“Medium close-up, 50mm. A night-market noodle vendor in a white apron stands behind a steaming wok under bare hanging bulbs. He looks into the camera and says: "Thirty years. Same pan, same recipe." Then he tosses the noodles high and flames jump up from the wok. Camera: gentle living handheld that barely breathes, slight push-in. Audio: his voice, sizzling oil, crowd chatter, distant scooters. Photorealistic, warm practical light.”MiniMax H3, 10秒, 音声付き, 80クレジット
“A chef in her forties looks straight into the camera in a bright open kitchen and says, "The secret is you never crowd the pan." She smiles and turns back to the stove. Clean daylight from a window, white tile, flour on her apron, a strand of hair loose. Medium close-up, 50mm, slight handheld. Sound: her voice close and clear, a gentle sizzle, a knife on a board off screen.”MiniMax H3, 5秒, 音声付き, 40クレジット
“Stop-motion claymation: a round green frog in a knitted scarf carries a stack of pancakes across a tiny kitchen set, sets it down, then looks at camera and blinks. Visible fingerprints in the clay, felt walls, warm practical lamps, stepped 12fps motion. Sound: playful pizzicato strings, soft clay squeaks, a plate clink.”MiniMax H3, 5秒, 音声付き, 40クレジット
“Macro shot of espresso pulling from a chrome portafilter into a warm glass, thick golden crema blooming and swirling. Bright morning light through a cafe window, steam curling, water spots on the chrome, a few coffee grounds on the tray. 100mm macro, shallow focus, slight handheld drift. Sound: grinder winding down, the hiss of the pump, liquid pattering into glass, cafe chatter behind.”MiniMax H3, 5秒, 音声付き, 40クレジット
“Two heavy draft horses stand together in a shallow flooded pasture at dusk — a chestnut with a long flaxen-copper mane, head lowered and turned inward, resting against the shoulder of a dark dapple-grey with black feathered legs. Ankle-deep still water mirrors them almost perfectly. Golden-hour side light, pale peach and dove-grey sky, bare winter trees and a red-roofed barn far in the background with small grazing horses. Extremely slow, quiet motion”MiniMax H3, 画像から動画, 5秒, 音声付き, 40クレジット, 入力画像はGPT Image 2.5で生成
“Pull focus to the people in the background and add more steam to the ramen bowl.”MiniMax H3, 画像から動画, 10秒, 音声付き, 260クレジット, 入力画像はGPT Image 2.5で生成
H3 Max Turboの768pです。男性がセリフを一語一句そのまま言い、そのあと中華鍋から大きな炎が上がります。プロンプトはKreaのSeedance 2.5とMiniMax H3の比較のもので、そこではH3 Maxが屋台全体を映し、最後に小さな炎を出しただけでした。Kreaは8秒、こちらは10秒です。Wan 3.0のページでも同じプロンプトの動画を見られます。
テキストから動画
768p
10秒
音声付き
16:9
“Medium close-up, 50mm. A night-market noodle vendor in a white apron stands behind a steaming wok under bare hanging bulbs. He looks into the camera and says: "Thirty years. Same pan, same recipe." Then he tosses the noodles high and flames jump up from the wok. Camera: gentle living handheld that barely breathes, slight push-in. Audio: his voice, sizzling oil, crowd chatter, distant scooters. Photorealistic, warm practical light.”
彼女がレンズを見つめ、書いたとおりのセリフを言い、周りには厨房の音が流れます。プロンプトは公開されているH3 Maxのショーケースのもので、これはより安いH3 Max Turboで生成しています。
テキストから動画
768p
5秒
音声付き
16:9
“A chef in her forties looks straight into the camera in a bright open kitchen and says, "The secret is you never crowd the pan." She smiles and turns back to the stove. Clean daylight from a window, white tile, flour on her apron, a strand of hair loose. Medium close-up, 50mm, slight handheld. Sound: her voice close and clear, a gentle sizzle, a knife on a board off screen.”
ヒント：セリフは引用符で囲み、誰がどう話すかを書きます:「looks straight into the camera … and says, "…"」。
“Stop-motion claymation: a round green frog in a knitted scarf carries a stack of pancakes across a tiny kitchen set, sets it down, then looks at camera and blinks. Visible fingerprints in the clay, felt walls, warm practical lamps, stepped 12fps motion. Sound: playful pizzicato strings, soft clay squeaks, a plate clink.”
“Macro shot of espresso pulling from a chrome portafilter into a warm glass, thick golden crema blooming and swirling. Bright morning light through a cafe window, steam curling, water spots on the chrome, a few coffee grounds on the tray. 100mm macro, shallow focus, slight handheld drift. Sound: grinder winding down, the hiss of the pump, liquid pattering into glass, cafe chatter behind.”
ヒント：素材とそこに当たる光を書きます（「thick golden crema」「chrome」）。マクロで伝わるのはそこです。
40クレジット
入力画像はGPT Image 2.5で生成
ほとんど動かない静止画
H3 Max Turboでの画像から動画です。動きはごくわずかで、プロンプトの最後の言葉「Extremely slow, quiet motion」の指示どおりです。プロンプトは公開されているH3の画像から動画の例のもので、元の開始画像は絵画でしたが、こちらはGPT Image 2.5で作った写真です。
画像から動画
768p
5秒
音声付き
16:9
“Two heavy draft horses stand together in a shallow flooded pasture at dusk — a chestnut with a long flaxen-copper mane, head lowered and turned inward, resting against the shoulder of a dark dapple-grey with black feathered legs. Ankle-deep still water mirrors them almost perfectly. Golden-hour side light, pale peach and dove-grey sky, bare winter trees and a red-roofed barn far in the background with small grazing horses. Extremely slow, quiet motion”
H3 Max Turboは、MiniMax H3の速くて低価格なバージョンです。MiniMax自身のリリースではありません。独立したAI企業が、MiniMaxが公開したH3の重みを追加学習してH3 Maxを作り（現在はMiniMaxも共同リリースとして提供しています）、それを速さ重視に調整したのがこのTurbo版です。480p〜1080pの音声付き動画を作れますが、2Kと参考画像のモードはありません。
MiniMax H3とH3 Max Turbo、どちらを使えばいい？
下書きはもっとも安くて速いH3 Max Turboで行い、2K、参考画像、MiniMax自身のモデルが必要なときに、仕上げをMiniMax H3で生成します。2つを直接比べた独立した検証は、まだありません。
日本語のセリフやリップシンクはできますか？
MiniMaxは、MiniMax H3のセリフが安定して対応する11言語の1つとして日本語を挙げています。日本語で話させたいときは、セリフを引用符で囲み、誰がどんな声で話すかと、言語を書いてください。H3 Max Turboについては、対応言語の一覧を確認できていません。日本語のセリフの仕上がりは、zzo.aiではまだ検証していません。
MiniMax H3は音声付きですか？
はい。MiniMax H3とH3 Max Turboのすべての動画に、32kHzのステレオ音声（セリフ、効果音、BGM）が映像と同時に生成されます。オフにはできないので、無音が必要なら編集ソフトでミュートするか差し替えてください。
