Hailuo H3 API
Hailuo 3 视频生成模型，支持 4～15 秒文生、首尾帧图生和图片、视频、音频参考生成，输出 768p 或 2K。
Hailuo 3 とは
Hailuo 3（別名 MiniMax H3 / Hailuo 3.0 / Hailuo 03）は、MiniMax が 2026 年 7 月 31 日に発表した動画生成モデルです。単一のオムニモーダル Transformer で、公式スペックは 4–15 秒・24fps・768p/2K 解像度、ネイティブ 32kHz ステレオ音声が映像と同じ推論パスで生成されます。最大 9 枚の参照画像 + 3 本の参照動画 + 3 本の参照音声（合計 12 ファイルまで）、約 7000 文字のプロンプト、11 言語の音声生成が公式に主張されています。
Roko では /v1/videos/tasks の非同期タスク API で hailuo-3 を利用できます。text-to-video は minimax-h3-text-to-video、image-to-video は minimax-h3-image-to-video、reference-to-video は minimax-h3-reference-to-video にルーティングされ、入力モダリティは text・image・video・audio をカバーします。長さは 4–15 秒（既定 4 秒）、解像度は 768p/2K（既定 768p）、アスペクト比は 21:9・16:9・4:3・1:1・3:4・9:16（既定 16:9）です。
料金は Roko の公開カタログ基準です。768p が毎秒 $0.0836、2K が毎秒 $0.1364 の出力秒数課金。参照素材に動画を含む場合は「入力動画秒数 + 出力秒数」の両建て課金（768p 換算で出力 1 秒あたり $0.1672、2K は $0.2728 に相当）となり、6 枚目以降の参照画像は 1 枚あたり $0.0418 加算されます。MiniMax 公式 API の秒単価は Roko とは異なり、相互換算はできません。
モデル料金
現在の本番料金設定と、各生成ルートで実際に対応する課金単位を表示します。
| 生成ルート | 料金 | 課金ルール |
|---|---|---|
| 文生 / 图生 / 图片或音频参考 | 768p $0.0836/秒2k $0.1364/秒 | 按输出视频秒数；第 6 张起的参考图另计 |
| 视频参考 | 768p $0.0836/秒2k $0.1364/秒 | 按输入视频秒数 + 输出视频秒数；第 6 张起的参考图另计 |
費用見積もり例
以下の例は Roko 公開カタログの単価で再計算したものです。送信時に公開パラメータから見積もり、完了後にプロバイダーが報告する実使用量で精算される場合があります。
8 秒 × $0.0836/秒 = $0.6688
参照素材なしの標準テキスト生成。SNS 素材の大量生産でよく使う構成です。
10 秒 × $0.1364/秒 = $1.364
1–2 枚の画像を先頭フレームまたはスタイル参照としてアップロードし 2K 出力。ポストプロダクションのクロップを想定したマスター向けです。
(入力動画 6 秒 + 出力 6 秒) × $0.0836/秒 = $1.0032
参照に動画を含む場合は入力動画秒数 + 出力秒数の両建て課金で、出力 1 秒あたり $0.1672 に相当します。
8 秒 × $0.0836/秒 + 3 枚 × $0.0418/枚 = $0.7942
6 枚目以降の参照画像は 1 枚 $0.0418 加算され、8 枚なら 3 枚分の加算。複数キャラ・複数シーンの一貫性確保に向きます。
モデル情報
プロバイダー資料で確認でき、本サービスで実装済みのモデル、機能、制限のみを掲載しています。
minimax-h3-text-to-video
- 制限
- —
- 生成時間
- 4–15s
minimax-h3-image-to-video
- 制限
- 画像 1–2
- 生成時間
- 4–15s
minimax-h3-reference-to-video
- 制限
- 画像 0–9 · 動画 0–3 · 音声 0–3
- 生成時間
- 4–15s
主な機能
全モーダル参照入力（最大 12 ファイル）
参照動画生成ルートは参照画像 9 枚・参照動画 3 本・参照音声 3 本（合計 12 ファイルまで）を受け付け、キャラクター・シーン・動き・声を固定できます。動画・音声参照は公式の主張であり、実際の効果はタスク結果で確認してください。
ネイティブステレオ音声を同一パスで生成
公式によると 32kHz ステレオ音声が映像と同時に生成され、アフレコ不要、音声は 11 言語に対応します。Roko では出力秒数の一律課金で、音声の追加料金はありません。
768p と 2K の 2 段階解像度
既定の 768p は大量生産向け、2K（毎秒 $0.1364）はクロップや大画面上映を想定したマスター向けです。長さは 4–15 秒（既定 4 秒）で演出のテンポに合わせて選べます。
6 種類のアスペクト比
21:9・16:9・4:3・1:1・3:4・9:16（既定 16:9）をサポートし、シネマワイドから縦型ショート動画まで、生成後の強制クロップなしで対応します。
長文プロンプトとキャラクター一貫性
公式は約 7000 文字までのプロンプトと参照ベースの一貫性を主張しており、公開時の Artificial Analysis ランキングでは動画編集 1 位・テキスト生成 2 位・画像生成 3 位でした（サードパーティ調査であり、Roko の実測ではありません）。
主要パラメータ
構造化されたモデル設定から生成しています。未設定または未対応の項目は表示しません。
modelstringモデル ID
既定値:minimax-h3-text-to-video / minimax-h3-image-to-video / minimax-h3-reference-to-videopromptstringHailuo 3 视频生成模型，支持 4～15 秒文生、首尾帧图生和图片、视频、音频参考生成，输出 768p 或 2K。
既定値:必須durationinteger出力動画の秒数
既定値:4–15squalityenum現在の課金方式
既定値:768p / 2kaspect_ratioenum生成機能
既定値:21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16image_urlsarray画像から動画: 1–2 · 参照素材から動画: 0–9
既定値:生成ルートごとvideo_urlsarray参照素材から動画: 0–3
既定値:生成ルートごとaudio_urlsarray参照素材から動画: 0–3
既定値:生成ルートごと機能と利用ガイド
主な特長
- テキストから動画 · minimax-h3-text-to-video
- 画像から動画 · minimax-h3-image-to-video
- 参照素材から動画 · minimax-h3-reference-to-video
- 768p / 2k 出力
- 4–15s 生成時間
利用上の制限
- 画像から動画: 画像 1–2
- 参照素材から動画: 画像 0–9 · 動画 0–3 · 音声 0–3
- 仕様の出典: https://evolink.ai/zh/hailuo-3
制限と注意点
- 参照素材に動画を含む場合は「入力動画秒数 + 出力秒数」の両建て課金となり、参照クリップが長いほど費用が増えます。
- 参照画像は 6 枚目から 1 枚あたり $0.0418 加算され、多数の画像参照はコストが線形に増加します。
- 送信成功はタスクの受付のみを意味し、生成成功を保証しません。最終結果は終端ステータスで確認してください。
- 出力リンクには有効期限があります。期限切れで失効するため、完了後すぐにダウンロードと退避を行ってください。
- 2K は 768p より生成に時間がかかる傾向があります。納期が厳しいタスクは余裕を持ってスケジュールしてください（具体的な所要時間の公表値はありません）。
呼び出しフロー
- POST /v1/videos/tasks でタスクを送信します。body の model に hailuo-3 を指定し、ルートに応じて prompt・先頭画像・参照動画/音声・duration・resolution・aspect_ratio などを添えると task_id が返ります。
- GET /v1/tasks/{task_id} をポーリングし、succeeded か failed の終端ステータスまで待ちます。
- succeeded になったらタスク結果から動画 URL を取得します。Roko の出力リンクには有効期限があるため、自分のストレージへ速やかに退避してください。
- failed の場合はエラー内容を確認し、プロンプトやパラメータを修正して同じ手順で再送信します。失敗タスクはプラットフォームの返金規定に従って精算されます。
- 送信成功はタスクの受付を意味するだけで生成成功を保証しません。最終判断は終端ステータスの照会結果で行ってください。
典型的なユースケース
セリフと効果音付き SNS 動画
入力：シーンのプロンプト（MiniMax は音声の 11 言語対応を公表）+ 16:9 または 9:16。操作：テキスト生成ルート、4–15 秒。期待：上流機能では映像と音声を同時に生成可能。制限：Roko カタログに独立した音声スイッチはないため、音声の有無はタスク結果で確認し、1 本は最大 15 秒です。
複数参照によるキャラクター一貫性動画
入力：キャラ参照画像 + シーン参照動画 + 声質参照音声（合計 12 ファイルまで）。操作：reference-to-video ルート。期待：キャラの外見と声がカット間で一貫。制限：一貫性は参照素材の品質に依存するため、実測検証が必要です。
動画編集とリスタイル
入力：既存動画クリップ + 編集指示プロンプト。操作：参照動画ルート（入力動画秒数 + 出力秒数の両建て課金）。期待：公開時のサードパーティランキングで動画編集 1 位（Roko 実測なし）。制限：入力動画の秒数も課金対象になるため、参照クリップは短めに。
2K 広告マスター
入力：製品画像 1–2 枚 + 高精細プロンプト。操作：画像生成ルート + 2K（毎秒 $0.1364）。期待：グレーディングやクロップに回せる高解像度マスター。制限：2K は単価が高く生成時間も長めのため、まず 768p でプロンプトを検証してください。
Roko の他の動画モデルとの選び方
位置づけと課金方式の比較のみを記載します。最終判断は各モデルのカタログと実測で行ってください。
hailuo-3 vs kling-o3
H3 は全モーダル参照入力（画像・動画・音声を同時投入）とネイティブステレオ音声が持ち味で、出力秒数課金です。kling-o3 は 4K とマルチショット物語が持ち味。参照駆動かつ音声込みなら H3、高解像度の長編なら kling-o3 と、課金の考え方も異なります。
hailuo-3 vs kling-3.0-turbo
kling-3.0-turbo は速度と低単価が武器で、ドラフトの高速反復に向きます。H3 は参照モダリティが深く（最大 12 ファイル）ネイティブ音声付きで、本番ショット向きです。ドラフトは turbo、キーカットは H3 の組み合わせが一般的です。
hailuo-3 vs happy-horse-1.1
happy-horse-1.1 はマルチショット物語と低単価寄り。H3 の差別化は参照モダリティの深さと同一パスの音声生成です。予算重視の大量物語は happy-horse-1.1、参照駆動で音画一体の単発ショットは hailuo-3 が適します。
よくある質問
Roko での hailuo-3 のモデル ID とルートは？
タスク送信時は model に hailuo-3 を指定します。テキスト生成は minimax-h3-text-to-video、画像生成は minimax-h3-image-to-video、参照生成は minimax-h3-reference-to-video にルーティングされます。実際のサブモデルはタスク応答を確認してください。
Hailuo 3 で動画 1 本いくらかかりますか？
出力秒数課金です。768p が毎秒 $0.0836、2K が毎秒 $0.1364。参照に動画を含む場合は入力動画秒数 + 出力秒数の両建て、6 枚目以降の参照画像は 1 枚 $0.0418 加算。例：768p テキスト生成 8 秒は $0.6688。送信時に公開パラメータで見積もり、完了後に実使用量で精算される場合があります。
対応する長さ・解像度・アスペクト比は？
長さ 4–15 秒（既定 4 秒）、解像度 768p/2K（既定 768p）、アスペクト比 21:9・16:9・4:3・1:1・3:4・9:16（既定 16:9）。最新は Roko カタログを参照してください。
音声付き動画を生成できますか？
MiniMax は、H3 が映像と同じ処理で 32kHz ステレオ音声を生成し、11 言語に対応すると公表しています。ただし Roko の現行カタログに独立した音声スイッチはないため、実際の音声出力はタスク結果で確認してください。料金式にも音声の追加料金は記載されていません。
参照ファイルは最大何個送れますか？
画像生成は 1–2 枚。参照生成は参照画像 9 枚・参照動画 3 本・参照音声 3 本の合計 12 ファイルまでです。6 枚目以降の参照画像は 1 枚あたり $0.0418 加算されます。
送信成功後、すぐに動画を取得できないのはなぜですか？
hailuo-3 は /v1/videos/tasks の非同期タスクで動くためです。送信成功は受付のみを意味し、生成にはキューイングと推論時間が必要です。GET /v1/tasks/{task_id} をポーリングし、succeeded になってから動画 URL を取得してください。
無料枠はありますか？
hailuo-3 は従量課金で、Roko カタログに無料枠の記載はありません。費用は送信時に公開パラメータから見積もり、完了後に実使用量で精算されます。タスク終端ステータスと料金ページが基準です。
生成した動画は商用利用できますか？
商用可否は入力素材の権利、モデルライセンス、投稿先プラットフォームの規約によります。上流の H3-Base ウェイトは Community License です。商用利用前にライセンスと規約を必ずご自身で確認してください。Roko は法的助言を行いません。
出力リンクはずっと有効ですか？
いいえ。Roko の出力リンクには有効期限があり、期限を過ぎると失効します。タスク完了後、速やかにダウンロードして自分のストレージへ退避してください。
参照ソース
上流の能力主張は MiniMax の公式発表とオープンウェイト資料に基づきます。Roko で利用可能なパラメータ・ルート・価格は現在の本番カタログに由来します。確認日：2026-10-09。
- MiniMax Research: MiniMax H3 launch Official launch: multimodal context, up to 15 seconds at 2K, native stereo audio, and open-weight plan
- MiniMax API Platform: H3 pricing Official API rate card: 768p/2K output seconds, input-video seconds, and reference-image surcharge
- ComfyUI Wiki: MiniMax H3 open weights Open-weight release: H3-Base 768p, 24fps, aspect ratios 21:9 to 9:16, 32kHz stereo audio
- Roko API video task docs Async submit, task query, and billing lifecycle on Roko
- Roko API model catalog Current routes, prices, and generation config
同じファミリーのモデル
同じモデルファミリーで利用できる別バージョンを確認できます。
Hailuo H3
その他の動画モデル
統一された非同期動画タスク API で利用できるモデルを探せます。
