MiniMax H3の解像度ガイド：大きく生成するか、後で拡大するか

継続する成人キャラクターは、ポートレートでは自然でも、部屋の向こうからでは本人と分からない場合があります。後者を4Kで書き出せばファイルは大きくなりますが、意図した顔が自動的に得られるわけではありません。MiniMax H3の解像度で役立つ問いは、生成中にさらに情報が必要なのか、成功したショットに大きい配信用ファイルが必要なだけなのかです。

動作と構図の案にも、顔と服が重要な場合にも、実用的な出発点として768p、小さな特徴や後の切り抜きに依存するショットには、より高い生成解像度を使います。低解像度ですでに人物、動作、表情が正しければ、その採用したショットの拡大が、大きいファイルを得る安い方法です。制作上の選択であり、拡大映像が高解像度生成と同じという主張ではありません。

通常H3の画像から動画で5秒なら、768p生成と別の2K拡大は$0.245、生成タスクで2Kを選ぶと$0.29です。差は4.5セントだけなので、重要な顔を犠牲にした節約が合理的とは限りません。

NSFW制作を含む架空の成人キャラクター動画と、一括生成へ払う前の見た目の判断に焦点を当てます。解像度はエンドポイントの内容の挙動を変えません。先に適切なH3版を選びます。その別の判断はH3版比較で扱います。

「大きく生成」と「拡大」は別の処理を指すことがある

大きい生成出力を頼む、既存のMP4を拡大する、ローカルComfyUI内のdecoderを変える、という3つはよく混同されます。どれも完成ファイルの寸法を増やせますが、受け取る情報も判断も同じではありません。

高い生成解像度はショットを作る段階で選びます。元のプロンプトと画像入力を使います。低い解像度の生成と、表情、動作、局所の細部が異なることがあります。優れた768pのショットを得た後、同じ開始画像を高い解像度で送り直しても、そのショットを正確に画素だけ増やして回復する方法にはなりません。

別の動画拡大は既存の動画から始めます。選んだ演技を保ちたいときに便利です。原本に動作、枠、タイミングがあるため、元の場面の別解釈ではなく、その映像の大きい版を求めます。

ローカルのlatentやVAEの処理は、完成動画になる前の生成内で動きます。内部表現のリサイズ、別の生成、デコード変更、それらの組み合わせなどがあります。段階を書かず「2×拡大」とだけ言う投稿では、どの処理か分かりません。

例えばH3 Latent Upscalerのモデルカードは、低解像度生成、latent拡大、目標解像度での再samplingやrefinementを説明しています。追加の生成段階は提案する処理の一部で、単なる書き出しサイズ変更ではありません。

図解：生成要求は元の場面の指示を、別の拡大は選んだ動画を使います。

H3の2Kは「ネイティブ」より正確な説明が必要

MiniMaxの公式H3モデルカードは、ベース出力の既定の短辺を768ピクセルと説明します。H3-Regenerate-2Kは低解像度の結果と元の文脈をH3へ戻し、大きな結果を生成します。完成ファイルだけを使う従来の専用超解像処理とは異なります。

実践的な違いは、文脈へのアクセスです。再生成は元の場面指示と参照を使えますが、MP4拡大は受け取った動画を使います。MiniMaxは構造上の利点としていますが、その人物をどちらが良く保持するかを証明しません。

そのため、ホスト型の選択肢には高い生成出力の解像度と書きます。「ネイティブ2K対偽物2K」は粗すぎる説明で、解像度メニューも構造の保証ではありません。

H3の版で選べる解像度が違う

通常H3の画像から動画は768pと2Kです（480pは2026年10月9日から提供していません）。H3 LoRAとH3 Spicyは480p、540p、768p、1080pです。交換可能なメニューではありません。ここでの通常H3に1080pはなく、LoRAにも2K生成はありません。

H3 Spicyの注記では、768pをネイティブキャンバス、1080pをその上への拡大出力と明示しています。1080pの料金を払うことを、ネイティブに解像された顔の細部の保証と解釈しません。価格のある製品の選択肢で、すべての小さな特徴への約束ではありません。

料金比較前に、版とタスクを決めます。独自人物LoRAから通常H3へ変えると、通常の方が安くても、解像度以上のものが変わります。

全画面だけでなく、顔の画素を数える

解像度は画面全体へ配分されます。寝室の広い場面では、壁、寝具、カーテン、周囲の空間が多くを占めます。人物が小さければ、全体解像度の増加はそれらへも費用を使います。

簡単な幾何学の例で構図の意味が分かります。横長画像で顔が高さの10%なら、高さ480ピクセルでは約48ピクセル、同じ構図の768では約77ピクセルです。特徴を表す余地は増えますが、まだ小さい顔です。

480ピクセルのまま、顔が高さの25%になる構図に変えると、約120ピクセルになります。構図の変更は、元の広い構図の480から768への変更より顔に多く配分しました。

これは計算例であり、H3の認識閾値ではありません。顔が何ピクセルで正しくなるという信頼できるルールはなく、照明、角度、動作、圧縮、参照も関係します。原則は、拡大を頼る前に、重要な特徴を原本で本人と分かる大きさにすることです。

図解：全画面を大きくするより、構図変更で顔へ多くの画素を配分できる場合があります。480ピクセルは計算例で、通常H3は2026年10月9日から480pを提供していません。

広い場面では、何を認識させるか決める

部屋を紹介するショットと、顔を見せるショットは役割が違います。成人キャラクターシリーズの広いショットには、見慣れた服、輪郭、場所だけが必要かもしれません。目と唇の最細部まで担う必要はなく、次の近いショットで本人を見せられます。

遠いまま顔を認識させる必要があるなら、そのショットに予算を配分します。高い生成解像度、背景との明確な分離、顔の半分を隠さない姿勢を使います。原本に見えない細部を発見する方法として、後で強いデジタルの寄りを計画しません。

顔より部屋が重要なら、部屋のショットとして扱います。家具と光のために大きい画面へ払う価値はありますが、クローズアップにもなるかで成功を判断しません。1本に両役割を求めると、解像度選択が不必要に難しくなります。

可能なら動かす前に構図を切り抜く

画像から動画では、開始画像を納品する形に用意します。縦の人物動画には、後で切る前提の横長より、縦の人物参照が明瞭な開始点です。

16:9から高さを全部使って中央を9:16に切ると、残るのは元の幅の約31.6%です。通常の1920×1080からなら、リサイズ前に約608×1080です。Full HDで始まっても、人物を含む残った画面に幅1920ピクセルはありません。

十分な細部のある原画像の意図した切り抜きは、H3へ送る構図を改善します。低品質のスクリーンショットの小さい顔では、切り抜くだけで良い参照になりません。原本を使い、ぼやけを目立たせているだけになったら拡大を止めます。

動作の余地も残します。開始時にきれいに詰めた枠も、小さな回転で髪が切れたり手が端を越えたりすると使えません。空の周囲へ大半を使わず、動作に必要な空間を残すのが適切です。

顔のずれは必ずしも解像度の問題ではない

H3参照動画の議論は、480pの顔が参照にうっすら似るだけで、720pが必要かという問いから始まりました。後で作者は独自処理とTurbo LoRAが原因としました。弱い似方をすべて画素不足と考えることへの反例であり、Turbo全般の判定ではありません。

顔が画面の大部分を占めているのに比率が変わるなら、大きい出力の購入を最初の修正にしません。参照の矛盾、合わない開始画像、複雑すぎる動作を解消します。顔は一貫していて小さすぎるだけなら、構図と解像度が直接関係します。

2つの経路の実際の費用

以下はSpicyAPIの画像から動画の公開生成料金で、米ドルです。元の静止画がある前提で、その作成・編集費は別です。各行は1本の生成で、使える試行数の予測ではありません。

通常H3：2Kの経路を直接比較する

MiniMax H3の画像から動画は、1秒768pで$0.037、2Kで$0.058です。

2Kには最低5秒が必要です。それ以外は4〜15秒で、4秒は768pのみで使えます。

Video Upscalerは元動画1秒あたり、720pまたは1080pで$0.006、2Kで$0.012、4Kで$0.024です。H3へ追加すると次の合計になります。

5秒では、768p生成だけで$0.185、あとから2K拡大を加えると$0.245です。原本は変わりません。768pのショットを2Kや4Kへ拡大しても、出発点は同じ768pの画素です。まだ大きい納品ファイルが不要なら、顔中心のショットでは$0.185の768pのショットで止めるのは合理的です。

近い比較は768pと2K拡大対2K生成です。$0.245と$0.29で、5秒の差は4.5セントです。768pの演技が気に入っているなら、拡大は選択を保ちます。未生成で小さい細部が重要なら、後の回復段階より追加4.5セントを正当化しやすい場合があります。料金で、そのショットのどちらが良く見えるかは分かりません。

H3 LoRAとSpicyでは価格差が違う

継続する人物はLoRAや確立したSpicy処理に依存する場合があります。通常H3の表を当てはめず、該当する料金を使います。

H3 LoRAで480p・5秒を作り1080pへ拡大すると$0.28、1080p生成は$1.00です。10秒なら$0.56対$2.00。H3 Spicyは5秒で$0.22対$0.76、10秒で$0.44対$1.52です。

大きな差なので、選んだショットの拡大を検討する価値があります。同じ顔の細部の証拠ではなく、拡大ツールに人物LoRAや元プロンプトは渡りません。低解像度の原本に特徴が出なければ、低い合計額で後から戻る保証はありません。

料金はH3 LoRA画像から動画とH3 Spicy画像から動画のものです。参照から動画は別料金なので、異なるタスクの時間に画像から動画の単価を掛けません。

候補と採用動画の予算を分ける

次の公開に5秒の人物動画4本が必要で、候補を12本生成するとします。候補数を固定した制作予算であり、成功率の予測ではありません。

節約の一部は、残すショットが決まるまで拡大を待つことから生まれます。低解像度12候補すべてを拡大すると利点が失われます。768p経路では、選べる演技を1つも増やさず、$2.46から$2.94へ上がります。

LoRA人物の480p・10秒を20候補なら$10.00です。選んだ5本を1080pへ拡大すると$0.30追加、合計$10.30です。20本すべて1080p生成なら$40.00。ただし480pで本人が繰り返し失われるなら、安い計画は目的に失敗しています。同じ試行を買う前に、原本の解像度か構図を変えます。

5秒12候補から4本を2K納品用に選ぶ計画例です。選定数は仮定です。グラフの480pの数値は、2026年10月9日から提供されていない解像度のものです。

拡大は元動画の実時間を整数秒へ切り上げ、最低3秒、最大60秒で課金します。表は正確に5秒か10秒の入力です。5.2秒なら6秒扱いで、2K拡大は$0.06ではなく$0.072です。最初の見積もりで最大60秒分を確保し、実際の課金時間で精算する場合があります。少ない残高ではその確保額も見込みます。

残すべきものを中心に人物のショットを作る

架空の32歳の人物の成人向けシリーズに、5秒のポートレートを作るとします。暖かなランプのそばに座り、濃い色のシルクのローブを着て、カメラへ向き小さく笑います。顔の形、短い黒髪、細い銀のイヤリング、対照的な色の襟が認識の特徴です。

これは制作の提案例で、記録されたH3結果ではありません。制作を技術ベンチマークにせず、解像度を判断する方法を示します。

1. 役割の明確な参照を用意する

顔、服、照明を決めたきれいな開始画像1枚を使います。胸から上にして、顔を画面の重要な部分にします。襟を見せ、回転用に頭の横を空け、開始時に手で顔を隠さないようにします。

あるからというだけで部屋の全景を加えません。ここでは部屋は雰囲気、人物は見る理由です。鏡、細かな壁紙、柄の寝具、反射する飾りは、目的を進めず、保つ小さな構造を増やします。

イヤリングが必須のデザインなら、静止画で背景から明確に分けます。小さなアクセサリーなら、微小な反射だけで使える演技を不採用にしません。別解像度へ払う前に優先順位を決めます。

2. 読み取れる動作を求める

開始用の指示例です。

成人キャラクターがゆっくり頭をカメラへ向け、自然な笑みを保ち、落ち着きます。カメラは目の高さで固定します。顔全体を枠内に保ち、短い髪と銀のイヤリングを一貫させ、濃いローブの対照的な色の襟は変えません。暖かく安定したランプの光、静かな部屋の環境音、セリフなし。

開始後に変わるものを伝えています。新しい顔、別の服、大きなカメラ移動を同時に求めません。重要な質感が速い動きに消えず、見える余地も作ります。

この人物では、通常H3の768p・5秒から始めます。生成は$0.185です。最高解像度をすぐ選ばず、人物と動作を見る実用的な設定です。

頭の回転か座った前傾を選ぶだけなら、768pの4秒・$0.148の案で先の問いに答えられます。「イヤリングが付いたままか、自分の人物に見えるか」が問いになったら、実際に残すショットで判断してください。最安の案だけで決めるのは、見かけだけの節約になり得ます。

3. 良い演技を残し、問題に合う修正をする

顔、回転、服が良いが、目的のサイズで柔らかく見えるなら、選んだファイルを拡大します。正確に5秒なら1080pは$0.03追加、2Kは$0.06です。欲しいショットを仕上げています。

振り向きで別人になるなら、シャープ化よりショットを変えます。回転を短くし、斜め正面に近く保つか、欲しい角度の開始画像を用意します。低解像度で顔が小さいなら構図を詰めます。原因が違うため、理由なく全部を次の試行へ重ねません。

顔は安定していて襟の細かな柄が動くなら、形と色を保ち、原本で柄を簡単な布へ変えることを検討します。継続するNSFW人物では、微細な糸すべての保持より、分かるスタイルが大切な場合があります。演技を通して同じ服であるべきです。

4. 最終用途で拡大を決める

主にスマートフォンで見るなら、きれいな1080p配信で足りる場合があります。大きいプレーヤーや、実際に切り抜く余地が必要なら2Kが便利です。正確な5秒の4K拡大は$0.12追加ですが、大きいラベルで768pの原本が新しいショットになるわけではありません。

拡大の解像度は、元の比率を保持する画素予算で、正確なキャンバス1種類の約束ではありません。横3840×2160、縦2160×3840が必要なら、返った寸法を確認し、編集ツールで収めるか切って指定サイズに書き出します。「4K」選択だけでは要件は完了しません。

拡大へ払う前に、ショットと使う部分を選び終えます。低解像度に焼き込んだ文字を再構築させるより、タイトルや図形は最終編集解像度で加えます。ファイル処理は別の動画拡大の納品ガイドを使います。

見える問題に修正を合わせる

大きく鮮明でも、使えない動画はあります。空間の情報、動作、本人、最終書き出しのどの問題かを分けると、次の行動が変わります。

遠い顔が開始から曖昧

顔の占める割合を増やすか、距離が必須なら高い生成解像度を選びます。元の顔が曖昧なら参照を改善します。拡大ツールは少ない画素を大きくし、自然な細部を再構成するかもしれませんが、渡していない人物参照を使って正確な特徴は分かりません。

部屋の全身なら、服を見せるショットと顔のショットの2つを検討します。広い画面の小さな人にポートレート級の顔情報を求めるより、有用な創作変更になり得ます。

最初は正しい顔が動作で変わる

細部だけでなく、本人と動作の問題です。2回目の処理で変化が見やすくなっても、正しい顔にはなりません。

角度変化を減らし、外見の矛盾した指示を外し、大きな動作を短いショットへ分けます。振り向きで髪が片目を繰り返し隠すなら、明瞭な開始ポーズか穏やかな動作を用意します。画素追加だけでは、隠れた後に保つべき顔の構造は解決しません。

肌が鮮明でも人工的

硬いエッジと自然な肌は同じではありません。あごの明るい縁、頬の刻んだ模様、規則的すぎる質感は、サムネイルで鮮明でも原寸では気になります。

実際の視聴サイズで比べます。強化が意図した見た目を損なうなら原本を残し、小さい配信サイズか、編集ツールの控えめな拡大を使います。SpicyAPI Video Upscalerには解像度があり、顔復元やシャープ化強度の設定はないため、隠れた「顔の保持」スライダーを下げることはできません。

自然な顔になるまでと、同じ映像を繰り返し拡大しません。以前の誤りを強調し、気に入った原本から離れる場合があります。

人物がほぼ動かないのに髪や布がちらつく

フレーム間で質感が変わる時間方向の問題です。静止画は精細でも、再生すると模様が動くことがあります。細い髪、小さいチェック、レース状の柄、光る装飾で目立ちます。

動画超解像研究は別の課題として扱います。StableVSR論文は細部を合成し、隣のフレームと合わせる方法を説明します。画像向けの強化を独立して各フレームへ行うことが、動画処理の代わりになりにくい理由です。SpicyAPIツールの内部構造や測定性能を示すものではありません。

H3原本からちらつくなら、問題の柄を簡単にするか、それを見せる動きを減らします。拡大後だけなら、さらに大きくせず、きれいな原本へ戻ります。停止画面で髪が数本増えても、同じ場所に残らなければ利点ではありません。

振り向きの間だけ顔がぼやける

空間の拡大で、ぼけた全フレームに鮮明な露光を再現できると期待しません。回転を遅くし、カメラを固定し、主な表情には動作の少ない瞬間を選びます。光の分離が明瞭な参照も、余分な質感の創作なしに読みやすくできます。

動作に適切なぼけもあります。すべて取ることが改善とは限りません。過度に鮮明なフレームの連続になり、同じ演技に感じられなくなる場合があります。

保存動画は良いがアップロード後に濁る

再生成前に、保存ファイルと投稿版を比べます。原本がきれいで投稿版が柔らかいなら、H3プロンプト変更は損失が入った段階への対処ではありません。

選んだ原本から書き出し、SNSアプリから繰り返し取得した版を中間素材にせず、納品先に合うキャンバスを保ちます。プラットフォームは再圧縮する場合があり、4Kを送っても4K配信や繊細な質感の保持を保証しません。大きい版は実際の配信のために使い、万能の流通品質対策にしません。

コミュニティのX2 VAEがすることと、証明しないこと

H3 X2 Detail VAEの議論は、作者がサイズと情報追加を明確に分ける点で役立ちます。元の公開スレッドでは、通常の2XはH3 latentから空間寸法を2倍にし、見える細部はおおむね同じと説明しています。それに対応して品質も上がるかという問いには、細部追加の目標は意図どおり達成できなかったと答えています。

モデルカードでは2モードを分けます。

• 2X VAE decoding：生成したH3 latentからデコード出力を拡大する。
• Reference detail enhancement：既存のRGB参照を追加の初期encoder経路で処理し、参照から動画の生成前に使う。

後者は実際の原画像の情報にアクセスします。任意の生成動画latentから同じ追加情報を取り出す、単純な交換方法ではありません。作者は実験的な公開とし、latentだけの高精細化という元の目的は達成していないと述べています。

興味深いローカルの選択肢ですが、480pとX2デコードが高解像度生成と同じという証拠ではありません。完成MP4の拡大とも別の製品です。SpicyAPIのホスト型設定では交換VAEを渡せないため、このファイルを入れるのは別のComfyUI判断です。

計算も忘れません。幅と高さを2倍にすると画素は4倍であり、品質が4倍という測定ではありません。輪郭の滑らかさ、コントラスト、新しく再構成した質感は別の変更です。「精細になった」と説明する前に、どれが人物に役立つか決めます。

解像度、ちらつき、フレームレートは別の設定

解像度はフレームの空間サイズ、フレームレートは1秒の表示枚数、質感のちらつきはフレーム間の望まない外見変化です。すべて仕上がりに関係しますが、互いの代わりにはなりません。

公式H3モデルカードは24 FPSです。24 FPSでも顔は精細にでき、速いpanは段階的に見える場合があります。別の処理で変えなければ、高解像度でもタイミングは同じです。逆に、中間フレーム追加で滑らかでも、小さい顔は弱いままの場合があります。

フレーム補間は中間の画像を合成します。Topazの文書化されたプリセットは分離を示します。4Kは強化、4K・60 FPSは強化と補間を組み合わせます。2操作の違いであり、すべてのH3を60 FPSにする推奨ではありません。

座った人物の例では、納品やスタイルに理由がなければ元のFPSを保ちます。フレームが増えるだけで微細な表情が忠実になるわけではありません。意図して変換するなら、振り向きと手が顔を横切る箇所を見ます。中間画像が変わる境界を解釈する必要がある場所です。

SpicyAPI Video Upscalerにはvideo_urlとresolutionがあり、FPS設定はありません。大きい画像のために使います。4K処理で60 FPS、誤った動作、すべてのちらつきまで解決すると期待しません。

今回の公開に合う経路を選ぶ

新しい成人キャラクター場面の探索では、動作と構図が通るまで、短い768p候補に少額を使います。案はアイデアが動くかに答えるもので、最終ポートレートとして合格する必要はありません。

スマートフォンのシリーズで本人が分かる顔には、近い768pから始めます。曖昧で変化する顔の拡大より、原本を正しくすることに次の費用を使います。成功したショットに大きいファイルだけ必要なら、適切な拡大1回で仕上げます。

広い場面や多く切り抜く編集では、生成前に重要な被写体の範囲を守ります。小さい特徴に本当に依存するなら高い出力を使い、元の文脈を明瞭に保ちます。顔がほぼ場所を占めないことを、最終ラベルで補えるとは考えません。

4K納品の要件では、人物、動作、質感を先に整え、選んだ部分を拡大します。寸法を確認し、編集ツールで指定の3840×2160か2160×3840を書き出します。元の比率を保つため、4K選択だけでは正確な納品サイズも、すべての細部がそのサイズ由来であることも保証しません。

次の一歩は具体的です。予定の参照画像を開き、見る人に部屋、全身の服、顔のどれを見せるか決め、その優先順位が明瞭な構図にします。そこからH3の解像度を選びます。拡大する価値のあるものが得られてから、その費用を使います。