MiniMax H3 プロンプトガイド

プロンプト構造、参照素材の役割分担、カメラ、音、完全な事例、生成結果を通じて、MiniMax H3 の動画プロンプトの書き方を習得します。

MiniMax H3 は、テキスト、画像、動画、音声を同時に理解し、同期した音声付きの動画を生成できます。プロンプトでは、生成の目標、各参照素材の用途、ショットのタイムライン、被写体の動作、カメラ、音を明確にする必要があります。描写が具体的で、各要素が互いに一貫しているほど、生成結果はコントロールしやすくなります。

プロンプトの中心情報

H3 プロンプトは、次の 3 つの問いに答える必要があります。

中心情報	明確に書くべき内容	例
生成の目標	シーン、被写体、ビジュアルスタイル、主要な出来事	寒色トーンの香水商品ショート。水滴が瓶を伝い落ち、最後にラベルで締める
参照素材の役割	各画像・動画・音声が具体的に何を担当するか	画像 1 は商品の外観を提供し、動画 1 はカメラパスのみを提供する
音と映像のタイムライン	開始、動作の変化、カメラ、音、終了画面	水滴が落ちる → カメラがプッシュイン → 焦点がラベルへ移る → 商品のクローズアップで止まる

完全なプロンプトは通常、次の 6 つの部分で構成されます。

シーンの順序：動画がどのように始まり、展開し、終わるか。
被写体の動作：誰が何をし、動作がどのように起きて変化するか。
参照の用途：各画像・動画・音声がそれぞれ何を提供するか。
カメラ：ショットサイズ、アングル、動き、カット。
音：セリフ、環境音、同期する効果音、BGM。
終了画面：ショットが最後にどこで止まり、どの内容が変わらず保たれるか。

H3 プロンプトテンプレート

Reference assets: [Image / Video / Audio N] handles [character, product, action, camera, sound, or style]. Scene sequence: [opening state] → [main action and changes] → [ending state]. Subject action: [who] [does what specifically], with action speed and reaction of [description]. Camera: [initial shot size and angle], [main camera movement], ending on [final composition]. Sound: [dialogue]; [ambience]; [sound effects]; [background music]. Keep unchanged: [character identity, product packaging, logo, wardrobe, scene structure, etc.]. Avoid: [errors that genuinely affect delivery].

完全なプロンプト事例

商品ヒーローショット

入力： 画像 1 · 8 秒 · 9:16

項目	内容
参照	画像 1 が商品の正確な外観を担当する
順序	水滴が落ちる → カメラがプッシュイン → ラベルで締める
カメラ	ゆっくりプッシュインし、焦点がラベルへ移る
音	かすかな環境ノイズとガラスのチャイム音
維持	パッケージの比率、ロゴ、ラベル、色

商品広告プロンプト

Image 1 is the product appearance reference; fully preserve the bottle shape, label layout, logo placement, cap, material, and color. Cold mist drifts slowly behind the bottle, and fine droplets slide down the glass surface. Open on a medium close-up, the camera pushes in slowly, focus moves from the droplet to the label, and it finally rests on a crisp, readable product close-up. Cool-toned side light, clean and restrained reflections. Sound includes subtle ambient floor tone and one clear glass chime. Avoid duplicated products, distorted logos, extra text, or watermarks.

人物とアクションの参照

入力： 画像 1 · 動画 1 · 10 秒 · 16:9

項目	内容
参照	画像 1 が人物を担当。動画 1 は動作とカメラのみを担当する
順序	画面に入る → 振り向く → カメラを見る
カメラ	ローアングルで追い、最後にミディアムショットまで上昇する
音	足音、衣擦れ、室内環境音、低周波の音楽
除外	動画 1 の人物、衣装、背景を複製しない

人物アクションプロンプト

Image 1 provides the character's identity, face, hairstyle, and wardrobe. Video 1 is referenced only for the walking rhythm and camera path; do not reference its character, wardrobe, or scene. The character walks into a concrete showroom, moves forward, turns once, and looks directly at the camera. A low-angle follow shot holds a steady speed, rising to a medium shot before the final pose. Keep the same character throughout. Sound includes clear footsteps, subtle fabric rustle, a wide indoor ambience, and a restrained low-frequency electronic score.

参照素材の書き方

参照素材を追加したら、プロンプト内で各素材が何を担当するかを一つずつ説明します。「画像 1 を参照」「動画 1 を参照」とだけ書くのではなく、保持すべき内容と複製すべきでない内容を明確にします。

素材	提供に適した情報	プロンプトの要点
人物画像	顔、髪型、体型、衣装、雰囲気	複数人が写る画像では、どの人物を使うか指定する
商品画像	瓶の形、素材、色、ラベル、ロゴ、文字	正確に保持すべきパッケージのディテールを個別に列挙する
アクション動画	歩き方、ダンス、ジェスチャー、カメラパス、編集のリズム	どの動きだけを参照するかを明記し、元の人物とシーンを除外する
音声	音色、セリフ、ビート、音楽スタイル、効果音	そのまま使うのか、音の特徴だけを参照するのかを明記する

参照素材の役割の例

Image 1 provides the character's face, hairstyle, and wardrobe; Image 2 provides the scene and lighting; Video 1 references only the action rhythm and follow-shot path, without copying its character, wardrobe, background, or sound.

カメラの書き方

カメラの描写には、ショットサイズ、アングル、カメラの動き、そして動きの目的が含まれます。カメラ用語を並べるだけでなく、カメラが被写体の周りをどのように動くか、そして動いた後に何が見える必要があるかを説明します。

ショット	役割
プッシュイン · Push In	カメラが被写体に近づき、表情、商品、または重要なディテールを強調する
プルアウト · Pull Out	カメラが後退し、人物全体、シーン、または空間的な関係を見せる
トラッキング · Tracking	移動する被写体に近い速度と距離を保つ
アークショット · Arc Shot	被写体の周りを移動し、輪郭、素材、空間の奥行きを見せる
パン · Pan	機位は固定したまま、レンズが水平に振れて新しい被写体や情報を捉える
ペデスタル · Pedestal	カメラ全体が上昇または下降し、観察の高さを変える
ハンドヘルド · Handheld	わずかな自然な揺れ。ドキュメンタリー、ストリート、UGC の質感に適する
静止 · Static	固定フレームで、被写体の動作を視覚的な焦点にする
一人称視点 · POV	キャラクターの目の位置から動作と環境を観察する

完全なカメラ描写

Open on a medium close-up at a slightly low angle. The camera does a small arc along the left side of the product at a slow, steady speed, then pushes in toward the label so the logo and bottle material come into sharp focus, and finally rests on a front-facing product close-up.

音の書き方

セリフ、環境音、同期する効果音、音楽を分けて描写し、それぞれがどの動作やショットで現れるかを示します。音の内容は画面上の出来事と同期させるべきです。

セリフ：誰が話すか、話すときの感情、完全なセリフを明記する。
環境音：持続的に存在する空間の音を描写する。例えばモールのざわめき、波、雨、夜の街のノイズなど。
同期する効果音：音を具体的な動作に対応させる。例えば瓶のふたを開ける、靴底が着地する、布が擦れる、液体をコップに注ぐなど。
BGM：音楽のスタイル、楽器、テンポ、そして重要な画面での強弱の変化を説明する。

サウンド描写の例

As the character opens the package, there is a clear paper-tearing sound and the subtle sound of nails touching the box. The room keeps a quiet, soft indoor ambience. She looks at the camera and says, in a natural, excited but not overly exaggerated tone: "The texture is even better than I imagined." The background adds a light, clean electronic beat that intensifies slightly when the product close-up appears.

プロンプトをより安定させる

動作の数を尺に合わせる：短い動画は主要な動作を 1 つに集中させる。複数の出来事が必要な場合は時系列で分ける。
観察できる動詞を使う：「高級感がある」を「寒色のサイド光がガラスの縁に沿って移動し、反射はクリーンで抑制されている」に置き換える。
カメラの衝突を避ける：同じ時間に、静止、速いプッシュイン、大きなアークを同時に求めない。
維持する項目を明確にする：人物のアイデンティティ、衣装、パッケージ、ロゴ、色、重要な小道具は個別に説明する。
終了画面を明確にする：ショットが最後にどこで止まるか、最終画面で明確に見える必要がある内容を書く。
必要な制約だけを残す：制約は、誤字、変形、商品の重複、ウォーターマークなど、成果物に本当に影響する問題に絞る。

結果がプロンプトから外れる場合は、順に確認します。被写体、動作、シーン、カメラに衝突がないか。各参照素材が明確な役割だけを担っているか。動作の数が動画の尺に合っているか。終了画面と維持項目がすでに明記されているか。

ショーケース：参照素材と生成結果

テキスト生成：手描きのキッチン生物

入力プロンプト

15 seconds, 16:9 landscape. Blend live-action footage of a small kitchen at dusk with glowing hand-drawn animation. The kitchen has an old wooden table, a half-washed cup, a slightly fogged glass bottle, and a hanging dish towel. The camera looks like a hurried phone shot held in one hand: slight shake, hesitant close focus, backlit exposure breathing, and coarse grain in the shadows. Use room floor tone, fabric rustle, a soft cup clink, dripping water, the shooter's footsteps and breathing, and the faint electronic hum and tiny chirps of the hand-drawn little creature. Avoid huge eyes, fangs, threatening motion, sudden black screens, or jump-scare shots.

生成結果手描きのキッチン生物

Download MP4

初期フレーム生成：スペースオペラ予告編

画像 1: 開始フレームと全体のビジュアルスタイル — 画像 1開始フレームと全体のビジュアルスタイル

入力プロンプト

An epic theatrical space opera trailer. Keep a fast pace and grand scale, using crisp hard cuts, a shaking command bridge, white-hot flashes, extremely short black frames, and violent jump-drive impacts. The title uses a wide-tracked cinematic typeface with restrained material texture, subtle lighting, and a thin edge light. The text emerges from deep-space shadow, sweeps past a beam of starlight, and gradually widens its tracking, leaving a brief afterimage before flashing in a black frame.