かせますが、重みの全体は大きいサイズです。ハードウェアの目安は後述します。
ライセンス:MIT ではありません。まず対象地域の条項を確認してください
H3 は MiniMax H3 Community License で提供されています。クリエイターにとって特に重要な条項は、LICENSE の次の点です。
- 許諾は「worldwide, excluding the Excluded Territories(除外地域を除く全世界)」が対象です。**除外地域は、欧州連合、英国、大韓民国、米国です。**これらの地域で展開するには、MiniMax に連絡して別途ライセンスを取得する必要があります。
- H3 を使って作った製品やサービスには、「Powered by MiniMax H3」の表示が必要です。
- 年間売上が2,000万ドルを超える商用製品は、MiniMax の事前の書面による許可が必要です。
実践ルール:「オープンソース」と書かれていても、GPU を買う前にライセンスを読みましょう。米国・EU・英国・韓国にいて H3 をローカル実行したい場合、最初にすべきことはダウンロードではなくライセンス条項の確認です。
ローカル実行の様子を見たい方には、MDMZ の ComfyUI チュートリアルがあります。ノードのインストールから完成クリップまでを約9分で解説しています。
オープンウェイトが重要な理由:ローカル実行・ファインチューニング・追加学習スキル
重みが公開されると、誰でもその上に作れるようになります。クローズドなモデルでは起こり得ないことです。公開から3か月の変化は、3つのグループに分けられます。
**グループ1:別の場所で動かす。**公式の例では、SGLang で H3 を複数 GPU 上で動かします。SGLang の H3 クックブックには、4×H200/H100、オフロード付きの 2×RTX 5090、INT8 の RTX 4090 24GB 1枚という構成が載っています。コミュニティは mlx-serve と antirez 氏の Metal エンジン h3.c で Apple Silicon に対応し、Hugging Face は Cloud TPU の例も公開しました。
**グループ2:高速化する。**動画拡散モデルが遅いのは、主にデノイズのステップ数とアテンションのコストのためです。Hao AI Lab の FastH3 Preview(2026年8月27日)は、H3 を 4ステップに蒸留し、90%スパースの Video Sparse Attention(VSA)を追加しました。同研究室は「Nvidia Blackwell GPU 1枚で最大14倍の高速化」、8×B200 では 15秒の 768p クリップが13秒未満と報告しています。MiniMax の投稿に出てくる PTD と DMAD も 4ステップ蒸留で、Spark-H3 はスパースアテンション、VPack は参照動画のトークンを圧縮します。
**グループ3:新しいスキルを追加学習する。**ミュージックビデオやショートドラマを作る人にとっては、これが最も重要なグループです。
- リップシンク:ボーカルのトラックでキャラクターの口を動かします。fal は2026年9月17日に H3 Max のリップシンク用エンドポイントを公開し、コミュニティには、キャラクター入れ替えとリップシンクを組み合わせる ComfyUI ワークフローもあります。
- 参照動画生成(r2v)による顔の固定:キャラクターの写真を数枚渡すと、写真を1フレーム目として使うのではなく、動画の人物がその顔を保ち続けます。FastH3-Omni(2026年10月20日)は、参照条件付きの映像+音声を8ステップまで減らしました。
- 美的品質とプロンプト追従性:fal の H3 Max と HeyGen の HeyGen Video は、どちらもオープンな H3 に追加学習を施したクローズド版です。

リップシンクと参照写真による顔の固定は、追加学習版の H3 で最も多い2つの方向です。
もう1本の MDMZ の動画では、オープンな H3 でキャラクター入れ替えとリップシンクを行う様子が見られ、「追加学習スキル」が具体的に分かります。
実践ルール:「H3 ベース」と書かれたものを見たら、どの種類かを確認しましょう。新しいハードウェアへの移植(同じモデル)、速度のための蒸留(速いが細部が落ちることもある)、追加学習(能力が変わる)の3種類があり、価格も品質も大きく異なります。
H3ファミリーを1つの表で見る
最も混乱しやすい名前が「H3 Max」です。**MiniMax 自社の MiniMax-H3-Max と、fal の H3 Max は別の製品です。**前者は、複数素材(画像・動画・音声)の参照を軸にした MiniMax の拡張モデルです。後者は、fal がオープンな H3 に追加学習を施したクローズド版で、H3 Max Turbo は fal がスループットのために最も調整した構成です。MiniMax の API に「Turbo」という名前の H3 はありません。
| バージョン | 開発元/ベース | 変更点と対応する機能 | 解像度・尺 | ローカル実行 |
|---|---|---|---|---|
| MiniMax H3 オープンウェイト(FL2VA / Ref2VA) | MiniMax、オープンウェイト | 原型。t2v、最初/最後のフレーム、複数参照の r2v、ネイティブ音声 | 短辺 768p · 4–15 s | 可(ライセンスの対象地域に制限あり) |
| MiniMax API:H3 / H3-Highspeed / H3-Lite / H3-Max | MiniMax、ホスティング | 完全なシステム(Context-IR 付き。H3 は 2K に対応)。t2v、i2v、最初/最後のフレーム、参照のすべてに対応 | H3 は最大 2K、Lite は 480P | 不可 |
| fal H3 Max / H3 Max Turbo | fal がオープンな H3 に追加学習、クローズド | プロンプト追従性と美的品質を調整し、fal のエンジンで高速化。t2v、i2v(終了フレームは任意)、r2v、リップシンク | 480p / 768p / 1080p · 5–15 s(Turbo の r2v は 0.92 s から) | 不可 |
| HeyGen Video(heygen-video-1) | HeyGen が H3 に追加学習 | t2v、i2v、r2v。セリフと環境音を同時に生成 | 480p–2K · t2v/i2v は最長 30 s、r2v は 5–15 s | 不可 |
| FastH3 / FastH3-Omni | Hao AI Lab、蒸留+スパースアテンション | 4または8ステップ。Omni は参照条件付きの映像+音声を追加 | 主に 768p | 可(一般向け RTX 向けのレシピあり) |
| コミュニティの高速化・ツール(PTD、DMAD、LightX2V Turbo LoRA、Sol-H3、mlx-serve、h3.c など) | 大学、ベンダー、個人開発者 | 蒸留 LoRA、スパースアテンション、Apple Silicon、TPU、ComfyUI でのアップスケール | まちまち | 可 |
出典:H3 モデルカード、MiniMax 料金表、fal H3 Max ページ、HeyGen Video ドキュメント、FastH3 ブログ、エコシステムのインデックス。
10月25日に追加された11のプロジェクト
MiniMax の投稿にある「11 additions」は、インデックスのリポジトリの PR #25 と一致します。目的別に分けると次のとおりです。
- 高速化:FastH3-Omni 8ステップ(参照動画+音声)、PTD(4・6ステップの軌道蒸留)、DMAD(4ステップ LoRA と学習コード)、Spark-H3(適応型ブロックスパースアテンション)。
- 参照の制御:VPack(参照動画のトークンを圧縮)、TARA-H3(参照動画アテンションの時間方向の整合を試す実験的な手法)。
- 動かす場所:UniServe(1〜8 GPU での HTTP サービング)、TorchTPU + Diffusers(Cloud TPU v6e-4)、mlx-serve(Apple Silicon)。
- ワークフロー:FreeVideo(VDN-H3 上の ComfyUI ワークスペースで、8GB VRAM 向けの経路あり)、ComfyUI-H3-ResCascade(元の音声を保ったまま 1080p/1440p にアップスケール)。
年表:公開からTurboの参照動画生成まで
| 日付(2026年) | できごと |
|---|---|
| 7月17日 | MiniMax が WAIC 2026 で Hailuo 03 としてモデルを披露(初見レビュー記事) |
| 7月30–31日 | MiniMax H3 が公式 API で公開(30日とする報道と31日とする報道があります)。同日に fal が minimax/h3 を掲載 |
| 8月3日 | 重みをオープンソース化、Hugging Face への最初のコミット。ComfyUI は初日から対応 |
| 8月23日 | fal H3 Max のテキストから動画・画像から動画が利用可能に |
| 8月27日 | Hao AI Lab が FastH3 Preview(4ステップ+スパースアテンション)を公開 |
| 8月29–31日 | fal H3 Max の参照動画生成(r2v)が利用可能に |
| 9月2日 | fal H3 Max Turbo のテキストから動画・画像から動画が利用可能に |
| 9月17日 | fal H3 Max のリップシンク用エンドポイントが利用可能に |
| 9月30日 | HeyGen が H3 ベースの HeyGen Video を公開 |
| 10月6日 | FastH3 が一般向け RTX 向けのレシピを公開 |
| 10月20日 | FastH3-Omni:8ステップの参照条件付き映像+音声 |
| 10月25日 | MiniMax がエコシステムのインデックスへの11件の追加を発表 |
| 10月下旬 | fal H3 Max Turbo の参照動画生成(r2v)が利用可能に(10月26日時点で利用可能。fal は公開日を公表していません) |
出典:MiniMax のオープンソース発表、fal モデルカタログ、fal の H3 Max r2v の投稿、MiniMax から HeyGen への祝福、FastH3 の RTX レシピ、FastH3-Omni の更新。
**実践ルール:**オープンなモデルで本当に役立つバージョンは、公開から1〜3か月後に出てくることが多くあります。公開当日のレビューだけでファミリー全体を判断しないようにしましょう。
プロバイダー別の1秒あたりの料金とローカル実行のコスト
以下の価格はすべて通常の1秒あたりの料金(出力動画1秒あたりの USD)で、2026年10月26日に確認しました。キャンペーン価格は別に記載し、見出しの数字には使っていません。

同じ H3 でも、プロバイダーと解像度によって1秒あたりの料金は数倍変わります。
| プロバイダー・バージョン | 480P | 768P | 1080P / 2K | 備考 |
|---|---|---|---|---|
| MiniMax API · MiniMax-H3 | — | $0.08 | 2K $0.13 | 同じ解像度ならタスクの種類によらず同額 |
| MiniMax API · H3-Highspeed / H3-Lite | Lite $0.025 | Highspeed $0.06 / Lite $0.04 | — | |
| MiniMax API · MiniMax-H3-Max | $0.05 | $0.08 | — | 入力動画は別料金(768P で $0.143/s) |
| fal · H3 Max(t2v / i2v / r2v) | $0.05 | $0.08 | 1080p $0.16 | t2v / i2v は10月31日まで35%オフ中 |
| fal · H3 Max Turbo(t2v / i2v) | $0.025 | $0.04 | 1080p $0.08 | 10月31日まで35%オフ中 |
| fal · H3 Max Turbo(r2v) | $0.05 | $0.08 | 1080p $0.16 | fal は $0.05/s(480P 基準)で課金。768P / 1080P は課金単位が 1.6× / 3.2× に換算。H3 Max の r2v と同額 |
| Replicate · minimax/h3 | — | $0.08 | 2K $0.13 |
出典:MiniMax 料金表、fal H3 Max、fal H3 Max Turbo 画像から動画、fal H3 Max Turbo 参照動画生成、fal 料金 API、Replicate minimax/h3。
見落としやすい点が3つあります。
- **fal の 1080P はネイティブではありません。**H3 Max Turbo の r2v のドキュメントは、1080P を「ネイティブ 768P のソースからの latent refinement」と説明しており、オープンなモデル自体も短辺 768p でレンダリングします。
- **Turbo の r2v は安い選択肢ではありません。**fal のモデルページにある「$0.05 per second」は 480P の基準額で、768P と 1080P は課金単位が 1.6× と 3.2× に換算されるため、実際には 1秒あたり $0.05 / $0.08 / $0.16 になります。Turbo の画像から動画の通常料金の2倍で、H3 Max の r2v と同額です。Turbo の r2v で得られるのは節約ではなく、速度と顔の固定です。節約になるのは Turbo の t2v / i2v で、H3 Max の約半額です。
- **fal 自身の速度の数字:**fal のランディングページによると、9月8日に測定した 5秒・768p のクリップで、デノイズ時間は Turbo が 1.54 s、H3 Max が 2.46 s でした。これは fal 自身の計測であり、第三者のベンチマークではありません。
ローカル実行に必要なハードウェア
Hugging Face のリポジトリ全体は約 464 GiB、トランスフォーマーのチェックポイント1つは約 61.7 GiB です(数値はエコシステムのインデックスより)。おおまかに3つの段階があります。
- データセンター向け GPU:公式の例は 4 GPU の SGLang で、SGLang は 4×H200/H100 で動作を確認しています。
- ハイエンドの一般向け GPU:オフロード付きの 2×RTX 5090、または INT8 で動かす RTX 4090 24GB 1枚。コミュニティには 19.5 GiB に刈り込んだ INT8 のチェックポイントもあります。
- 12GB 未満:GGUF Q4_K_M(約 10.6 GiB)は 12–16GB のカードに収まり、8GB には NF4 の経路があります。FastH3 の RTX レシピでは、VRAM を 8GB に制限した 4090 で、5秒・832×480 のクリップに 82秒かかりました。
**実践ルール:**ミュージックビデオを月に数本作る程度なら、GPU を買うより秒単位で支払うほうがほぼ確実に得です。ローカル実行が割に合うのは、大量生成、モデルの入れ替え、プライベート環境での運用の場合です。
H3ファミリーの順位(2026年10月26日時点)
Artificial Analysis の動画リーダーボードはブラインド投票方式です。同じプロンプトから作られた2本のクリップのうち、良いほうをユーザーが選び、Elo で順位が決まります。2026年10月26日時点の順位は次のとおりです。
- テキストから動画(音声付き):MiniMax H3(768p)は Elo 1158±15 で4位、fal 版の MiniMax H3 Max は 1154±15 で7位です。1位は Wan 3.0(1175)、3位は HeyGen Video 1(1160)です。上位の信頼区間は重なっています。
- 画像から動画:MiniMax H3(768p)が Elo 1140±16 で1位、MiniMax H3 Max は 1125±17 で6位です。
- H3 Max Turbo:どちらのボードにも単独のエントリーはありません。fal のランディングページには、内部名「MiniMax H3 Turbo (768p)」(Elo 1201)で画像から動画の1位と書かれていますが、確認した日の公開ボードにそのエントリーは見つからなかったため、未検証として扱ってください。
- VBench / VBench-2.0:H3 ファミリーのエントリーは見つかりませんでした。

動画アリーナはこのようなブラインドテストです。プロンプトは1つ、クリップは2本で、良いほうを選びます。
興味深い点として、Artificial Analysis の画像から動画のボードでは、オープンな H3 のベースモデルが、追加学習済みの H3 Max より上位にあります。追加学習の狙いは主にプロンプト追従性と美的品質で、ブラインド投票ではそれが必ずしも評価されないのかもしれません。順位はあくまで目安とし、最後は自分のカットで試してください。
SunoMVでのH3の使い方
SunoMV では、自分の曲のミュージックビデオを作り、カットごとに動画モデルを選べます。ここでは割合のみを示し、絶対数は出しません。
- 過去90日間では、Seedance Fast が全カットの約69%を生成しており、現在もデフォルトの主力です。
- H3 Max Turbo は約5.8%で、H3 Max のおよそ6倍でした。2つの H3 のうち、速く、テキストから動画・画像から動画なら安い Turbo が明らかに好まれています。
- 新たに H3 Max Turbo を参照動画生成につなぎました。キャラクターの写真は、1フレーム目として固定されるのではなく、「この人物はこういう見た目です」とモデルに伝える役割になります。写真を1フレーム目にすると、冒頭が写真が動き出したように見えがちでしたが、今は顔を保ったまま人物をシーンの中に登場させられます。
- あわせて FAST モードを H3 Max Turbo に戻しました。

サビの1カット:参照写真が数枚、カットの説明が1つ、15秒以内のクリップが1本。
私なら次のように選びます。
- 歌い手の顔が必要なサビのカット:同じ人物の写真を 2〜4枚使い、H3 Max Turbo の参照動画生成で顔を固定します。
- 状況説明のカット、雰囲気、トランジション:安くて速いモデル(Seedance Fast や H3 Max Turbo のテキストから動画など)でまとめて生成し、良いものを残します。
- 歌う口の動きが必要なカット:リップシンクを別工程で実行します。汎用のテキストから動画モデルがボーカルに合うことは期待しないでください。
- より細かい制御やプライベート環境での運用:ライセンスの対象地域を確認したうえで、自分のハードウェアでオープンな H3 に FastH3 やコミュニティの LoRA を組み合わせることを検討します。
実際の手順を知りたい方は、次の記事をご覧ください。
- Face-lock your music video with H3 Max Turbo reference-to-video
- The full lip-sync workflow for music videos with open-source H3
- MiniMax H3 Max Turbo prompt guide: 10 tips and copy-paste templates
- SunoMV の MiniMax H3 Max:スペック、クレジット、選ぶべき場面
- Hailuo 03 / MiniMax H3 初見レビュー:曲を参照音声として渡す
- ショートドラマ向け:face-lock drama characters with H3 Max Turbo と producing a short drama with open-source H3
FAQ
MiniMax H3 は本当にオープンソースですか。商用利用はできますか。
公開されたのは H3-Base のチェックポイント2つ(FL2VA と Ref2VA)で、プロンプト解釈モジュールと 2K 再生成はクローズドのままです。MiniMax H3 Community License は、EU、英国、韓国、米国を標準の許諾から除外しており、「Powered by MiniMax H3」の表示を求め、年間売上が2,000万ドルを超える商用製品には書面による許可を求めています。
H3 Max と H3 Max Turbo は MiniMax 公式のモデルですか。
名前から想像されるような意味では公式ではありません。fal の H3 Max と H3 Max Turbo は、fal がオープンな H3 に追加学習を施したクローズド版です。MiniMax の API には、複数素材の参照を軸にした独自の MiniMax-H3-Max があり、Turbo という名前の H3 はありません。
H3 をローカルで動かすのに必要な最低限の GPU は何ですか。
元の BF16 の重みには、複数のデータセンター向け GPU が必要です。量子化と蒸留を使えば、RTX 4090 24GB 1枚で INT8 を動かせ、12–16GB のカードでは GGUF Q4 を試せ、8GB には NF4 と FastH3 の経路があります。ただし速度は大きく落ちます。
MiniMax H3 や H3 Max の1クリップは何秒まで作れますか。
オープンな H3 は 24 FPS で1クリップあたり 4–15秒を生成します。fal の H3 Max と H3 Max Turbo はテキストから動画・画像から動画で 5–15秒、Turbo の参照動画生成は 0.92秒から使えます。HeyGen Video はテキストから動画・画像から動画で最長 30秒です。3分の曲には結局たくさんのカットが必要なので、1カットの上限よりも、カットをまたいで同じ顔を保てるかどうかのほうが重要です。
H3 Max の解像度は 720p ですか、1080p ですか。
fal の H3 Max と H3 Max Turbo は 480P、768P、1080P を用意しています。1080P は 768P のレンダリングを補正したもので、ネイティブではありません。オープンな H3 は短辺 768p でレンダリングします。2K の段階があるのは、MiniMax 公式の MiniMax-H3 API です。
H3 Max はリップシンクに対応していますか。
はい、別のエンドポイントで対応しています。fal は2026年9月17日に H3 Max のリップシンク用エンドポイントを公開し、参照動画生成では参照音声も渡せます。歌うカットでは、クリップに対してリップシンクを独立した工程として実行してください。通常のテキストから動画の生成が、ボーカルに合うとは期待しないでください。
MiniMax H3 は無料ですか。
オープンウェイトのダウンロードは無料ですが、ライセンスで一部の地域と大規模な商用利用が制限されており、GPU の費用もかかります。ホスティング版(MiniMax API、fal、Replicate、HeyGen)はすべて秒単位の課金です。上の料金表をご覧ください。
AI ミュージックビデオには、どの H3 を使うべきですか。
キャラクターの一貫性が必要なカットには H3 Max Turbo の参照動画生成、状況説明のカットやトランジションには安くて速いモデル、口の動きが重要なカットには別のリップシンク工程を使います。t2v と i2v では H3 Max の1秒あたりの料金は Turbo の2倍で、r2v では同額なので、速度の面で Turbo が有利です。
オープンなモデルの価値は、公開当日のスコアではなく、3か月後にどれだけ多くの人が自分に必要な形に作り替えたかで決まります。H3 には今、MiniMax の完全なホスティングシステム、各プラットフォームが追加学習した高速版、研究室の蒸留版がそろっており、どれが合うかはカットに何が必要かで決まります。
自分の曲で試すには、SunoMV のオーディオから動画ジェネレーターを開き、曲とキャラクターの写真をアップロードし、カットに H3 Max Turbo を選んで、顔を固定したサビのクリップを生成してください。
SunoMV チームが作成。AI ツールは出典の探索と翻訳を補助しましたが、すべての数字は2026年10月26日に出典と照合して確認しています。
SunoMVで制作 · 実際の書き出し
1曲がこんな映像になります
下のサンプルはすべて、編集なしのSunoMV書き出しです。AIが描いた絵コンテ3カット、AI撮影のクリップ1本、そして歌詞。字幕スタイルと画面サイズはサンプルごとに違います。
人気の記事