画像から動画
MiniMax H3 画像から動画
写真を1枚アップロードすると、音付きの MiniMax H3 動画になります。
- 4–15 秒 · 768P / 2K
- API キー不要
- インストール不要
この動画は約 44 クレジット
クレジットは動画が生成された場合のみ消費されます。生成に失敗した場合は自動で返却されます。
送信する権利のあるコンテンツのみを使用してください。次をご確認ください: 利用規約、特に利用規定、 および 安全上の問題や不正利用の報告。
タスク
生成ステータス
Example: an orange-booth rap duo made with MiniMax H3 text-to-video. See the Hotel Lobby AI guide.
はじめる前に
- 1被写体・動き・カメラワークを書きましょう(例:「ゆっくりズームイン」)。
- 2光の向きと、出したい雰囲気を伝えましょう。
- 3画像から動画では、写真の中で動かしたい部分だけを書きましょう。
H3 の動画にはすべて音声が付きます。音楽・効果音・セリフが欲しい場合はプロンプトに書いてください(例:「やさしいピアノ曲、打ち寄せる波の音」)。書かない場合はモデルが音を選び、控えめな環境音だけになることが多いです。
仕組み
MiniMax H3 画像から動画の仕組み
1画像がそのまま最初のフレームに
画像から動画は、白紙ではなく 1 枚の画像から始まります。モデルに最初のフレームを渡すと、そのシーンがどう動くか(被写体、カメラ、光、音)をモデルが予測します。最初のフレームが固定されるため、テキストだけで生成した動画よりも元の画像の見た目をはるかに忠実に保てます。商品写真、キャラクターのポートレート、風景、コンセプトアートなど、欲しいショットがすでに手元にあり、それを動かしたいときに最適なモードです。
2プロンプトで動きを演出
続いて、プロンプトで時間の経過に伴う変化をモデルに伝えます。良い画像から動画のプロンプトは、舞台のト書きのように読めます。何が最初に動くか、カメラがどこへ向かうか、どれくらいの速さで起こるか、シーンでどんな音が聞こえるか。最後のフレームもアップロードすると、モデルはその画像で終わるように動きを組み立てます。トランジション、リビール、ビフォーアフターのショットに便利です。モデルはネイティブ音声付きの完成した動画を返すため、別途サウンドトラックを用意しなくても使えるドラフトが得られます。
3ひとつの生成ツール、2つの始め方
このページとホームページの MiniMax H3 動画ジェネレーターは同じジェネレーターを使用しています。違いは出発点だけです。ここでは画像から、ホームページではテキストのプロンプトから始めます。

3ステップ
3 ステップで写真を動画にする方法
- 01
最初のフレームをアップロード
ジェネレーターで画像から動画を選び、5 MB までの JPEG、PNG、WebP 画像をアップロードします。この画像が動画の冒頭フレームになるため、被写体、ライティング、構図がすでに整っている画像を選びましょう。理想のラストショットがある場合は、任意の最後のフレームとしてアップロードできます。
- 02
動きを説明する
最初のフレームの後に何が起こるべきかをプロンプトに書きます。被写体の動き、カメラの動き、シーンの変化です。画像の内容をすべて説明し直す必要はありません。アクション、テンポ、雰囲気に集中しましょう。プロンプトは最大 7,000 文字です。
- 03
長さと解像度を選んで生成
長さを 4〜15 秒の間で設定し、768P または 2K を選びます。開始時にクレジットが予約され、タスクは待機中、処理中、成功の順に進み、完成したネイティブ音声付きの動画がアカウントに表示されます。タスクが失敗した場合、予約されたクレジットは返却されます。
設定
MiniMax H3 画像から動画の設定
設定項目はあえて最小限にしています。各項目はモデルが受け付けるパラメーターに直接対応しており、設定した内容がそのままモデルに渡されます。
- 最初のフレーム
- 必須。JPEG、PNG、WebP、5 MB まで。動画はこの画像から始まります。
- 最後のフレーム
- 任意。動画を特定のラストショットで終わらせたいときに 2 枚目の画像を追加します。
- プロンプト
- 動き、カメラ、雰囲気を説明する最大 7,000 文字のテキスト。
- 長さ
- 4〜15 秒の任意の整数秒。
- 解像度
- 768P は素早いドラフト向け、2K は最も鮮明な仕上がり。2K は 1 秒あたりのクレジット消費が多くなります。
- 音声
- MiniMax H3 の動画はすべて、シーンに合ったネイティブ音声付きで生成されます。
ヒントアスペクト比の選択はテキストから動画でのみ利用できます。画像から動画では、仕上がりのイメージに合わせて元画像をトリミングまたは構図調整してからアップロードし、被写体がはっきりと明るく写るようにしてください。主役となる被写体が 1 つあり、周囲に適度な余白がある画像ほど、モデルが自然な動きを生み出しやすくなります。
プロンプト例
画像から動画のプロンプト例
画像にすでに写っている内容を繰り返すのではなく、動き、カメラ、音を描写しましょう。以下の例は書き方のパターンです。細部はご自身のシーンに置き換えてください。
“ボトルにゆっくりとカメラが寄り、ガラスを結露の水滴が伝い落ちる。柔らかなスタジオライトが左から右へ流れ、被写界深度は浅く、穏やかなアンビエント音楽。”
“彼女が窓のほうへ顔を向けて微笑む。風が髪を揺らし、カメラはわずかに右へ流れる。暖かな午後の光、窓の外から静かな街の音。”
“雲が山々の上を素早く流れ、湖面にさざ波が立つ。ゆっくりと引いていく空撮で谷全体が現れ、遠くで鳥が鳴く。”
“提灯がひとつずつ灯り、粉雪が舞い始める。カメラは通りを前へと滑るように進み、やさしい祭りの音楽が流れる。”
ヒントいくつかのコツがあります。1 本の動画につきメインの動作は 1 つにする、カメラの動き(プッシュイン、パン、オービット、固定)を指定する、テンポを描写する、期待する音に触れる。最初の結果の動きが大きすぎる場合は、プロンプトを短くして余分な動作を削りましょう。動きが少なすぎる場合は、明確な動詞とカメラの方向を加えてください。
どちらのモード
画像から動画とテキストから動画、どちらを使う?
画像から動画
見た目を正確に保つ必要があるときは画像から動画を使いましょう。実在の商品、すでにデザイン済みのキャラクター、ブランドビジュアル、自分で撮った写真などです。最初のフレームが結果を固定し、任意の最後のフレームで終わり方をコントロールできます。
テキストから動画
まだアイデアを模索中で、手元に画像がないときはテキストから動画を使いましょう。シーン全体を言葉で説明し、6 種類のアスペクト比(21:9、16:9、4:3、1:1、3:4、9:16)から 1 つを選べば、モデルがショットを構成します。どちらのモードも長さ、解像度、ネイティブ音声、クレジット料金は共通なので、自由に切り替えられます。テキストから動画は MiniMax H3 動画ジェネレーターで利用できます。
MiniMax H3 の画像から動画は無料ですか?
Google で登録した新規アカウントには無料トライアルクレジットが付与されるため、購入前に画像から動画を試せます。メールアドレスでの登録には無料クレジットは付きません。無料生成には 1 日の上限があります。上限を超えた後は、プランまたはクレジットパックのクレジットを使用し、動画の秒数に応じて消費されます。
画像から動画で生成できる長さは?
4〜15 秒で、整数秒単位です。生成前に長さを選び、長い動画ほど多くのクレジットを消費します。
動画に音声は付きますか?
はい。MiniMax H3 は映像と同時にネイティブ音声を生成するため、どの動画にもシーンに合った音が付きます。
ComfyUI、GPU、API キーは必要ですか?
いいえ。すべてこのサイト上のブラウザで動作します。インストールするものも、管理する API キーもありません。
どのような画像をアップロードできますか?
最初のフレームと任意の最後のフレームともに、1 ファイル 5 MB までの JPEG、PNG、WebP に対応しています。ご自身が所有している、または使用権を持つ画像のみアップロードしてください。性的なコンテンツ、未成年者、本人の同意のない実在人物の肖像は禁止されており、プロンプトとアップロード内容は自動的に審査されます。
生成に失敗した場合、クレジットはどうなりますか?
クレジットはタスク送信前に予約され、動画の生成後にサーバー側で確定します。タスクが失敗した場合、予約されたクレジットは残高に返却されます。生成後に最終安全チェックでブロックされた動画はクレジットが消費されます。対象の動画は 7 日以内に手動審査を申請できます。
写真に動きを
画像を1枚アップロードし、動きを書くだけで4〜15秒の音声付き動画に。