MiniMax H3 プロンプトガイド：動き、カメラ、音声、リファレンス

優れた MiniMax H3 プロンプトはポスターを説明しない。ショットを指示する。 主体、映る変化、カメラ、タイミング、音声を名指す。リファレンスを付ける場合は、それぞれ単一の役割を割り当てる。H3 は画像とネイティブステレオオーディオを同時に生成するため、沈黙、環境音、ダイアログ、音楽、エフェクトはモーションと同じブリーフに含まれます。^[1]

モデルは最大 7,000 文字のプロンプトを受け付けますが、長さは目標ではありません。正確な 6 行は通常、修飾語のページを上回ります。この MiniMax H3 プロンプトガイドは、reAPI 上の text-to-video、最初・最後フレームアニメーション、複合リファレンス動画向けにそれらの行を書く方法を示します。

TL;DR

• 変化を時間軸上に書く。 フレームの静止インベントリーではなく。
• 主体アクション、カメラアクション、音声を分離し、1 文で競合させない。
• 最初・最後フレームの動画では、遷移を説明する。画像はすでにエンドポイントを説明しているので。
• リファレンス対動画では、すべてのイメージ、動画、オーディオ入力の役割をラベル付けする。
• 6 秒から始める。アクションが本当にそれを必要とするときだけ長さを追加する。
• [0–2 seconds] のようなタイミングブロックは執筆技法で、保証されたパーサーコマンドではない。意図した進行を曖昧さなくするために使用する。

MiniMax H3 プロンプト構造

H3 は 3 つのリクエスト形態に対応：プロンプトのみの text-to-video、最初・最後フレーム image-to-video、および画像、動画、オーディオを含むリファレンス対動画。API は添付メディアからモードを選択し、プロンプトはそれに応じて変わるべき。MiniMax H3 API リファレンスは正確な検証ルールを文書化しています。^[2]

プロンプトのみのショットの場合、この順序を使用してください：

SUBJECT — ショットが追う者または物
ACTION — 明確なエンドポイントを持つ 1 つの可視的進行
SETTING — ショットに影響するディテールのみ
CAMERA — フレーミング、ムーブメント、フォーカス、ペース
LIGHT — 方向、時刻、素材応答
SOUND — ダイアログ、環境音、フォーリー、音楽、または意図的沈黙

これは魔法の構文ではない。3 つの異なるアクションと 4 つの異なるカメラムーブが装飾的な段落の中に埋もれるのを止めるための方法。

変化から始める。ムードボードからではなく

「シネマティック的コーヒーショップ、美しいライト、プレミアム、ムーディー」は美学を名指すが、ビデオに進む余地がない。物理的なイベントとエンドポイントを追加してください：

ショットはいま始まり、中盤があり、確認可能な終わりがある。カメラは 1 つのムーブ。サウンドベッドは十分小さくてミックス可能。「プレミアム」は消える。素材、ライト、ペース、抑制がすでにその仕事をしているから。

支配的なアクション 1 つを保つ

短いクリップはオーバーロードされた振付を罰します。6 秒のプロンプトがある人物に進入、座る、パッケージを開く、話す、飲む、外を見る、去るを求めた場合、モデルは何かを圧縮または省略しなければならない。クリップが説明するアクションを選ぶ。残りを別のショットに移動させます。

カメラに 1 つの動詞を与える

パン、チルト、ドーリー、クレーン、オービット、ハンドヘルドトラック、ラックフォーカスは同義語ではない。1 つの主要なカメラムーブを選択してください。2 番目の指示はフォーカスまたは小さい仕上げを説明できますが、「ドーリングインしながらオービット、クレーニング、ホイップパン」ショットは通常、紛争のリクエスト。

品質ではなく素材応答を説明する

「素晴らしい」、「壮大」、「高品質」などの言葉は、レビュアーに何も確認することがない。ライトがする内容を説明：ブラッシュメタルの上をスライドする狭い反射、顔を包むソフトウィンドウライト、または湿潤なアスファルトのネオン反射を破壊する雨。

MiniMax H3 text-to-video プロンプトテンプレート

Text-to-video はソースフレームがないため、プロンプトはイメージとモーション両方を確立する必要があります。リクエストは reAPI で明示的なアスペクト比も必要。

[Duration and framing]
A [shot size] of [subject] in [setting].

[Action]
The subject [single action], ending with [visible final beat].

[Camera and light]
[One camera move], [focus behavior]. [Specific light and material response].

[Audio]
[Dialogue if any]. [Ambience]. [Foley]. [Music or no music].

[Guardrails]
One continuous shot. No cuts. No added text or logos.

埋めた例：

対応するリクエストは小さい：

curl https://reapi.ai/api/v1/videos/generations \
  -H "Authorization: Bearer $REAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-h3",
    "prompt": "Eight-second medium-wide shot of a cyclist waiting beneath an overpass in light rain. She tightens one glove, looks toward the road, then pushes off and exits frame right. Slow handheld track forward; focus stays on her face until the bicycle moves. Cool daylight, wet concrete, small amber reflections from passing cars. Rain on concrete, a freewheel click, one distant bus, no music, no dialogue. One continuous shot, no cuts, no on-screen text.",
    "aspect_ratio": "16:9",
    "duration": 8
  }'

提出はタスク ID を返します。共有タスクエンドポイントをポーリングして結果が完了するまで。完成した MP4 は生成されたオーディオトラックを含みます。

最初・最後フレームプロンプトを遷移として書く

Image-to-video モードでは、最初フレーム、最後フレーム、またはその両方は既に外観と向きを確立しています。すべての可視ディテールを繰り返すことはプロンプトスペースを無駄にし、提供されたイメージから生成を引き離すことができます。

彼らの間で何が起こるかを H3 に告げる：

Move continuously from the first frame to the last frame.
The paper package unfolds along its existing creases; no new panels appear.
Camera remains locked. The product does not rotate.
Soft paper rustle, one small table tap, quiet studio room tone, no music.
End on the exact composition of the last frame.

reAPI では、image-to-video はフレームからの向きを導き出します。このモードで aspect_ratio フィールドを送信しないでください。提出前に意図した配信比にソースイメージをクロップしてください。^[2]

開始と終了フレームが主体スケール、カメラの高さ、または照明で異なる場合、プロンプトは矛盾を完全に修復できません。最初にエンドポイントを修正してください。モデルはその努力を 2 つの異なるシュートを調和させるのではなく、モーションに費やすべき。

すべてのリファレンスに 1 つの役割を割り当てる

Reference-to-video は H3 の最も特徴的なワークフロー。リクエストは最大 9 個の画像、3 個の動画、3 個のオーディオクリップを含むことができます。入力が多いほど自動的に良い連続性が生じるわけではない。ラベルなしのリファレンススタックはモデルに各ファイルから何をコピーするかを推測させます。

明示的なリファレンスマップを使用してください：

Reference Image 1: preserve this person's face, hair, coat, and proportions.
Reference Image 2: use only the train-car interior and seat materials.
Reference Video 1: use its walking pace and shoulder movement, not its camera.
Reference Audio 1: use this voice identity and cadence for the quoted line.

Create one seven-second shot. The character walks down the aisle toward camera,
touches the top of one seat, and says, "We are almost there." Slow stabilized
dolly backward at eye level. Late-afternoon light moves across the windows.
Keep the voice clear over low rail noise; no music and no extra speakers.

これは身元、環境、モーション、音声を分離します。また、結果が失敗したとき、人間のレビュアーがどこを見るかを告げます。

リファレンス動画は無料コンテキストではない。reAPI ルートでは、それらの持続時間は課金される生成持続時間に追加されます。最初の 5 つのリファレンス画像が含まれ、画像 6～9 は画像あたりの料金を追加します。現在のレートのMiniMax H3 モデルページを使用する未使用のリファレンスでリクエストにパディングするのではなく。^[3]

ショットの一部として音声を指示する

MiniMax H3 は画像とネイティブステレオオーディオを生成します。有用なサウンドブリーフは 5 つの質問に答えます：

「シネマティック音声」はそのいずれにも答えない。

ダイアログがあるとき、クリップに対して十分短い行を保つ。意図したペースで大声で読みます。5 秒で 12 語の行は、アクション、反応、その周りの自然な沈黙の余地をほとんど残さない。

沈黙は述べられるべき。「音楽なし」または「ダイアログなし」がなければ、モデルはプロンプトがそれを開いたままにしたので、空のサウンドベッドを埋める可能性があります。同じことが字幕と画面上のテキストに適用されます。

タイミングブロックは順序が重要なときに役立つ

複数のビートを持つショットでは、粗いタイミングがシーケンスを明確にすることができます：

[0–2 seconds] Locked close-up. The match touches the wick; only room tone.
[2–5 seconds] The flame catches and grows. Very slow dolly in; soft ignition.
[5–7 seconds] A hand shields the flame, then leaves frame. One quiet breath.
No cut, no dialogue, no music.

それらのブラケットを編集の概要として扱います。MiniMax は散文のタイミングへの枠正確な従順を約束せず、生成された動画は決定論的フレームタイミングを必要とする仕事に使用すべきではない。ブロックはなお、順序と強調についての曖昧さを減らします。

5 つのプロンプト失敗とそれらより小さな修正

ネガティブ指示は要件を保護するときに最もよく機能します。「カットなし」は連続製品リビールに有用。20 の汎用禁止は通常、重要な 1 つの制約を隠す。

生成を費やす前の簡潔なプロンプトレビュー

プロンプトを 1 回読んで、回答に下線を引きます：

1. クリップ中に何が変わる？
2. 最後の秒で何が真実でなければならない？
3. カメラは何をしている？
4. どの可視ディテールが保護される？
5. 誰が話し、正確にどの言葉を言う？
6. どの環境音とエフェクトが聞かれるべき？
7. どのサウンド、カット、テキスト、ロゴが現れてはいけない？
8. リファレンスが添付されている場合、それぞれが単一の役割を果たす？

2 つの回答が矛盾する場合は、期間を増やしたりリファレンスを追加する前にブリーフを修正してください。

FAQ

MiniMax H3 プロンプトはどのくらい長いべき？

reAPI フィールドは 1–7,000 文字を受け付けますが、ほとんどの単一ショットは上限を必要としない。アクション、カメラ、ライト、サウンド、保護制約を指定するのに十分なディテールを使用してください。レビュー決定を変えないディテールを削除してください。

MiniMax H3 はダイアログとサウンドエフェクトを生成できる？

はい。H3 はネイティブステレオオーディオを生成し、ダイアログ、音楽、環境音、エフェクトを画像方向と同じプロンプトで受け付けます。

MiniMax H3 はカメラコマンドを理解する？

MiniMax のビデオドキュメンテーションはそのビデオモデルに対して、その H3 プロンプトはフレーミング、ムーブメント、フォーカスを説明できることを与えます。カメラコマンド直線データではなく、指示として扱われます。^[1]

最初・最後フレームまたはリファレンス画像を使用すべき？

最初・最後フレームを使用は、ショットが特定の構成で開始または終了する必要があります。リファレンスモードを使用は、別のアセットが身元、環境、モーション、音声を定義します。2 つの入力ファミリーは 1 つの reAPI リクエストで混合できません。

MiniMax H3 はいくつのリファレンスを使用できる？

現在の reAPI ルートは最大 9 つの画像、3 つのビデオクリップ、3 つのオーディオクリップを受け付けます。オーディオはリファレンスのみではありません。総リファレンス動画とリファレンスオーディオ持続時間制限も適用されます。

タイミングブラケットは公式 MiniMax シンタックス？

いいえ。それらは順序と粗い強調を伝えるための読みやすい方法。それらをフレーム正確なコントロールまたは保証されたパーサーコマンドとして提示しないでください。

プロンプトは制作ノート

最高の MiniMax H3 プロンプトは小さいクルーへのディレクターからの短いノートに似ています。何が起こり、カメラがどこに行き、マイクが何を聞くか、どのディテールがドリフトできないかを言います。スタイルワードのクラウドの中にショットを発見するようにモデルを求めません。

1 つのアクションと 6 秒で開始してください。モーションとサウンドを別々にレビューしてください。その後だけリファレンス、タイミングブロック、より長い期間を追加してください。MiniMax H3 プレイグラウンドとAPI ガイドは同じリクエストモードを使用しているため、プロンプトはその仕事を変えることなく手動テストからコードに移動できます。

開示： reAPI はこのガイドを発行し、ここで説明されている routed MiniMax H3 エンドポイントを操作します。API 制限と課金動作は reAPI の現在の契約を参照。MiniMax 能力の説明は MiniMax の公式ドキュメンテーション出身。サンプルプロンプトは執筆パターンで、ベンチマーク結果ではない。

References

1. MiniMax API. Video Generation Guide — MiniMax H3 inputs, output, audio, and camera direction. Retrieved August 13, 2026. platform.minimax.io/docs/guides/video-generation
2. reAPI. MiniMax H3 API reference — request modes, limits, and billing. Retrieved August 13, 2026. reapi.ai/docs/minimax-h3
3. reAPI. MiniMax H3 model page and live pricing. Retrieved August 13, 2026. reapi.ai/models/minimax-h3

Further reading

• Hailuo H3 explained: specs, pricing, API, and limits
• MiniMax H3 vs Seedance 2.5
• AI video API pricing compared