MiniMax H3 Lite とは何ですか？

H3 Lite は MiniMax H3 動画シリーズの軽量版で、2026 年 10 月 27 日から SpicyAPI で利用できます。テキスト、画像、またはマルチモーダルの参照素材から、音声付きのクリップを作成します。長さは 480p または 768p で 4〜15 秒です。MiniMax は、創作の試行錯誤とバッチ生成向けの階層として位置づけています。

MiniMax H3 Lite と H3、どちらを使うべきですか？

アイデアを探り、480p または 768p で多くのバリエーションを作るなら H3 Lite を使ってください。2K や長いクリップにも対応する、品質重視の階層が必要なら MiniMax H3 を使ってください。よくある進め方は、Lite で下書きし、残すものだけを H3 に送ることです。

MiniMax H3 Lite と H3 HighSpeed の違いは何ですか？

H3 Lite は 480p と 768p に対応し、価格の低い階層なので、下書きやバッチに向いています。H3 HighSpeed は 768p のみで、日常的なコンテンツで画質と速度のバランスを取る位置づけです。どちらも同じ入力を受け付けます。

H3 Lite は 1 秒あたりいくらですか？

出力の 1 秒ごとに課金され、料金は 480p か 768p かで変わります。480p の方が単価は低くなります。設定に応じた現在の価格は、このページと Playground で実行前に表示され、サブスクリプションはありません。

H3 Lite は 1080p や 2K に対応していますか？

いいえ。H3 Lite は 768p までです。横長の 480p クリップは 864 x 480 で返されました。2K の出力が必要なら、代わりに MiniMax H3 を使ってください。

H3 Lite で画像から動画を作れますか？

はい。開始フレームを 1 枚送り、必要に応じて終了フレームも送ってから、その後に続く動きと音を記述します。アスペクト比の指定欄はありません。クリップは送ったフレームの形のままで、フレームは一辺 256〜5,760 ピクセルの範囲に収めてください。

MiniMax H3 Lite はどれくらい速いですか？

当社の実行では、480p のテキストからの動画で 4 秒のクリップが約 22〜25 秒で完成しました。画像からの動画と参照からの動画は、約 33 秒かかりました。

MiniMax H3 Lite API は NSFW 動画で無修正ですか？

はい。SpicyAPI での当社テストでは、テキストからの動画は、成人向けテストの段階的なレベルのうち、示唆的なレベルと最も強いレベルの両方を記述どおりに描写しました。画像からの動画と参照からの動画も、最も強いレベルを描写しました。拒否も弱めた出力もありませんでした。映るすべての人物が成人であることが条件です。

音声は付きますか。人物にセリフを話させられますか。

はい。すべてのクリップに映像と一緒に作られた音声が付くので、480p の下書きでも音を確認できます。話す言葉は二重引用符で囲み、誰が話すかを書いてください。参照からの動画では、声や音を決める音声クリップを 3 本まで添えられますが、言葉そのものはプロンプトに書きます。

MiniMax H3 Lite の API はありますか。課金はどうなりますか。

あります。コンソールでキーを作り、テキスト、画像、参照のエンドポイントを呼び出すと、クリップは Webhook またはタスク ID で受け取れます。課金は出力 1 秒単位で、4 秒の下書きは 480p で $0.10、768p で $0.16 です。参照からの動画では、参照動画の秒数も出力秒数と同じように計算され、最初の 5 枚の画像は含まれ、追加の画像にはわずかな料金がかかり、参照音声は無料です。

MiniMax H3 Lite API — 無修正 NSFW 動画、$0.025/s から

minimax/h3-lite/reference-to-video

MiniMax H3 Lite の参照素材から動画を生成する API は、画像・動画・音声をもとに 480p または 768p・4〜15 秒の音声付きクリップを作成します。プロンプトで画像・クリップ・声を名指しし、シリーズを組む前に登場人物が破綻しないか確かめます。軽量な設計で、アイデアの試作や複数パターンの生成に適しています。

最低価格 $0.025/秒

モデルを実行 API を見る

入力

参照素材から動画

プロンプト298/7000

並べ替えるとプロンプト内の番号も更新されます。素材を削除すると参照も消えるため、プロンプトを確認してください。

次のうち少なくとも 1 つを指定条件を満たしています

参照画像料金に影響1/9

ファイルやメディアのリンクをドロップ、貼り付け、または選択 · 最大 9 ファイル・1 件 10 MB まで・JPG · PNG · WEBP · GIF

Image 1

参照動画料金に影響0/3

動画をここにドロップ、またはここから選択 · 最大 3 ファイル・1 件 90 MB まで・MP4 · WEBM

参照音声0/3

音声ファイルをここにドロップ、またはここから選択 · 最大 3 ファイル・1 件 90 MB まで・MP3 · WAV

アスペクト比

解像度料金に影響

長さ料金に影響

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち

サンプル出力

延長

動画翻訳

動画編集

{
  "model": "minimax/h3-lite/reference-to-video",
  "input": {
    "reference_image_urls": [
      "https://cdn.spicyapi.ai/models/examples/minimax-h3-x-turbo/4ed14c85922d62d2.webp"
    ],
    "aspect_ratio": "16:9",
    "resolution": "768p",
    "duration_seconds": 5,
    "prompt": "The couple from Image 1 slip away from the gala onto a moonlit marble balcony. He loosens his bow tie, she turns in her green satin gown, takes his hand and pulls him close for a slow spin. Tracking shot, chandelier glow through the doors. Audio: muffled string quartet, a soft laugh, night breeze."
  }
}

はじめに

素材に応じてモードを選ぶ

手元にあるもの	モード
アイデアだけ	MiniMax H3 Lite テキストからの動画
動かしたいフレーム（任意で終了フレーム）	MiniMax H3 Lite 画像からの動画
人物、衣装、場所、動きのクリップ、または声	MiniMax H3 Lite 参照からの動画

主な機能とハイライト

参照は最大 15 件

MiniMax H3 Lite は 1 回のリクエストで、画像を最大 9 枚、動画クリップを 3 本（合計 15 秒）、音声クリップを 3 本まで受け付けます。人物、衣装、部屋、動き、声は、ファイルごとに別々の役を担わせられます。

プロンプトで名前を付ける

「Image 1 の女性」「Video 1 の動き」「Audio 1 の声」といった形で名指しします。番号は、各リストに並べた順番どおりです。

入力に応じた料金

画像 5 枚までは料金に含まれ、超えた分は 1 枚ごとにわずかな料金が加わります。参照動画の秒数は出力の秒数と同様に計算され、音声は無料です。

リクエストパラメーター

MiniMax H3 Lite · Reference to Video のリクエストパラメーター
パラメーター	必須	説明
`prompt`	はい	必須、1〜7,000 文字。それより長いプロンプトは拒否されます。 1 文字以上 · 7000 文字以内
`reference_image_urls`	いいえ	最大 9 枚。番号はプロンプトで使う順に画像へ振ってください（Image 1、Image 2…）。 1 件以上 · 9 件以内
`reference_video_urls`	いいえ	最大 3 本。各 2〜15 秒、合計 15 秒まで。 1 件以上 · 3 件以内
`reference_audio_urls`	いいえ	声や音を決める WAV か MP3 を 3 本まで、無料で使えます。無料です。 1 件以上 · 3 件以内
`aspect_ratio`	いいえ	16:9（既定）、9:16、1:1、4:3、3:4、21:9 から選びます。価格は変わりません。 `16:9` · `9:16` · `1:1` · `4:3` · `3:4` · `21:9` · デフォルト値: `16:9`
`resolution`	いいえ	`480p` または `768p`（既定）。これで 1 秒あたりの価格が決まります。 `480p` · `768p` · デフォルト値: `768p`
`duration_seconds`	いいえ	整数秒、4〜15、既定は 5。この秒数と解像度の組み合わせで、1 秒あたりの料金が決まります。 `≥ 4` · `≤ 15` · デフォルト値: `5`

料金

請求は出力 1 秒ごとで、料金は選んだ解像度で決まります。参照動画の秒数は出力秒数と同様に数えます。参照画像は 5 枚まで含まれ、それを超える 1 枚ごとにわずかな料金が加わります。音声は無料です。現在の料金は、いつでもモデルページに表示されています。

料金
仕様	料金
`480p`	$0.025 / 秒
`768p`	$0.04 / 秒

ユースケース

別々のファイルから組み立てるシーン

ポートレート、衣装の写真、部屋の写真を 3 枚の画像として送ると、MiniMax H3 Lite はその人物をその衣装でその場所に置きます。登場人物が話すなら、声のクリップを Audio 1 として加えます。

複数のクリップで同じキャラクター

毎回のリクエストで同じポートレートを Image 1 として送ると、MiniMax H3 Lite はシーンが変わっても顔と衣装を保ちます。同じ人物やバーチャルプレゼンターを、シリーズを通して見分けられる状態に保つ使い方ができます。

動きをコピーする

短いクリップを Video 1 として渡し、Image 1 の人物に同じ動きをさせるよう頼めます。ダンスや身振り、カメラワークの再現に向いています。参照クリップは短くすっきりさせると動きが読み取りやすく、秒数分の料金も抑えられます。秒数分が課金されるためです。

プロンプトガイドと実践のヒント

参照ごとに役割は 1 つ

各ファイルに、はっきりした役を 1 つずつ割り当ててください。顔、衣装、部屋、動き、声のどれにするかを決め、その役をプロンプトに明記します。1 枚に複数の役割が混ざると結果が不安定になるので、集合写真よりも顔だけを切り出した画像のほうが安定します。

音声には画像が必要

音声クリップだけでは参照になりません。画像か動画を少なくとも 1 つ送り、話す言葉は引用符で囲んでプロンプトに書きます。音声は声の響きを、プロンプトは発言の内容と話し手を決めます。

先に参照動画を切り詰める

クリップは各 2〜15 秒、合計 15 秒に収められ、その秒数は出力と同じように課金されます。送る前に、見せたい動きが含まれる部分だけに切り詰めてください。

API クイックスタート

# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "minimax/h3-lite/reference-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "768p",
    "reference_image_urls": [
      "https://example.com/reference.png"
    ]
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。

480p でアイデアを下書きし、バリエーションを一括で生成。

主なスペック

開始価格: $0.025/s; 480p で出力 1 秒ごとにかかる料金です。768p はこれより高くなります。現在の料金はこのページで確認できます。
エンドポイント: 3; テキスト、画像、参照のどの入力でも、同じ 2 つの解像度と 4〜15 秒の範囲を使えます。
クリップの長さ: 4-15 s; 4〜15 秒の整数で自由に指定でき、生成した秒数分だけ課金されます。
解像度: 480-768p; 最安値は 480p、より鮮明なフレームは 768p（既定）です。
参照: 9+3+3; 参照からの動画は、画像 9 枚、動画クリップ 3 本（合計 15 秒）、音声クリップ 3 本まで受け付けます。
待ち時間: ~25 s; 当社の実行では、4 秒のテキスト動画が約 22〜26 秒、フレームや参照からのクリップは約 33 秒でした。

課金前に知っておくこと

すべてのモード

Lite は 768p までで、1080p や 2K はありません。横長のクリップは 480p で 864 x 480 になりました。プロンプトは 7,000 文字まで、長さは 4〜15 秒の整数です。

画像から動画

画像からの動画には、クリップが開始フレームの形になるため、アスペクト比の欄がありません。フレームは一辺 256〜5,760 ピクセル、幅と高さの比率は 0.4〜2.5 にしてください。

参照素材から動画

参照からの動画には、画像か動画を少なくとも 1 つ付ける必要があり、音声だけでは受け付けません。画像は 9 枚、動画クリップは 3 本（各 2〜15 秒、合計 15 秒）、音声クリップは 3 本までで、範囲外の動画は引き延ばしまたはカットされます。アスペクト比は自動指定ができないため、一覧から選んでください。

できること

テキストから動画

プロンプトから始める

Lite は、シーンを素早く試すために作られています。画面に誰が映るか、何が起きるか、カメラがどこへ動くか、どんな音が聞こえるべきかを書き、480p で実行してください。当社の実行では 4 秒のクリップが約 22〜25 秒で返ったので、結果を見て、プロンプトの一か所だけを変えて、もう一度生成できます。実行のたびに照明やカメラの動きを変え、バッチを並べて比べてください。

画像から動画

開始フレームを動かす

ポートレート、商品写真、または以前のクリップのフレームを送り、その後に起きることだけを記述します。Lite はフレームの形を保ち、動き、カメラ、音を加えます。より長く精細なレンダリングに費用をかける前に、静止画をすばやく試すのに向いています。動きがどこで終わるかを固定したい場合は、終了フレームを追加してください。

参照から動画
参照で導く
画像を最大 9 枚、動画クリップを 3 本、音声クリップを 3 本まで渡し、プロンプトの中で一つずつ名前を付けてください。たとえば「Image 1」の女性や「Audio 1」の声のように書きます。一つのショットに顔、衣装、場所が収まるかを、シーケンス全体を組み立てる前に安く確かめられます。音声は、少なくとも一つの画像か動画と一緒に渡す必要があります。

バッチのバリエーション

テイクは多く、アイデアは一つ

Lite は、量が必要なときに使う階層です。同じシーンの冒頭を入れ替えたり、一枚のフレームに複数のカメラワークを与えたり、フックの縦型 9:16 版を十数本作ったりできます。プロンプトは変えず、細部を一つだけ変えて、768p で描き直す価値のあるテイクを選んでください。1 秒あたりの価格はこのページに掲載されているので、バッチの予算を立てやすくなっています。

MiniMax H3 Lite の作例

テキストからの動画、9:16、480p、6 秒。ささやく引用のセリフと柔らかい曲付き。
7 秒
480p · 4s. シーン、カメラ、音を指定します。
4 秒
480p · 4s. 画像を 1 枚追加し、動きと音を書いて試します。
4 秒
480p · 4s. 画像・動画・音声の参照で、被写体を揃えたまま動かします。
4 秒
480p · 4s. ボクシングの準備運動を、1 枚の画像から作ります。
4 秒
480p · 4s. 参照画像のボクサーが、別のトレーニングリングに登場します。
4 秒

活用シーン

素早い下書きと絵コンテ
480p でカットを 10 通り試し、うまくいったものを残します。その後、同じプロンプトで 768p に書き出し直せます。
ソーシャル向けバリエーションのバッチ生成
台詞、音楽、効果音を含む縦型 9:16 のクリップを一度に作ります。各 4〜15 秒で、どのフックが響くかを確かめるために大量に生成します。
大きなレンダリングの前に静止画を確認する
ポートレートや商品写真を開始フレームとして送り、より長いクリップに費用をかける前に、動きを安く確認します。
キャラクターの一貫性を確認する
人物、衣装、場所を参照として送り、シリーズを計画する前に、同じ人物がクリップをまたいで保たれるかを確かめます。

モデルリファレンス

MiniMax H3 Lite API リファレンス

MiniMax H3 Lite：アイデアを安く試すための階層

MiniMax は H3 Lite を H3 の軽量版と位置づけ、低コスト、創作の試行、バッチ生成を狙ったものとしています。このページでの使い方は一つです。短くて安価な試作をたくさん回し、残したい 1 本にだけ費用をかけます。どのクリップにも音声が付くので、下書きの段階でもセリフや環境音を確認できます。

1 回の試作にかかる費用

出力は 1 秒単位の課金で、480p は $0.025、768p は $0.04 です。480p で 4 秒の下書きは $0.10 なので、同じショットのバリエーションを 10 本作っても $1.00 です。768p で同じ 10 本なら $1.60、480p で 15 秒いっぱいのクリップは $0.375 です。

うまく回る流れ

シーンを 1 回だけ書き、480p で 4 秒のクリップを生成します。
実行ごとにカメラの動き、光、セリフなど細部を 1 つだけ変えて、まとめて見比べます。
最も良いテイクを、同じプロンプトのまま 768p で、ショットに必要な長さで生成し直します。

上の階層に移るとき

Lite は 768p までで、2K のクリップは作れません。768p に決めて毎日クリップを作るなら、その 1 つの設定を軸にした MiniMax H3 HighSpeed が向いています。2K が必要なショットや 15 秒を超えるクリップには、MiniMax H3 を開いてください。

MiniMax H3 Lite API の仕様

提供元: MiniMax
モデル: MiniMax H3 Lite
SpicyAPI での提供開始: 2026年10月27日
エンドポイント: テキスト、画像、参照からの動画
長さ: 4〜15 秒の整数（既定は 5 秒）
解像度: 480p、768p（既定）
アスペクト比: テキストと参照からの動画は 16:9（既定）、9:16、1:1、4:3、3:4、21:9。画像からの動画は開始フレームの形になります
出力: 音声付き MP4、透かしなし
プロンプト長: 1〜7,000 文字
参照: 参照からの動画で、画像 9 枚、動画クリップ 3 本（合計 15 秒）、音声クリップ 3 本まで
実行方式: 非同期タスク、出力秒数で課金

MiniMax H3 Lite API の呼び出し方

話すセリフは二重引用符に入れる
セリフは引用符で囲み、誰が話すのかも書きます。5〜8 秒の下書きなら、1〜2 行で十分です。
参照は種類と番号で呼ぶ
参照からの動画では、ファイルを種類と番号で呼びます。「Image 1 の女性」「Video 1 の動き」「Audio 1 の声」といった形で指定します。音声は、少なくとも 1 枚の画像か動画と一緒に送ります。
画像からの動画では、次の瞬間だけを書く
開始フレームには人物と場所がすでに写っています。絵をもう一度説明せず、何が動き、カメラがどう進み、次にどんな音が聞こえるかを書いてください。
下書きは 480p、仕上げは 768p
480p は 1 秒あたり約 40% 安くなります。480p でプロンプトを調整し、残したい一本は同じプロンプトのまま 768p で生成してください。

モデルの概要

MiniMax H3 Lite は、動画で考えを声に出して試すための階層です。テキスト、画像、参照のリクエストを 480p または 768p で実行し、すべてのクリップに音声を付けます。当社の実行では、短いクリップを 1 分よりずっと短い時間で返しました。そのため、大半を捨てることになる下書き、絵コンテ、バリエーションのバッチに向いています。残す価値のあるものは 768p で書き出し直してください。2K が必要なら MiniMax H3 に移ります。当社のテストでは、成人向けコンテンツが弱められることはありませんでした。SpicyAPI は秒単位で課金し、サブスクリプションはありません。アップロードするものの権利と同意は、利用者の責任です。