フレームと参照は混ぜられない
リクエストは、フレーム主導か参照主導のどちらかです。固定した最初のフレームと複数の参照の両方がほしいときは、どちらが見た目を決めるのかを選び、もう一方はプロンプトの文章に任せます。
176クレジット
残りクレジット：
公開
BestAIVideo
テキスト、フレーム、手持ちの音声から MiniMax H3 のクリップを撮る
MiniMax H3 は、書いた企画を4〜15秒の動画にし、映像と一緒にステレオ音声も生成します。ここでは、ふつうのテキストから始めることも、最初と最後のフレームでショットを固定することも、参照画像や音声クリップをモデルに渡すこともでき、送信前に消費クレジットを確認できます。
MiniMax H3 で操作できること
このモデルは、テキスト、画像、音声をまとめて読み取ります。そのため同じジェネレーターで、白紙のアイデア、絵コンテのフレーム、手持ちの音から組み立てるムードのすべてをカバーできます。実際の制作で重要なコントロールを紹介します。
ショットを始める3つの方法
テキストから動画、最初のフレームが必須で終了フレームが任意のフレームから生成、1〜5枚の画像を使うマルチモーダル参照から選びます。各モードには、そのモードで使える入力だけが表示されます。
テストは768P、決定版は2K
構図の確認は768Pで素早く進め、毛並み、布地、文字が大画面で耐える必要があるときは、同じ指示を2Kに切り替えます。2Kが初期設定です。
4〜15秒の、1秒刻みの長さ
4〜15秒の範囲で、好きな整数の長さを選べます。商品のお披露目、場面転換、短いシーンに、ちょうど必要な余裕を与えられます。
映像と一緒に届く音
セリフ、室内音、効果音、音楽が、ステレオで動画と同時に生成されます。探し回る音声スイッチはないので、音の演出はプロンプトに書いてください。
ショットに指示を出す方法
MiniMaxによると、H3ではマルチモーダル言語モデルが指示を読み取るため、多くの動画モデルよりプロンプトの構造が重要です。タグのリストではなく、短い撮影メモのように扱いましょう。
ショットが何なのかを書く
被写体と場面を1文で書き出し、起こるべき動作を1つだけ続けます。被写体が1つで動きも1つのショットは、にぎやかなシーンより評価しやすくなります。
参照画像ごとに1つの役割を与える
マルチモーダル参照では、各画像が何を提供するのかを書きます。キャラクター、商品、場所、スタイルなどです。音声ファイルも同様で、声、音楽、環境音のどれなのかを伝えます。
説明のあとにカメラのメモを足す
MiniMaxは、場面の文章のあとに置く、[pan]、[zoom]、[static]といった短い角括弧のカメラ指示を案内しています。1クリップにつき、カメラの動きは1つにします。
サウンドトラックを指示に書き込む
それぞれのセリフ、効果音、音楽の合図を、対応する動きのそばに置きます。プロンプトは7,000文字まで書けるので、タイミング付きの音の計画にも十分です。
生成する前に研究したい MiniMax H3 の3つのショット
クレステッドゲッコーの2Kマクロポートレート
黒い背景の前で、このクリップは、動物が呼吸し、まばたきし、舌を弾くあいだも、一つひとつの鱗、半透明のまぶた、反射する虹彩を2Kが鮮明に保つ様子を見せます。プロンプトには、照明、ピントの深さ、1つの自然な動きが書かれています。
レトロフューチャーな塔を垂直に昇るカメラ
カメラが並ぶ窓と吊り下がったランプのそばを上昇し、緑とマゼンタの光が金属の壁を滑っていきます。プロンプトは音を、エレベーターのうなりから、ステレオ空間を横切るケーブルのきしみまでの道筋として書いており、H3が従える種類の演出です。
15秒のネオノワール風タイトルシーケンス
回るレコード、雨に濡れた列車、赤い証拠のフォルダーが、動く文字とハーフトーンの質感とともにカットでつながります。1つの連続した動きではなく、リズムとマッチカットに頼るクリップの、便利なひな形です。
制作のための3つのメモ
長さは動きに合わせて計画する
4秒のクリップには1つの仕草が収まります。10秒を超えると、2つ目の見せ場やカットを入れる余裕が出ますが、モデルが次を推測しなくて済むよう、順番どおりに書きます。
音は別の工程として確認する
まず音を消して動きを判断し、次に映像を隠して聞きます。タイミングやバランスの問題は、2つを切り離したほうが聞き取りやすくなります。
クレジットに見合う場面
タイトルシーケンスとムード映像
企画書やフェスティバルのティーザー向けに、文字、カット、音楽の鼓動を備えた15秒のオープニングを、映像と音を1つのプロンプトで作ります。
動く商品ページ
パッケージ写真を最初のフレームにして動かすか、終了フレームを加えて、レイアウトが求める位置に商品を着地させます。
縦型のポスターとキービジュアル
9:16の比率で、キャラクターアートに、ゆるやかなカメラの流れ、呼吸するループ、穏やかな光の変化を与えます。
キャンペーンのバリエーション
同じ参照画像を複数の指示に通して、色、カメラ、音楽の方向性を試してから、1つに決めます。
ゲームやアニメのプリビズ
カットシーンの見せ場、インターフェースの一場面、クリーチャーの登場を768Pでラフに作り、承認されたショットだけを2Kで仕上げます。
ナレーションの合図付きの解説動画
分かりやすい映像の手順に、セリフや効果音を組み合わせれば、短い概念レッスンが、音声込みで完成して届きます。
MiniMax H3 のよくある質問
Hailuo 3.0やHailuo 03とも呼ばれる、MiniMaxのマルチモーダル動画モデルです。テキスト、画像、音声を1つの文脈として読み取り、同時に生成したステレオ音声付きの動画を返します。
テキストから動画、フレームから生成、マルチモーダル参照です。フレームから生成には最初のフレームが必要で、終了フレームは任意です。マルチモーダル参照には画像が1枚以上必要で、最大5枚と、任意の音声ファイルを最大3つ使えます。
構図と動きをまだ決めている間は、試行を安く回せる768Pを使います。質感、小さな文字、商品のディテールが重要になる最終段階では、2Kに切り替えます。
4〜15秒の整数秒で指定できます。初期設定は6秒で、1つの動作に向いています。カットや音の盛り上がりがあるシーケンスには、長めの長さを使います。
はい。声、環境音、効果音、音楽がステレオで動画と一緒に生成されます。自分の音声で音を方向づけたいとき以外は、何もアップロードする必要がありません。
はい。最初のフレームをアップロードしてショットを始めるか、終了フレームも加えて、2つの決まった見た目の間を動画に移動させます。アスペクト比は、アップロードしたフレームに合わせられます。
JPG、PNG、WebP、HEIC、HEIFの画像を1〜5枚と、WAVまたはMP3のファイルを最大3つです。画像は必須で、比率を自動調整にすれば、出力が参照画像に合わせられます。
テキスト生成では、21:9、16:9、4:3、1:1、3:4、9:16から選べ、初期設定は16:9です。参照モードでは自動調整が加わり、フレームモードではアップロードした画像に合わせられます。
被写体と場面を描写し、次に1つの動作、カメラの動き、音の順に書きます。[static]や[pan]のような短い角括弧の指示を場面の文章のあとに置くこともでき、どの参照画像にも目的を書いておきます。
被写体が切れていない、きれいで明るい画像を使い、それらのスタイルをそろえます。音声は無音部分を切り詰め、声、音楽の合図、環境音のどれなのかが分かりやすくします。
まず人物の同一性と構図、次に動作が選んだ長さの中で終わるかを確かめます。そのあと、カメラのつながり、手、細部を見て、最後にセリフのタイミングとステレオのバランスを確認します。