MiniMax H3で音声付きの動画をつくる

テキストモードはプロンプトだけで動きます。アイデアを試すならいちばん手軽な方法で、まず大まかにシーンを書き、音の出方を聞いてから少しずつ直していけます。比率の選択肢もいちばん多く、スマホ向けの縦型9:16から横長の21:9まで選べます。

最初のフレームをアップロードすると、動画はその画から始まり、プロンプトのとおりに動き出します。冒頭の構図が大事なときに使いましょう。確定済みのポートレート、撮影済みの商品写真、動かしたい絵コンテの1コマなどに向いています。

最後のフレームだけでも使えます。映像は渡した画に向かって進むので、見せ場で終わるショットに向いています。ボトルがパッケージ写真の位置にぴたりと収まる、ドアが開いて仕上がった部屋が見える、動きがレイアウト済みの画面で止まる、といった使い方です。

最初と最後のフレームを両方渡せば、その間の動きはモデルが組み立てます。編集で2つのショットをつなぐ、ビフォーアフターを見せる、絵コンテの2コマを1つのカメラワークにまとめる、といった場面で便利です。出力の形は画像に合わせられます。

参照画像モードでは最大5枚の画像を使えます。固定のフレームとしてではなく、仕上がりを方向づける素材として扱われます。キャラクター、衣装、商品、場所などを入れ、動きはプロンプトで自由に書きましょう。6種類の比率に加えて「自動」も選べます。

どのクリップにも、映像と一緒に生成されたステレオ音声が付きます。あとから重ねた音ではありません。セリフや音楽、効果音をプロンプトに書けば、それも仕上がりの一部になります。音声は常にオンなので、映像だけ使う予定でも扱い方を先に考えておきましょう。

長さは4〜15秒の範囲で1秒刻みに設定できます。決まった選択肢に丸める必要がないので、編集のテンポや投稿先の尺にぴったり合わせられます。長さを変えると、生成ボタンのクレジット表示もすぐに変わります。

768Pは試作やSNS投稿に、2Kは納品する本番用に向いています。生成ボタンのクレジットは解像度によって変わるので、両方の数字を見比べて、細部まで必要なテイクだけ2Kにするとよいでしょう。

確定済みの商品写真を最後のフレームにして、そこまでの流れを書きます。箱のふたが開く、光がラベルをなでる、やわらかな風切り音、最後に澄んだチャイム。クライアントが承認した画で終わるので安心で、本番は2Kで生成できます。

スマホ向けなら、9:16の短いシーンにセリフを一言とBGMを書き、長さを8〜10秒にして768Pで生成します。最初から音が入った状態で仕上がるので、投稿前に足す作業が少なくて済みます。

絵コンテの2コマを最初と最後のフレームにして、間の動きはモデルに任せます。768Pで作れば、撮影の日程を押さえる前や2Kで作り直す前に、テンポやカメラワーク、ざっくりした音の印象をチームで確認できます。

キャラクター本体、衣装、よく出てくる場所などの参照画像を最大5枚そろえ、毎回同じセットを使ってプロンプトだけを変えます。同じ素材から始めることで、シリーズとしての見分けやすさを保ちやすくなります。

編集タイムラインから前のショットの最後のコマと次のショットの最初のコマを書き出し、両端のフレームとしてアップロードすれば、その間をつなぐ動きを生成できます。フレームモードは画像の形に合わせるので、編集中のプロジェクトの画面比にそのままなじみます。

夕暮れの街、雨上がりの森、静かなカフェなどを21:9や16:9の横長で撮り、それぞれに合った環境音を付ければ、オープニングやプレゼン、映像エッセイの背景に使えます。上からナレーションを入れる予定なら「環境音のみ、音楽なし」と書いておきましょう。

映像の説明を書き終えてから、音のための文を新しく始めます。たとえば「音：トタン屋根に雨が降り続ける音、遠くの雷、音楽なし」。映像と音を分けておくと読みやすく、どこが音の指示なのかもひと目でわかります。

セリフは「」に入れ、誰がどんな調子で言うのかも書きます。たとえば、年老いた漁師が低い声で「嵐が来るぞ」とつぶやく。クリップの中で言い切れる短さにしましょう。6秒のショットなら一言で十分で、演説は入りません。

ジャンル名だけではあいまいです。「ゆったりしたチェロの独奏」「レコードのノイズが混じる温かいローファイのビート」「手拍子入りの明るいシンセポップ」のように書き、静かに入るのか、終盤で盛り上がるのか、声の下で控えめに流れるのかも伝えましょう。

効果音は画面上の動きとセットにすると、狙った場所に入りやすくなります。ドアが開くときにきしむ、乾杯でグラスが鳴る、自転車のタイヤが砂利を踏む。音と動きを一緒に書けば、いつ鳴るべきかのヒントにもなります。

音声をオフにするスイッチはありません。ほぼ無音にしたいなら、音について何も書かないより「静かな室内の環境音」「かすかな風の音」と書くほうが確実です。完全な無音が必要なら、編集ソフトで音声トラックをミュートしてください。

フレームをアップロードした時点で、見た目はもう決まっています。プロンプトでは何が動くか、カメラがどう移動するか、何が聞こえるかを書き、画の説明を繰り返さないようにしましょう。参照画像モードでは、それぞれの画像が何を表すかを素直な言葉で書きます。