Hailuo AI（MiniMax）: 日本語の画面で、Hailuo 3.0の音声付き動画を文章や写真から

• MiniMax H3 Max

  人物や顔をリアルに表現。

  • 5〜15秒·
  • 480P / 768P / 1080P·
  • 必ず音声付き·
  • 参考画像 最大9枚·
  • 参考動画 最大3本

  105クレジットから

  このAIモデルを使う

• MiniMax H3

  音声付きで最大2K。参考動画に合わせて生成できます。

  • 4〜15秒·
  • 768P / 2K·
  • 必ず音声付き·
  • 参考画像 最大9枚·
  • 参考動画 最大3本

  120クレジットから

  このAIモデルを使う

1. 2024年9月

   Hailuo 01

   MiniMax初の動画モデルで、video-01とも呼ばれます。Hailuoのウェブサイトと同時に公開され、プロンプトから6秒の動画を作りました。

2. 2025年6月

   Hailuo 02

   MiniMaxがNoise-aware Compute Redistributionと呼ぶ新しいアーキテクチャで作り直され、出力そのものがより鮮明になりました。6秒か10秒の動画を作れて、体操のような場面での物理表現も大きく向上しています。

3. 2025年10月

   Hailuo 2.3・2.3 Fast

   体の動きがなめらかになり、細かな表情がより自然に。アニメから水墨画まで、表現できるスタイルも増えました。Fast版は、まとめて大量に作るときのコストを下げています。

4. Hailuo 3.0、2026年7月

   MiniMax H3

   テキスト、画像、動画、音声をひとつのモデルで扱います。声、効果音、音楽を一緒に生成するステレオ音声付きで最長15秒。複数カットの構成、読める文字やブランド名、参考動画からの動きの転写も特長です。その後、MiniMaxはモデルの重みを公開しました。

5. 2026年9月

   MiniMax H3 Max

   H3をベースにしたグレードで、テキストからの動画と、写真を動かす用途に合わせて調整されています。

1. 01

   H3 MaxかH3を選ぶ

   上の生成エリアは、H3をもとにした高速版のMiniMax H3 Maxで開きます。2Kの画質や、参考画像を追加したときの縦横比「写真に合わせる」を使いたいときは、モデルメニューでMiniMax H3に切り替えてください。
2. 02

   音まで含めて場面を書く

   どちらのバージョンもプロンプトが必要です。動き、表情、聞こえる音を書いてください。たとえば、港を出ていく船に向かって、年老いた漁師が笑いながら目元をぬぐって手を振り、カモメの鳴き声が響く、といった場面です。
3. 03

   フレームか参考素材を追加

   開始フレーム（終了フレームは任意）を使うか、参考素材に切り替えて、最大9枚の写真と、合わせて15秒以内の参考動画を最大3本まで追加します。
4. 04

   長さと縦横比を決めて「生成」

   長さを設定し、超横長の21:9から縦長の9:16までの中から縦横比を選んで、ログインします。「生成」ボタンに、かかるクレジットが表示されます。
5. 05

   ダウンロードか、作り直し

   動画は「マイ作品」に表示されます。保存するか、「設定を再利用」でプロンプト、アップロードした素材、設定を呼び戻して、別のバージョンを作れます。

• 2つのHailuoをひとつのアカウントで

  同じプロンプトをMiniMax H3とH3 Maxの両方に送り、「マイ作品」で並べて見比べて、場面にうまくはまったほうを残せます。

• ほかの動画モデルもすぐ隣に

  15秒より長い場面が必要になったら、同じモデルメニューでKlingやWanに切り替えるだけ。最初から設定し直す必要はありません。

• 使った秒数の分だけ

  Hailuoは長さと画質で料金が決まるので、短い試作なら本番よりずっと安く済みます。実行する前に、ボタンで正確な金額がわかります。

• 有料会員は透かしなしで商用利用

  有料会員として生成したHailuoの動画は透かしなしでダウンロードでき、自社ブランドやショップ、クライアントワークに自由に使えます。

• 動きと顔を一度に取り込む

  1回の生成に参考動画を最大3本、写真を最大9枚まで入れられるので、映像から動きを、写真から顔を取り込んで、1本の動画にできます。

• Kling

  Kling 4.0は長さが倍の30秒まで伸び、アップロードした動画を直接編集できます。ただし参考動画は、Hailuoの3本に対して1本です。

• Veo

  Veo 3.1 Fastは映画のように洗練された映像を音声付きで作りますが、どの動画も8秒で、横長か縦長しか選べません。

• Seedance

  Seedance 2.5は写真と最大3本の参考動画という同じ組み合わせが使え、長さは30秒まで、音声をオフにもできます。Hailuoは常に音声ありです。

• Grok Imagine

  Grok Imagine 1.5には開始・終了フレームも参考動画もなく、最大7枚の参考画像から6〜15秒の動画を組み立てます。

• Wan

  Wan 3.0はさらに多い最大10枚の写真と5本の参考動画を受け付け、30秒まで作れて音声オフも可能です。Wanシリーズには画像モデルもあります。

• Vidu

  Vidu Q4 Previewはプロンプトなしで写真を動かせて、参考画像を最大15枚まで扱えますが、参考動画には対応していません。

• FLUX

  FLUX 3 Videoの下書きモードなら、最長20秒の本番の前に手早く安くプレビューでき、同じシリーズで静止画も作れます。

• SkyReels

  SkyReels V4はテキスト、フレーム、最大3枚の参考画像に絞ったモデルで、StdとFastの2つが同じ設定を共有しています。

• HappyHorse

  HappyHorse 1.1は最大9枚の参考画像を1本の動画に集めることに特化していて、終了フレームや参考動画の枠はありません。

• 表情が場面を引っぱる

  生まれて初めてレモンをかじった幼い子のアップを頼んでみてください。くしゃっとしかめた鼻、ぶるっとした震え、そして勇気を出した2口目まで描かれます。

• 動画から動きを写し取る

  ダンスやスケートボードの技を撮った短い動画を参考動画として追加し、それを演じさせたいキャラクターの写真も加えて、入れ替えたい内容を書きます。動きの転写は、H3の大きな売りのひとつです。

• 超横長のシネマショット

  21:9を選べば、映画のスクリーンのような超横長の画面になります。夕日の中、砂漠の尾根を越えていく騎手と、ひづめの音や風の音を書いてみてください。

• 読める看板やラベル

  MiniMaxによるとH3は文字やブランド名を正確に描けるので、お店の名前を綴ったネオンサインが、夜にちらつきながら灯る場面を試してみてください。

• いくつかのカットでつなぐ短い場面

  駅のホームを映した引きの画から、抱き合う2人の友人のアップへ切り替わる場面を書きます。H3は、1本の動画の中で複数のカットを組み立てるように学習されています。

• ふてぶてしいペット

  Hailuo AIの画像から動画は、ペットとの相性が抜群です。猫の写真から始めて、興味なさそうな視線、ゆっくりしたまばたき、大きなあくびを頼み、その下に小さなゴロゴロ音も添えてみてください。

• 音の入った新商品のお披露目

  商品写真を数枚使って、ふたを開けるカチッという音と、やわらかな効果音が入った10秒のお披露目動画に。有料会員でいる間に作れば、そのままショップのページに載せられます。

• 

  AI動画生成

  文章でも写真でも、その両方からでも短い動画を作れます。動画モデルは複数から選べます。
• 

  画像から動画

  止まった写真に動きやカメラワークを加えます。対応しているモデルなら音声も付きます。
• 

  テキストから動画

  場面をふだんの言葉で書くだけで、短い動画になります。写真は用意しなくて大丈夫です。

モデル一覧