MiniMax H3 Max の技術仕様
| 仕様 | MiniMax H3 Max |
|---|---|
| モデルID | minimax-h3-max |
| モデルファミリー | MiniMax H3 |
| モデルタイプ | 生成型動画モデル |
| モデルの由来 | MiniMax H3 のオープンウェイトを用いてポストトレーニング |
| ポストトレーニング | fal Research |
| 主な最適化 | プロンプト忠実度、審美性、推論スループット |
| 入力 | テキスト、画像;reference-to-video サポートは H3 Max ファミリーで利用可能 |
| 出力 | 同期/ネイティブ音声付きの動画 |
| 長さ | 5–15秒 |
| 解像度 | 480p および 768p;1080p リファインメントの可用性は現在のエンドポイントに依存 |
| フレームレート | 24 FPS |
| 音声 | 同期ステレオ音声 |
| テキストからビデオ | はい |
| 画像からビデオ | はい |
| 始端から終端までのフレーム | 終端フレームを伴う画像からビデオで対応 |
| reference-to-video | H3 Max ファミリー/API を通じて利用可能 |
| アスペクト比 | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 |
| 主なAPIエンドポイント | api.cometapi.com/v1/videos |
| ベースモデル | MiniMax H3 |
MiniMax H3 Max は、MiniMax H3 の別個の後継として大幅な能力上限を拡張したモデルではなく、MiniMax H3 のポストトレーニング版です。fal Research は、H3 のオープンウェイトに対してプロンプト忠実度と審美性に焦点を当てた追加データでポストトレーニングを行い、その推論チームが結果モデルに合わせてサービングスタックを共同設計したと述べています。
この区別は、標準の MiniMax H3 と H3 Max を比較する際に重要です。H3 自体は汎用のオムニモーダル動画システムであり、テキスト、画像、動画、音声の理解と、ネイティブなステレオ音声付きの動画生成をサポートします。MiniMax のオープンソース H3 ドキュメントでは、H3 の各種バリアントにより出力の長さは 4–15 秒、解像度は最大 2K とされています。
一方で H3 Max は、別の動作点に焦点を当てています。より高速な生成、強いプロンプト追従、そして 480p/768p 出力における視覚品質です。fal は、自社インフラ上で 5 秒・768p のクリップを 3 秒未満で生成できると報告しています。
MiniMax H3 Max とは?
MiniMax H3 Max は、オープンウェイトの MiniMax H3 をポストトレーニングして作られた AI 動画生成モデルです。fal Research は、本モデルがプロンプト忠実度と審美性を強化するよう特に調整され、推論スタックは高スループット向けに最適化されていると説明しています。
本モデルはテキストからビデオと画像からビデオの生成をサポートしており、画像エンドポイントは終端画像を与えた場合の始端から終端までのフレーム生成にも対応します。さらに、H3 Max の API ファミリーでは reference-to-video 機能も公開されています。
したがって、最も際立った特性はパラメータ数の増加やコンテキスト長の拡張ではありません。それは、映像品質、プロンプト忠実度、低遅延生成の組み合わせです。
MiniMax H3 Max の主な特長
- ポストトレーニングされた MiniMax H3 を基盤に: H3 Max は MiniMax H3 のオープンウェイトに由来し、無関係な動画モデルではありません。fal Research はプロンプト忠実度と審美性を狙ったポストトレーニングデータを追加しました。
- 高速な動画生成: fal は、自社インフラで 5 秒・768p のクリップを約 2.78 秒で生成したと報告しており、反復的な動画生成に伴う待機時間を大幅に短縮します。
- 高いプロンプト忠実度: ポストトレーニングは、シーン構図、アクション、カメラワーク、ビジュアルスタイルを含む詳細な指示への追従を具体的に高めることを目標としています。
- テキストからビデオと画像からビデオ: 開発者はテキストプロンプトから直接動画を生成したり、画像を開始フレームとして利用できます。画像エンドポイントは、終端フレームを受け付けることで始端から終端までのフレーム生成にも対応します。
- ネイティブな同期音声: H3 Max は同期音声付きの動画を生成でき、会話、環境音、映像と音声の同期が求められる短尺シーンに適しています。
- 複数のアスペクト比: 21:9、16:9、4:3、1:1、3:4、9:16 など、横長・縦長・スクエア・シネマティックといった一般的な形式に対応します。
MiniMax H3 Max のベンチマーク結果
| 評価 | MiniMax H3 Max の結果 | 評価種類 | サンプル数 / 信頼度 | 測定内容 |
|---|---|---|---|---|
| Design Arena – Image-to-Video | 1,341 Elo | 人間の選好に基づく Elo | アリーナ形式の比較 | 生成動画の品質に対する全体的なユーザー選好 |
| Artificial Analysis – Image-to-Video + Audio | 1,201 Elo | 人間の選好に基づく Elo | 2,177サンプル;95% CI で ±11 | 音声付きの画像からビデオ生成に対する選好 |
| fal Human Preference Evaluation – Overall Quality | #1 among evaluated models | 一対一の人手評価 | 主要な動画モデル12種との比較 | 全体的な視覚品質 |
| fal Human Preference Evaluation – Prompt Understanding | #1 among evaluated models | 一対一の人手評価 | 主要な動画モデル12種との比較 | 生成動画がプロンプトにどれだけ正確に従っているか |
| fal Human Preference Evaluation – Aesthetics | #1 among evaluated models | 一対一の人手評価 | 主要な動画モデル12種との比較 | 視覚的な審美性と知覚品質 |
| 生成速度 – 5秒・768p動画 | <3秒 | 推論速度の測定 | fal のインフラ | エンドツーエンドの生成速度 |
| 生成速度(公式 MiniMax H3 比) | ~35× higher throughput | プロバイダー報告のスループット比較 | fal のインフラ | 相対的な推論スループット |
公開されている定量的な結果で最も強力なのは、1,341 Elo の Design Arena スコアと1,201 Elo の Artificial Analysis スコアです。ただし、いずれも従来型の精度ベンチマークではなく、いわゆる人間の選好に基づく Elo 測定です。Artificial Analysis の結果は、2,177 サンプルに対して 95% 信頼区間で ±11 を報告しています。
したがって、CometAPI のコンテンツでは次を区別して記述するのが最も安全です。
能力の根拠: プロンプト忠実度、審美性、音声・映像の同時生成、画像/動画の条件付け。
性能の根拠: 生成レイテンシに関するプロバイダー報告、および第三者の選好評価。
人間の選好に基づく「#1」の結果を、客観的な総合リーダーボードの順位として提示しないでください。
MiniMax H3 Max と MiniMax H3 の比較
| 能力 | MiniMax H3 Max | MiniMax H3 |
|---|---|---|
| 由来 | H3 オープンウェイト + fal のポストトレーニング | オリジナルの MiniMax H3 |
| 主眼 | プロンプト忠実度 + 審美性 + 速度 | 汎用オムニモーダル動画生成 |
| 標準的な出力時間 | 5–15秒 | 4–15秒 |
| 標準出力 | 480p / 768p | ドキュメント記載の H3 バリアントで最大 2K |
| ネイティブ音声 | はい | はい |
| テキストからビデオ | はい | はい |
| 画像からビデオ | はい | はい |
| 始端/終端フレームのワークフロー | 対応 | 対応 |
| リファレンス系ワークフロー | H3 Max reference エンドポイントあり | 幅広い reference-to-video 機能 |
| 生成速度 | 高スループット向けに最適化 | 標準的な H3 の推論 |
| 最も明確な相違点(ドキュメント上) | 高速な反復生成 | より広範な能力/解像度上限 |
最も重要な違いは、モデルの世代そのものではなく「動作点」です。標準の H3 はより広範なオムニモーダルシステムとして設計され、MiniMax のドキュメントでは最大 2K 出力をサポートしています。一方で H3 Max は、対応する出力解像度において高速生成とプロンプト忠実度を重視して開発されています。
MiniMax H3 Max の代表的なユースケース
高速なクリエイティブ反復
H3 Max は、短尺クリップを繰り返し生成・確認・修正するワークフローに適しています。低レイテンシにより、各反復で数分待つのではなく、複数のプロンプト案を実用的な時間で試せます。
ソーシャルメディア動画
短時間フォーマット、縦長のアスペクト比サポート、同期音声、高速生成により、短尺のソーシャルコンテンツや広告コンセプトに適しています。
プロダクトビジュアライゼーション
画像からビデオ生成により、製品の静止画を短いプロモーションシーケンスとしてアニメーション化できます。元画像で構図や外観を誘導可能です。
シネマティックなコンセプト開発
カメラワーク、被写体の動作、環境、照明、ビジュアルスタイルを詳細に記述したプロンプトを用いて、本格的な制作工程に移る前にシネマティックなショットを試作できます。
始端から終端までの遷移
開始画像と終端画像を与えることで、完全にテキストからの生成に頼らずに制御されたトランジションシーケンスを作成できます。
CometAPI で MiniMax H3 Max API にアクセスする方法
CometAPI は、各モデルごとにプロバイダー固有の実装を維持せずとも、対応する AI モデルを統合できる統一 API レイヤーとして利用できます。
手順 1:CometAPI の API キーを作成
CometAPI にサインインし、開発者コンソールで API トークンを作成します。
手順 2:minimax-h3-max を選択
CometAPI アカウントで当該モデルが利用可能な場合、モデル識別子として minimax-h3-max を使用します。
手順 3:ビデオ生成リクエストを送信
CometAPI の動画 API インターフェースを通じて、プロンプトと対応する生成パラメータを送信します。現在公開されている CometAPI のスキーマに応じて、パラメータには長さ、解像度、アスペクト比、画像入力、その他の動画生成コントロールが含まれる場合があります。
統合例を公開する前に、現在の CometAPI のモデルページと API ドキュメントで、正確なエンドポイント、パラメータ名、対応解像度、非同期タスク処理の挙動を必ず確認してください。これらの詳細は、基盤となる H3 Max モデルとは独立して変更される可能性があります。