MiniMax H3 実測レビュー：音声を自前で持つ数少ないモデル、2K の実寸と1本あたりの実費
公開 2026-08-12 · 計測日 2026-08-12
MiniMax H3、別名 Hailuo 03 は、2026-08-12 にルートAで 10秒768pのテキスト動画生成1本あたり $0.76 でした。マルチモデルの動画サービスに載せる前に測っています。そこでは生成のたびに自社アカウントへ課金が立つからです。より役に立った発見は参照の計量方法でした。2026-08-10 と 2026-08-12 の複数回を通じて、参照動画の秒数は課金時間に加算されました。一方で 2026-08-12 の画像2枚10秒2Kの生成は、テキスト動画生成と同額でした。
要点
- 2026-08-12、ルートAは 768pの10秒に $0.76、つまり 出力1秒あたり $0.076 を課金しました。
- 同じ12.67秒の参照動画で、5秒出力は $1.368、10秒出力は $1.748 でした（2026-08-10 と 2026-08-12）。課金時間を出力プラス参照動画として計算したとき、単価の照合差は 0.4% に収まりました。
- 2Kを要求すると 2560×1440、768pを要求すると 1344×768 が返りました。2026-08-12 に ffprobe で確認しています。
- 30秒の出力、30 / 10 / 10 の参照枠、または 480p の階層が必要なら Seedance 2.5 を選んでください。2026-08-12 時点の確認では、MiniMax H3 の上限は 15秒と 9 / 3 / 3 で、最下位の階層は 768p、480pの選択肢はありません。
測定条件の要約
2026-08-08 に、5秒768pのテキスト動画生成について実時間を3回記録しました。137 / 150 / 243秒です。あわせて、音声ファイルだけを参照素材にできることも確認しました。2026-08-12 には、10秒2Kのテキスト動画生成、10秒768pのテキスト動画生成、画像2枚の10秒2K参照ジョブをそれぞれ1回ずつ記録しました。参照計量のテストは、同じ12.67秒の素材で出力を5秒と10秒にし、2026-08-10 と 2026-08-12 にまたがって実施しています。すべての構成で同一のプロンプトを使ってはいないため、これは統制の取れた画質比較ではありません。
実測結果：コストとレイテンシ
ルートAの1本あたりコスト
以下はルートAが米ドルで自己申告した口座への課金で、2026-08-12 に確認したものです。正規化した単価は元の解像度を併記しています。
| 構成 | 口座への課金 | 正規化した結果 |
|---|---|---|
| t2v、10秒、768p | $0.76 | 出力1秒あたり $0.076 |
| t2v、10秒、2K | $1.235 | 出力1秒あたり $0.1235。2点照合での2K係数は 1.625 |
| r2v、10秒、2K、画像参照2枚で参照動画なし | $1.235 | 10秒2Kのt2vと同額 |
| r2v、5秒、768p、12.67秒の参照動画つき | $1.368 | 課金1秒あたり $0.0774 |
| r2v、10秒、768p、同じ12.67秒の参照動画つき | $1.748 | 計量ペア間の単価差は 0.4% |
10秒2Kの画像参照ジョブと10秒2Kのテキスト動画生成は、どちらも 2026-08-12 に $1.235 でした。これが画像参照の結論を支える直接のレシートです。公開価格表からの推計ではありません。
実時間レイテンシ（各回）
平均だけを報告するのではなく、測定したすべての回を残します。
| 構成 | 実時間 | 測定日 |
|---|---|---|
| t2v、5秒、768p | 137 / 150 / 243秒 | 2026-08-08 |
| t2v、10秒、2K | 359秒 | 2026-08-12 |
| t2v、10秒、768p | 264秒 | 2026-08-12 |
| r2v、10秒、2K、画像参照2枚 | 497秒 | 2026-08-12 |
2026-08-08 のレイテンシ行は3回、2026-08-12 の各行は1回です。このデータが示すのは観測されたばらつきと個々の結果であって、サービス水準の保証ではありません。
検証できる仕様と Seedance 2.5 との境界
仕様は 2026-08-12 に確認しました。Seedance 2.5 との比較は、新たに回さず、以前測定した 2026-08-08 のデータを使っています。
| 判断の変数 | MiniMax H3 | Seedance 2.5 |
|---|---|---|
| 出力尺 | 5秒から15秒、整数値 | 最大30秒 |
| 解像度の選択肢 | 768p または 2K | 480pの階層を含む |
| 参照の受け入れ枠 | 画像9、動画3、音声3 | 画像30、動画10、音声10 |
| 実測の正規化コスト | 2026-08-12、768pで $0.076/秒 | 2026-08-08、480pで $0.0968/秒 |
コストの行は同一解像度の比較ではありません。各モデルで実測できた入口の階層を示したもので、統制された価格ベンチマークと取り違えられないよう解像度をあえて残しています。
MiniMax H3 はネイティブの同期音声も生成しました。2026-08-12 に ffprobe で確認した出力2本には AAC の音声トラックが入っていました。2026-08-08 には、音声ファイルだけを参照にした作成リクエストも成功しています。
API連携では、解像度のパラメータは quality で、受け付ける値は 768p と 2k です。2026-08-12 に resolution を送ると HTTP 400 が返りました。参照音声は audio_urls に入れます。2026-08-12 に reference_audio_urls を送ると HTTP 400 が返りました。
独自実験：参照モードは実際に何を計量しているのか
核心の問いは、ルートAが出力時間だけを課金するのか、参照入力も課金するのかでした。同じ12.67秒の参照動画を使い、2026-08-10 と 2026-08-12 にまたがって5秒出力と10秒出力を要求しました。
| 出力リクエスト | 参照動画 | 課金 | 計量の照合 |
|---|---|---|---|
| 768pで5秒 | 12.67秒 | $1.368 | 課金1秒あたり $0.0774 |
| 768pで10秒 | 12.67秒 | $1.748 | 単価差は 0.4% |
課金秒数を出力秒プラス参照動画秒としたときに、2つの課金額が整合します。別に回した画像2枚の10秒2Kジョブは 2026-08-12 に $1.235 で、同日の10秒2Kテキスト動画生成の課金と完全に一致しました。
**参照動画の時間は計量されます。今回のルートAのテストでは、画像参照は課金時間を増やしませんでした。**受け取った経路記録には、音声だけを参照にした場合も同じ「出力のみ」の規則が適用されるとありますが、その音声のみのジョブについては独立した米ドルのレシート値が含まれていません。そのレシートが揃うまで、音声固有の価格は公表しません。
解像度と音声は出力ファイル側から確認した
2026-08-12、ルートAは 2K のリクエストに対して 2560×1440 を、768p のリクエストに対して 1344×768 を返しました。要求した解像度は、リクエストのメタデータだけでなく、納品されたメディアそのものに存在していました。2026-08-12 に確認した出力2本には AAC ストリームも含まれていました。
次のコマンドで、経路側のレスポンスに頼らずこの出力検査を再現できます。
ffprobe -v error -show_entries stream=codec_type,codec_name,width,height -of json output.mp4
本番の MiniMax H3 のモデルページには、今回のリリース向けに測定したハチミツのマクロ、雨と同期音声、2枚画像のチェロ参照といったサンプルも置いてあります。
出力そのものを、そのまま添える
コストの表は、モデルが何を作るのかを示しません。以下はこの記事のために測定したリリースサンプル3本で、自社ホスティングにより、それぞれが背負う検証可能な主張とともに掲載します。
ネイティブ2K、納品ファイル上で検証済み
この10秒のマクロは2Kで要求し、納品ファイルは ffprobe で 2560×1440 と実測しました（2026-08-12）。解像度の節で述べた検査と同じものです。このクリップが背負う主張は単純です。支払った解像度はファイルの中に実在し、気泡や砂糖の結晶やパンの気孔といった微細さの水準が、その解像度で買えるものだということです。
同期音声、あなた自身の耳で確かめるために公開
プロンプトでは時刻を指定した音の出来事を3つ書きました。全編を通してガラスを打つ雨、4秒付近で膨らむ路面電車の通過、7秒付近でカップを置く音です。納品ファイルには AAC の音声トラックが入っています（2026-08-12 確認）。自分たちの音の同期に自分で点をつけるつもりはありません。台本どおりの位置に音が落ちているかどうかを、あなたが判断できるようにここに置いています。
画像2枚をひとつの場面に組み上げる
入力は、チェロ奏者のキャラクター静止画と、人のいない冠水したホールのロケ写真です。出力は前者を後者の中に置き、両方を一致させ続ける必要がありました。
このカットを確認したところ、ドレスと髪型と楽器はキャラクター静止画に従い、柱の幾何と天窓の光と水面の反射はロケ写真に従い、反射は彼女の動きを追っていました。この同じカットの課金面は上の参照計量の表にあります。画像参照2枚、10秒2K、テキスト動画生成と同額です。1本の生成であり、ベンチマークではなく証拠として掲載します。
MiniMax H3 が適さない場面
30秒のカットには Seedance 2.5 を使ってください。2026-08-12 に確認した仕様では、MiniMax H3 は 15秒で止まります。
ブリーフが 画像9枚、動画3本、音声3本 を超える場合も Seedance 2.5 です。その参照枠は 画像30、動画10、音声10 に届きます。2026-08-12 に確認した MiniMax H3 はより小さい 9 / 3 / 3 の枠です。
480p の低コスト階層が重要なときも Seedance 2.5 です。2026-08-12 の確認では、MiniMax H3 は 768p から始まります。
手元の価格観測も解像度が異なります。MiniMax H3 は 2026-08-12 に768pで $0.076/秒、既存の Seedance 2.5 の測定は 2026-08-08 に480pで $0.0968/秒 です。これを同一解像度の画質比較や価格比較として扱わないでください。
注意点
- 5秒768pのレイテンシ行は 2026-08-08 の3回です。ほかのレイテンシ行は 2026-08-12 の各1回です。
- 計量の結論は、同じ12.67秒の参照動画に対する2つの出力尺から導いており、測定は 2026-08-10 と 2026-08-12 にまたがります。あらゆる参照の組み合わせを確定したものではありません。
- 2Kの価格係数 1.625 は 2026-08-12 の2点照合であって、広い価格曲線ではありません。
- 提供側の価格は変わり得ます。本記事の米ドル表記はすべて、2026-08-12 に確認したルートAの口座課金です。
- 統制の取れた画質比較は行っていません。失敗回数のサンプルも取っていないため、失敗率の数値は報告しません。
測定方法
コストの値は、ルートAの供給側が米ドルで自己申告したレシートから取り、2026-08-12 に確認しました。各回の課金額をそのまま保持し、引き継ぎ資料で指定された課金秒数で正規化しています。調達経路はモデルの結果の一部ではないため、ルート名は匿名のままにします。
レイテンシは記録した各回の実時間です。2026-08-08 の3回連続と、2026-08-12 の各1回は分けて報告し、平均にはしていません。
参照計量のテストでは、同じ12.67秒の参照動画を5秒出力と10秒出力に使い、2026-08-10 と 2026-08-12 にまたがって測定しました。参照動画なしの対照としては、10秒2Kの画像2枚ジョブと 2026-08-12 の10秒2Kテキスト動画生成を比較し、どちらも $1.235 でした。
解像度と音声は、納品ファイルに対して ffprobe で確認しました。観測された寸法は、2026-08-12 に2Kのリクエストで 2560×1440、768pのリクエストで 1344×768 でした。確認した出力2本には AAC 音声が含まれていました。
リリースサンプルと設定は MiniMax H3 で確認できます。マルチ参照のワークフローは 参照から動画 で再現できます。