MiniMaxが多機能動画AI「H3」公開

MiniMaxは、汎用マルチモーダル生成モデルであるMiniMax H3をリリースしました。MiniMax H3は、アドオン付きのテキストから動画を生成するモデルではありません。MiniMaxはこれを、テキスト、画像、動画、音声を一つの統合された文脈として読み込み、ネイティブなステレオ音声付きの動画を返す汎用マルチモーダル生成モデルであると説明しています。主な仕様は、2K出力、4〜15秒、整数秒のみの持続時間です。これまでの動画生成技術は、text-to-video、image-to-video、first-and-last-frame、subject reference、motion reference、およびvideo editingに分かれており、それぞれが個別の専門モデルであることがよくありました。MiniMax H3は、これらの機能を一つの事前学習パラダイムに統合し、参照や編集の関係が自然言語で表現されます。MiniMaxのプロンプト例がその点を明確に示しています。「Video 1のカメラの動きを参照し、Image 2のキャラクターに歌わせ、ボーカルをAudio 3に合わせる。」展開可能か？現状では、APIを通じては可能ですが、自身のハードウェア上では不可能です。MiniMaxは2026年7月31日にH3をローンチし、このモデルはプラットフォームAPIでモデルID MiniMax-H3として、また消費者向けHailuo AIアプリで利用可能です。産業分野：MiniMaxはMiniMax H3を、広告、ブランディング、eコマース、製品デザイン、UI/UX、ゲーム、さらに映画の事前視覚化や小売カタログメディア向けに位置付けています。アプリケーション：広告バリアント生成、製品および出品動画、アニメーションポスター、映画のタイトルシーケンス、ウェブサイトのヒーローループ、キャラクターの一貫したゲームシネマティクス、video-to-videoモーション転送。APIインターフェース：動画生成ガイドは、text-to-video、first/last-frame image-to-video、reference generationの3つの入力モードを文書化しています。一つのエンドポイントと非同期の3ステップフローの背後には、タスクの作成、task_idのポーリング、content.urlのダウンロードがあります。設計時に考慮すべき入力制限：参照画像：最大9枚。参照動画：最大3クリップ、各2〜15秒、合計15秒以下。参照音声：最大3クリップで、音声は付随する画像または動画なしでは送信できません。混合入力は合計12ファイルまで。プロンプト長は7,000文字以下。リクエストボディ