TOOL 03 / MINIMAX H3 / WEB + API + LOCAL
画像の外見と、動画の動きを分けて制御したい人へ。
MiniMax H3は、WebやAPIだけでなく公開ウェイトを使える候補です。ただし「ローカルだけで公式2Kと同じ」ではありません。
参照入力を分けたい
画像をキャラクターの外見、動画を振付、音声を音として渡し、入力の役割を細かく整理したい場合。
手元のGPUで動かしたい
33B規模のモデルで、公式のローカル例も複数GPU構成です。Web版とは別に、手元のPCでの実行可否を確認してください。
公式情報で確認できること
以下は2026年8月24日に確認したモデルカードの仕様です。Web・APIの提供条件とは区別してください。
- 出力は4〜15秒、24fps。標準は短辺768px。
- Ref2VAは最大9画像、3動画、3音声、合計12ファイルの参照入力に対応。
- H3-Baseのウェイトは公開され、ComfyUI用の公式テンプレートも案内されている。
- 公式2KはH3-Context-IRとH3-Regenerate-2Kを含む。これらは公開ウェイトだけでは完結せず、公式APIを組み合わせる。
このサイトの予備結果
Web版のOmni Referenceで、アニメ画像と5秒の簡易モーションを使った1回の予備検証は84 / 100。顔・衣装・背景は安定した一方、腕上げと片脚上げの順序・タイミングが参照からずれました。ローカルでの生成結果ではなく、この1例だけでツール全体の品質や他ツールとの優劣は判断できません。
ローカル導入前に決めること
01
合格点：まず768p・5秒で接続し、絵柄と動きを別々に採点。
02
公開範囲：ローカルH3-Baseと、APIを使う完全ワークフローを混同しない。
03
利用条件：Community Licenseと入力素材の権利を公開前に確認。
SELF-PUBLISHED / ¥100 BETA
配線済みComfyUI β版を確認する
RTX 3080での最終完走は未確認です。内容、対象者、返金条件を購入前に確認できます。