本文へスキップ

H3 X には 1〜7,000 文字のプロンプトが必要です。動作・カメラ・音を説明し、台詞だけを二重引用符で囲みます。H3 X の長さは 2〜15 秒の整数で指定します。初期値は 5 秒で、出力は 24 fps です。

最低価格 $0.022/秒

プレイグラウンド

入力

テキストから動画
467/7000
H3 X には 1〜7,000 文字のプロンプトが必要です。動作・カメラ・音を説明し、台詞だけを二重引用符で囲みます。 1 文字以上 · 7000 文字以内
H3 X のテキスト・参照生成は 16:9 が既定で、9:16・1:1・4:3・3:4・21:9 も選べます。画像生成では開始画像の比率を引き継ぎます。
料金に影響
H3 X は 480p・720p・1080p に対応し、既定は 720p です。SpicyAPI の切り抜き比較では、1920 x 1088 の大きな出力でも細部の向上は確認できませんでした。
長さ料金に影響
H3 X の長さは 2〜15 秒の整数で指定します。初期値は 5 秒で、出力は 24 fps です。 2 以上 · 15 以下
プロンプト自動拡張
H3 X のプロンプト拡張は初期状態では無効です。有効にすると生成前に指示を補い、料金は変わりません。
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

関連モデルと次のステップ

お探しのモデルが見つかりませんか?

必要なモデルと用途をお知らせください。次に何を追加するかを決めるチームに直接届きます。

手頃な価格の MiniMax H3 動画。話す台詞、時間指定のショット、最大 9 件の参照に対応

MiniMax H3 X は、SpicyAPI だけで提供されている、MiniMax H3 の低価格な調整版です。動画 1 秒あたり $0.022 から利用できます。MiniMax 公式のリリースではありません。3 つのエンドポイントが、480p、720p、1080p のステレオ音声つき 2〜15 秒クリップを生成します。テキストから動画、冒頭フレーム(任意で最終フレームも)から作る画像から動画、最大 9 枚の画像・2 本の動画クリップ・3 本の音声クリップから作る参照から動画です。ダブルクォートで囲んだ台詞は実際に話され、3 つのエンドポイントはすべて検閲なしです。コンテンツの制限は MiniMax H3 よりやや厳しめですが、1 秒あたりの価格は低く抑えられています。

プレイグラウンドを開く
手頃な価格の MiniMax H3 動画。話す台詞、時間指定のショット、最大 9 件の参照に対応
モデル
MiniMax H3 の調整版。2026 年 10 月 26 日から SpicyAPI 限定で提供。MiniMax 公式のリリースではありません
エンドポイント
テキストから動画、冒頭フレームと任意の最終フレームから作る画像から動画、最大 9 枚の画像・2 本の動画クリップ・3 本の音声クリップから作る参照から動画
クリップの長さ
2〜15 秒の整数秒、24 fps、既定は 5 秒
解像度
480p、720p(既定)、1080p。テキストから動画と参照から動画は 16:9、9:16、1:1、4:3、3:4、21:9
音
すべてのクリップにステレオ音声。ダブルクォート内の台詞は話されます
開始価格
480p で出力 1 秒あたり $0.022 から。720p と 1080p はそれより高くなります
価格
MiniMax H3 をより安くH3 X は 480p で出力 1 秒あたり $0.022 からで、解像度ごとの最新価格はモデルページに掲載しています。音とプロンプト拡張は秒単価に含まれます。下書き用には、このモデルの蒸留版でおよそ半額の H3 X Turbo があります。
台詞
引用符内の台詞が一字一句そのまま返る人物が話す言葉をダブルクォートで囲んで書きます。音声認識による確認では、引用符内の台詞が一字一句そのまま返り、口の動きも合っていました。参照音声クリップを使った実行も含みます。雨、息づかい、音楽もプロンプトに従います。
コンテンツ
3 つのエンドポイントすべてで検閲なし私たちのテストで拒否されたリクエストはありません。画像から動画と参照から動画は成人 2 人の親密なシーンを出力しました。コンテンツの制限は MiniMax H3 よりやや厳しめで、テキストから動画は 1 人だけの場面や男性が主体の場面の一部の NSFW 表現を控えめにするため、その場合は画像か参照から始めてください。

MiniMax H3 X の使いこなし方

1 枚のフレームから始めて、その先を書く

1 枚のフレームから始めて、その先を書く

冒頭フレームは、薄暗いレコードラウンジでウォールナットのカウンターの奥に立つ、背中の開いた黒いベルベットドレスのバーテンダーでした。プロンプトにはその先だけを書きました。グラスを置き、カウンターに身を乗り出し、手にあごをのせて "Last call." とささやき、レコードのノイズとソウルが流れます。720p のクリップは彼女の顔、ドレス、琥珀色の光を保ちました。左上が冒頭フレーム、残りの 3 コマはクリップの各場面です。

参照は順番で呼ぶ

参照は順番で呼ぶ

プラチナブロンドのボブの女性のポートレート、キャメルのトレンチコートの商品写真、誰もいないアールデコ調の試着室を Image 1、2、3 として送り、プロンプトに "the woman from Image 1"、"the trench coat from Image 2"、"the fitting room from Image 3" と書きました。彼女の顔、コート、金縁の鏡が 720p の 1 つのシーンにまとまって返りました。左の列が 3 件の参照です。

  • 台詞ごとに引用符で囲む

    夜、雨に濡れた屋上でカップルがゆっくりとタンゴを踊り、彼女が "Not yet." と言います。プロンプトには音も書いています。タイルを打つ雨、遠くの車の音、バンドネオンです。映像、声、効果音は 1 回の生成で一緒に出るので、音声を別に作る工程はありません。台詞は、指定したクリップの長さの中で無理なく言い切れる短さにしてください。

  • 参照クリップから動きを写す

    参照動画は動きのテンプレートとして使えます。白いタンクトップの男性のポートレートを Image 1、短いダンスクリップを Video 1 として送り、日の差し込むロフトで同じスピンと肩の動きを指定しました。顔とタンクトップは Image 1 から、動きだけを Video 1 から取るように書いています。参照動画の秒数は出力の秒数と同じように課金されるので、必要な動きだけに切り詰めてください。

  • 1080p は細部ではなくフレームの大きさで選ぶ

    既定は 720p です。1080p は実際に 1920 x 1088 のファイルで返りますが、ビットレートは 720p より低く(約 3.3 Mbps、720p は約 10 Mbps)、切り出して比べても 720p より鮮明には見えませんでした。5 秒のクリップは 480p で約 50〜110 秒、720p で約 100〜130 秒、1080p で約 171 秒かかりました。秒単価が最も低い 480p で下書きし、気に入ったテイクを 720p で仕上げてください。

MiniMax H3 X の主な使い手

  • 1 つのプロンプトから 3 ショット

    ショートドラマやシリーズの作り手

    1 つのプロンプトから 3 ショット

    ショットごとに開始時間を書き、プロンプトのどの行でも同じ人物を指定します。12 秒のクリップでは、ホテルの廊下のワイドショット、4 秒で真鍮の錠に差し込まれる鍵へのカット、8 秒で部屋の中へのカットを指定し、同じ女性のままその 3 ショットで返りました。15 秒のテストでは、カットはおよそ 5 秒と 10 秒に入りました。

  • テキストからそのまま縦型クリップ

    SNS・ショート動画チーム

    テキストからそのまま縦型クリップ

    テキストから動画と参照から動画は、16:9、1:1、4:3、3:4、21:9 に加えて 9:16 にも対応し、720p の 9:16 クリップは 736 x 1312 で返ります。私たちのライフガードは、夕暮れの光の中で白い監視塔の手すりにもたれ、サングラスを押し上げて低い位置のカメラに笑いかけました。写真は、その 5 秒クリップの 2 つの場面です。

  • ユーザー自身のフレームから始める

    成人向けプラットフォームの開発者

    ユーザー自身のフレームから始める

    私たちのテストで、画像から動画は NSFW の冒頭フレームを受け付け、成人 2 人の親密なシーンを出力しました。接触そのものはフレームの外に置かれます。男性が主体の場面の一部は控えめになったため、その場合は参照から動画を使ってください。画面に映る人物は全員成人でなければなりません。写真は、夜明けのパリのバルコニーでやさしくキスを交わす 2 人の女性で、服を着た冒頭フレームから生成したものです。

  • 2 枚のポートレートから 2 人を

    キャラクターやシリーズの作り手

    2 枚のポートレートから 2 人を

    1 人につき 1 枚のポートレートを送り、"the man from Image 1"、"the man from Image 2" のように順番で呼びます。スーツ姿の男性 2 人のポートレートは、鏡張りの真鍮のホテルのエレベーターで、1 人がもう 1 人のネクタイをゆるめる場面として返り、2 人の顔はどちらも保たれました。一連のショットでは、同じポートレートを同じ順番で使い回してください。

MiniMax H3 X で最初のプロンプトから最終テイクまで

  1. 手元にあるものでエンドポイントを選ぶ

    言葉だけならテキストから動画へ。シーンのフレームがあれば画像から動画へ(最終フレームは任意)。人物、衣装、商品、場所の別々の写真、動きのクリップ、声があれば参照から動画へ。フレームと参照を 1 つのリクエストで混ぜることはできません。

  2. 動き、カメラ、音を書く

    起きることを順番に、カメラの動きと聞こえる音とあわせて書き、話す台詞はすべてダブルクォートで囲みます。画像から動画では、フレームそのものではなく、その後に起きることを書きます。書いた言葉をそのまま使わせたいときは、プロンプト拡張をオフのままにしてください。

  3. 480p で下書きする

    秒単価が最も低い 480p で 5 秒のテイクをいくつか作り、長くする前に顔、手、台詞を確認します。

  4. 720p で、必要な長さだけ仕上げる

    気に入ったテイクを 720p で、シーンに必要な長さ(最長 15 秒)で作り直します。どのクリップも出力の秒数で課金されます。1080p は、より大きなフレームが必要なときだけ選んでください。

  5. 1 人だけ・男性主体の NSFW 場面は画像から始める

    テキストから動画は、1 人だけの場面や男性が主体の場面の一部の NSFW 表現を控えめにします。人物の写ったフレームから画像から動画を使うか、参照から動画を使ってください。画面に映る人物は全員成人でなければなりません。

そのまま使える MiniMax H3 X のプロンプト

  • 引用符の台詞が 1 つ入ったタンゴ

    テキストから動画、16:9 向け。服装、動き、引用符内の台詞、音をそれぞれ 1 回ずつ書いています。

    Night, a rain-soaked rooftop above a glittering city. A couple dances a slow tango in the downpour: she wears a clinging crimson satin slip dress, he wears a soaked white shirt open at the collar. He dips her low, she pulls him back up by the collar, their faces an inch apart, and she says, "Not yet." Rain hissing on the tiles, distant traffic, a bandoneon playing a slow tango. Cinematic, shallow depth of field, wet reflections, warm city glow against blue night.
  • ささやくフレーム

    服を着た成人 1 人のフレームから作る画像から動画向け。フレームの後に起きることだけを書きます。

    She sets the glass down slowly, leans across the bar toward the camera, rests her chin on her hand and whispers, "Last call." A record crackles on the turntable, low soul music, ice clinking. The camera pushes in slowly. Warm amber light, shallow depth of field.
  • 3 件の参照で 1 回の試着

    ポートレート、服の写真、場所の写真をこの順で渡す参照から動画向け。各画像を順番で呼びます。

    The woman from Image 1, in her black slip dress, tries on the trench coat from Image 2 in the fitting room from Image 3. She belts it, turns to the gold mirror, then lets the coat slide off one shoulder and glances back at the camera over that shoulder. Soft spotlight, rustle of wool, quiet lounge music. Cinematic, shallow depth of field.

MiniMax H3 X のその他のよくある質問

シーンに声が必要で、予算を抑えたいときに

言葉だけで足りるならテキストから動画を、フレームがすでにあるなら画像から動画を、人物、衣装、場所、動きをそろえる必要があるなら参照から動画を選びます。

台詞はすべて引用符で囲み、ショットに時間を指定し、480p で下書きして 720p で仕上げてください。1 人だけ・男性主体の NSFW 場面は画像か参照から始めます。

MiniMax のすべてのモデル17

動画モデル12