

MiniMax 次世代モデル発表:何が新しいのか
MiniMax Hailuo 2.3は、テキストまたは画像から6~10秒の映画のようなクリップを生成します。機能、送信→ポーリング→ダウンロードのAPIフロー、APIMartでの秒単位のUSD料金をご紹介します。
今日 MiniMax Hailuo 2.3 を試したいなら、答えは簡単です: Standard モデルはテキストから動画と画像から動画に対応し、Fast は画像から動画に対応します。Fast は最初のフレーム画像が必須で、プロンプトも必要です。出力は 768p で 6 秒または 10 秒、1080p で 6 秒です。2026年10月時点で、料金は Standard の 768p・6 秒クリップが約 $0.29、Fast が 約 $0.15 からで、API は送信 → ポーリング → ダウンロードというシンプルな流れです。
本当に重要な点に絞ると、今回のリリースは次の 4 つです。
- 今できること: テキストから動画、画像から動画
- 料金: APIMart で 1 秒あたり約 $0.0248〜$0.072(モデルと解像度による、2026年10月時点)
- 接続方法:
POST /v1/videos/generationsを送り、GET /v1/tasks/{task_id}でステータスを確認 - 最も向いている人: 短い広告、製品クリップ、解説動画、テスト用バリエーションを作るチーム
明確な制限もあります。Fast はテキストから動画に対応していません。最初のフレーム画像が必須だからです。APIMart では、どちらのモデルも最後のフレーム画像や subject reference を受け付けません。APIMart は固定のレンダリング時間を公表していないため、長尺の編集よりも短い動画の作業に向いています。

重要ポイント
- MiniMax Hailuo 2.3 はショートフォーム向けのシネマティックな動画モデルです。Standard はテキストから動画と画像から動画に対応し、Fast は最初のフレーム画像が必須(プロンプトも必要)で、どちらも 768p で 6 秒または 10 秒、1080p で 6 秒のクリップを出力します。
- 顔の筋肉シミュレーションと Global Identity VAE で顔を安定させ、プロンプトの先頭に置く 15 種類の角括弧付き中国語カメラコマンド(例:
[推进]、プッシュイン)と、アニメ、水墨画、ゲーム CG のスタイルに対応しています。 - APIMart では、API は送信、ポーリング、ダウンロードの順に進みます。
POST /v1/videos/generationsがdata[0].task_idを返し、ステータスがcompletedになるまでGET /v1/tasks/{task_id}を 15〜30 秒ごとにポーリングし、動画の URL はdata.result.videos[0].url[0]に入っています。 - 2026年10月時点で、APIMart は秒単位で課金します。Standard は 768p で約 $0.0488、1080p で約 $0.072、Fast は約 $0.0248 と $0.0424 です。
- Fast は 768p で Standard の約半額、1080p で約 40% 安く、プロンプトは最大 2,000 文字、APIMart の結果は 72 時間保持されます。
Minimax Hailuoチュートリアル:ボイスクローン、AI動画・音楽生成 + Make.comオートメーション
クイック比較
| モデル | 入力タイプ | 出力の長さ | 解像度 | 最低料金(2026年10月時点) | 最適な用途 |
|---|---|---|---|---|---|
| MiniMax-Hailuo-2.3 | テキスト、またはテキスト + 最初のフレーム画像 | 6 秒または 10 秒(768p)、6 秒(1080p) | 768p、1080p | 768p・6 秒クリップあたり $0.29 | 最終クリップ、広告、製品動画 |
| MiniMax-Hailuo-2.3-Fast | 最初のフレーム画像 + テキストプロンプト | 6 秒または 10 秒(768p)、6 秒(1080p) | 768p、1080p | 768p・6 秒クリップあたり $0.15 | 下書き、テスト、バッチ出力 |
私が特に印象に残ったのは、モデルを試しやすく、料金を見積もりやすく、API もわかりやすい ことです。APIMart では MiniMax Hailuo 2.3 API から呼び出せます。Hailuo 2.3 が自分のワークフローに合うかを判断するとき、主な問いは「使えるかどうか」ではなく、「テキストから動画が必要か、それともすべてのクリップを画像から始めて Fast で節約できるか」 です。
2. リリース時点で MiniMax Hailuo 2.3 が提供するもの
MiniMax Hailuo 2.3 は、シネマティックなクリップのための MiniMax のショートフォーム動画モデルです。滑らかな動き、表情豊かなキャラクター、指示に忠実なプロンプト追従を目指して作られています。
2.1 主な機能と対応ワークフロー
モデルのレベルで主に選ぶのは、Standard か Fast かです。
Standard の Hailuo 2.3 は、テキストから動画と、最初のフレーム画像 1 枚からの画像から動画の両方に対応しています。MiniMax は今回のリリースで、体の動き、微細な表情、スタイルのコントロールの改善を強調しています。[1][7]
Fast は画像から動画用です。first_frame_image が必須で、テキストプロンプトも送ります。MiniMax はより速く低コストだと説明しており、APIMart のドキュメントでは低レイテンシと説明されています。[3][5]
再生はシネマティックな 24 fps 前後になりますが、固定仕様ではなく大まかな目安と考えてください。[3][7][8]
実際には、この選択がすぐに 3 つのことに影響します。
- テキストだけから始められるかどうか
- 1 クリップあたりのコスト
- チームがプロンプトから完成した下書きまでどれだけ速く進めるか
2.2 動き、キャラクター、スタイルの改善
Hailuo 02 からの最大の進化は、キャラクターの動きと感情表現に表れています。
Hailuo 2.3 は顔の筋肉シミュレーションで、眉の動き、視線の焦点の変化、わずかな首のかしげといった小さな表情を扱います。また Global Identity VAE によって、顔、髪、服装がフレーム間でより安定します。[1][4][9]
カメラワークも強化されています。APIMart では、15 種類の角括弧付き中国語コマンドのいずれかを、表記どおりのラベルでプロンプトの先頭に置きます。[左移] / [右移](左 / 右へパン=平行移動)、[左摇] / [右摇](左 / 右へ回転)、[推进] / [拉远](プッシュイン / プルアウト)、[上升] / [下降](上昇 / 下降)、[上摇] / [下摇](ティルトアップ / ダウン)、[变焦推近] / [变焦拉远](ズームイン / アウト)、そして [晃动](シェイク)、[跟随](フォロー)、[固定](固定)です。[5] さらに Hailuo 2.3 は、アニメ、水墨画、ゲーム CG の美学のレンダリングオプションで、スタイルのコントロールも広げています。[1][4][6][9]
つまり、チームはクリップの雰囲気をより意図的に作れるようになります。キャラクターのクローズアップ、ゆっくりとしたプッシュイン、スタイライズされた製品ショットは、運任せではなく、プロンプトを書く作業になっていきます。
2.3 Hailuo 2.3 が最も合う場面
Hailuo 2.3 は短くインパクトのあるクリップに最適です。長い作品が必要なら、ここで各ショットを生成し、一般的な編集ソフトでつなげるほうが理にかなっています。
| ワークフロー | 強み | 制限 | 最適なユースケース |
|---|---|---|---|
| テキストから動画 | プロンプトへの忠実さ、スタイライズされた出力 | Standard モデルのみ | SNS クリップ、スタイライズされたトレーラー |
| 画像から動画 | キャラクターの一貫性、元画像のディテールが安定 | 高品質な元画像が必要、最初のフレームのみ | 製品の回転、EC 広告 |
| Fast(最初のフレームが必須) | 低レイテンシ、低コスト | テキストから動画に非対応 | バッチの下書き、A/B テスト |
テキストから動画が必要なとき、あるいはメインの広告、トレーラー、キャラクター中心のシーンのようにスタイルの方向性やプロンプトの細部が最も重要なときは、Standard の Hailuo 2.3 を使いましょう。画像から始められて、スピードと量のほうが重要なとき、特にバリエーションテストや SNS 向けのバッチ制作では Fast に切り替えます。
こうしたリリース時点の違いは、次のセクションで扱う API の設定、出力の制約、統合の判断にそのまま関わってきます。
3. API プレビュー:エンドポイント、入力、出力、アクセス
3.1 リクエストとレスポンスの構造
APIMart では、Hailuo 2.3 はシンプルな送信 → ポーリング → ダウンロードの流れに従います。POST https://api.apimart.ai/v1/videos/generations リクエストを送り、data[0].task_id で task_id を受け取り、動画の処理を待ちます。その後 GET https://api.apimart.ai/v1/tasks/{task_id} をポーリングします。ステータスが completed になると、動画の URL は data.result.videos[0].url[0] に入っています。これらのフィールドは、テキストから動画と画像から動画という 2 つの経路に対応しています。
テキストから動画では、リクエストに prompt フィールドが必要で、最大 2,000 文字です。画像から動画では、開始フレームとして first_frame_image も送ります。画像は公開 URL か Base64 data URI で渡せます。MiniMax 自身のドキュメントでは、ファイルは 20 MB 未満、短辺 300 px 超、アスペクト比 2:5〜5:2 が推奨されています。
主な設定項目は次のとおりです。
duration:クリップの長さ。768p で 6 秒または 10 秒、1080p で 6 秒resolution:"768p"(デフォルト)または"1080p"prompt_optimizer:任意のフラグ
| パラメータ | 型 | 必須 | 備考 |
|---|---|---|---|
model | string | はい | MiniMax-Hailuo-2.3 または MiniMax-Hailuo-2.3-Fast |
prompt | string | はい | 最大 2,000 文字。角括弧付き中国語カメラコマンドに対応 |
first_frame_image | string | Fast は必須、Standard は任意 | 公開 URL または Base64 data URI |
duration | integer | いいえ | 6(デフォルト)または 10。1080p では 6 必須 |
resolution | string | いいえ | "768p"(デフォルト)または "1080p" |
prompt_optimizer | boolean | いいえ | プロンプトを最適化する任意のフラグ。デフォルトは true |
タスクの実行中、GET /v1/tasks/{task_id} は pending または processing を返し、最終的に completed か failed になります。完了したら data.result.videos[0].url[0] から動画の URL を読み取ります。別のファイル ID やダウンロード用エンドポイントはありません。失敗した場合は error フィールドで理由を確認します。
ポーリングは 15〜30 秒ごとが妥当なペースです。頻繁すぎても無駄な負荷になるだけです。もう一点、APIMart の結果は 72 時間保持されるので、生成後は早めに自分のストレージへ移しておきましょう。
3.2 直接アクセスと APIMart の統合 API

チームは MiniMax 自身のプラットフォーム API を直接呼び出すこともできます。MiniMax のドキュメントやリリースのタイミングに最も近いルートですが、エンドポイント、タスクのフィールド、ダウンロード手順が APIMart とは異なるので、1 つのクライアントで両方を混在させないようにしましょう。
マルチモーダルな作業を 1 か所で管理したいチームには、APIMart というもう一つのルートがあります。すべてのリクエストでヘッダーに Bearer トークンを使います。
Authorization: Bearer YOUR_API_KEY
統合 API では、テキスト、画像、動画の呼び出しを 1 つの API キーと 1 つの USD 残高で扱えます。また OpenAI 互換のリクエスト形式を採用しているため、すでにその形式を使っているスタックなら導入が楽になります。複数の種類のモデルを 1 つのパイプラインに組み込むなら、クライアント側の時間を節約できます。
3.3 米ドル建ての料金と課金
料金は生成した秒数に応じて米ドルで課金されます。2026年10月時点の APIMart の料金は次のとおりです。
| モデルバリアント | 解像度 | APIMart の料金(USD/秒) |
|---|---|---|
| MiniMax-Hailuo-2.3 | 768p | 約 $0.0488 |
| MiniMax-Hailuo-2.3 | 1080p | 約 $0.072 |
| MiniMax-Hailuo-2.3-Fast | 768p | 約 $0.0248 |
| MiniMax-Hailuo-2.3-Fast | 1080p | 約 $0.0424 |
つまり Fast は 768p で Standard の約半額、1080p で約 40% 安くなります。コスト管理の実用的な方法は、768p でテストし、1080p は最終レンダリングに取っておくことです。初期の反復を安く抑えつつ、後で高品質に納品する余地も残せます。最新の料金はモデルページで確認してください。
4. マルチモーダルワークフローの統合パターン
4.1 Python SDK と REST の実装パターン
リクエストとレスポンスの形式が決まったら、次は Hailuo 2.3 を何度でも実行できるパイプラインに組み込みます。最もシンプルな考え方は、Hailuo 2.3 を大きなシステムの中のレンダリング層とみなすことです。API キーは環境変数に置き、すべてのリクエストで Bearer 認証を使い、動画生成の呼び出しには requests を、プロンプトの組み立てには SDK を使います。
import os
import time
import requests
API_KEY = os.environ["APIMART_API_KEY"]
BASE_URL = "https://api.apimart.ai/v1"
headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json",
}
payload = {
"model": "MiniMax-Hailuo-2.3",
"prompt": "[变焦推近] A ceramic coffee mug on a sunlit kitchen counter, steam rising, photorealistic",
"duration": 6,
"resolution": "768p",
"prompt_optimizer": True,
}
response = requests.post(f"{BASE_URL}/videos/generations", json=payload, headers=headers)
task_id = response.json()["data"][0]["task_id"]
while True:
status_resp = requests.get(f"{BASE_URL}/tasks/{task_id}", headers=headers)
task = status_resp.json()["data"]
if task["status"] == "completed":
video_url = task["result"]["videos"][0]["url"][0]
break
if task["status"] == "failed":
raise Exception(task.get("error", "Video generation failed"))
time.sleep(20)
video_url を取得したら、MP4 をダウンロードしてストレージや公開の工程に渡します。結果は 72 時間保持されるので、この手順は後回しにしないでください。
API の流れが整ったら、次は支出と出力品質をコントロールするためのデフォルト値を決めます。
4.2 コンテンツチームと製品チーム向けのパイプライン設計
多くのコンテンツチームや製品チームは、3 つのパイプラインパターンで十分対応できます。これらは本記事の主なユースケースである、テキストから動画、画像から動画、レンダリング後の音声合成に対応しています。[13][10][12][20][21]
広告クリップのワークフロー(テキスト → 動画) では、LLM が、設定、被写体、動きの説明、先頭の角括弧付きカメラコマンドを含む構造化されたプロンプトを組み立てます。例:
[跟随] A pair of running shoes on a track, golden hour lighting, cinematic
このプロンプトを Standard の Hailuo 2.3 のテキストから動画リクエストに送ります。この構成は 6 秒の短いクリップに向いています。[16]
製品デモのワークフロー(画像 → 動画) では、きれいな製品の静止画をアップロードし、first_frame_image として Hailuo 2.3 または Hailuo 2.3 Fast に渡します。製品の見た目を正確に保ちながら、静止画では見せられない動きを加えられます。[13][10][12]
ナレーション同期のワークフロー(動画 + 音声) では、まず動画をレンダリングし、その後、音声や音楽のモデルでナレーションや音楽を後から加え、公開パイプラインですべてを組み合わせます。
10 秒を超えるシーケンスが必要なら、クリップをつなげます。1 つの生成結果の最後のフレームを取り出し、次のリクエストの first_frame_image に渡します。シンプルな受け渡しですが、セグメント間でキャラクターの見た目やシーンの連続性を保つのに役立ちます。[10][12]
4.3 展開前に標準化すべきパラメータ
これを展開時のポリシーとして扱うと役立ちます。規模を広げる前にデフォルト値を少数に固定しておけば、出力が安定し、コストを計画しやすくなり、チームの使い方もそろいます。[16][17][18][19]
通常は、短いチェックリストで十分です。
- プロンプトテンプレート:カメラコマンド、設定、被写体、動き、
"cinematic"、"product demo"、"user-generated feel"のようなスタイルタグという共通の構造を使います。うまくいったプロンプトのライブラリを作り、チームがゼロから始めずに再利用できるようにしましょう。[11][14][15] - 長さ:クリップの長さを用途に合わせます。プレビューや SNS コンテンツには 6 秒クリップを使い、時間が必要なキャンペーンには 10 秒クリップ(768p のみ)を使います。
- 解像度:下書きと反復のデフォルトは
768pにし、1080pは最終レンダリングにだけ使います。 - 最初のフレーム画像のルール:承認済みの元画像の保存場所を明確にし、ファイルを MiniMax の推奨範囲(20 MB 未満、短辺 300 px 超)に収め、画像から動画に適した開始フレームとは何かを定義します。[10][17][18][15]
- モデルの選択:大量の画像から動画のバッチには
MiniMax-Hailuo-2.3-Fastを使います。テキストから動画と、自分のプロンプトで両方を比べたうえでの最終出力にはMiniMax-Hailuo-2.3(Standard)を使います。[19]
これらのデフォルト値が、次に扱うコスト構造とモデル選択を左右します。
5. コスト、モデル選択、まとめ
5.1 米国のよくある制作シナリオでのコスト見積もり
リリース時の設定と API の流れが整ったら、次に押さえるべきは制作コストです。
2026年10月時点で、Hailuo 2.3 の 768p・6 秒クリップは約 $0.29、10 秒クリップは約 $0.49 です。Hailuo 2.3 Fast では、同じクリップが約 $0.15 と $0.25 で、ほぼ半額です。1080p(6 秒のみ)では差が小さくなり、Standard が約 $0.43、Fast が約 $0.25 で、約 40% 安くなります。
768p の Standard で 10 秒の製品クリップを月に 80 本作る米国の EC ブランドなら、生成コストの合計は約 $39.00 です。
シンプルに考えると:
- Hailuo 2.3 Fast は画像から動画の下書き、A/B のバリエーション、バッチテストに
- Hailuo 2.3 はテキストから動画、公開中の製品ページ、有料 SNS 広告、アプリストアのプレビューに
もちろん料金は大切ですが、それだけで選ぶべきではありません。出力に何をさせたいかのほうが重要です。
5.2 APIMart のカタログの中で MiniMax Hailuo 2.3 を選ぶ
選択は 3 つに集約されます。入力の種類、下書きのスピード、バッチの量です。
| モデル | 主な強み | 対応する出力 | APIMart の料金(USD/秒、2026年10月時点) | 米国での最適な用途 |
|---|---|---|---|---|
| MiniMax Hailuo 2.3 | テキストから動画と画像から動画、キャラクターの忠実さ、スタイルのコントロール | 768p:6 秒または 10 秒、1080p:6 秒 | $0.0488(768p)/ $0.072(1080p) | ブランドクリップ、製品デモ、有料 SNS 広告 |
| MiniMax Hailuo 2.3 Fast | 低レイテンシ、バッチのコスト効率。最初のフレームが必須 | 768p:6 秒または 10 秒、1080p:6 秒 | $0.0248(768p)/ $0.0424(1080p) | 下書き、クリエイティブのバリエーション、大量生成 |
うれしいのは、1 つの統合で両方のティアをカバーできることです。下書きモードと最終出力モードを切り替えたいときは、すべての Fast リクエストに first_frame_image を含めている限り、model の値を変えるだけで済みます。
5.3 押さえておきたいポイント
2 つのティアから選ぶなら、ルールはシンプルです。Hailuo 2.3 はショートフォーム動画向けで、特に動きの一貫性とブランドへの適合が最も重要な短いクリップに向いています。
規模を広げる前に、きっちりとしたパイロットを回しましょう。6 秒と 10 秒のクリップを管理されたバッチで生成します。そのうえで、クリエイティブチームと動きの品質やブランドへの適合を確認し、制作フローに対してターンアラウンドが十分かを確かめ、APIMart の請求画面の使用秒数と米ドルの合計金額が一致しているかを確認します。
よくある質問
どのモデルから始めるべきですか?
テキストから動画なら、Standard の Hailuo 2.3 から始めましょう。すべてのクリップを画像から始められるなら、下書きやバッチ処理には Hailuo 2.3 Fast のほうが安価です。
スタイライズされたアート、人物の動き、微細な表情が必要なら、Hailuo 2.3 が良い選択です。物理表現の多い動きや、最初と最後のフレームを使うトランジションを重視するなら、Hailuo 02 も堅実な選択です。ネイティブ音声や 2K 出力が必要なら、MiniMax の新しい動画モデルである MiniMax H3 も検討してください。
これらはすべて、統合された APIMart API で model パラメータを設定するだけで利用できます。
10 秒より長いクリップを作るには?
Hailuo 2.3 では、10 秒のクリップには 768p が必要です。1080p は最大 6 秒までなので、長い出力には使えません。
API の 10 秒というクリップの上限を超えたいなら、複数のクリップを生成してバックエンドでつなげ、前のクリップの最後のフレームを次の first_frame_image に使います。各タスクを completed になるまでポーリングする非同期の処理にするのが最適です。
生成リクエストが失敗する主な原因は?
生成リクエストが失敗する主な原因は次のとおりです。
- 無効なパラメータ(例:
duration: 10とresolution: "1080p"の組み合わせ、またはfirst_frame_imageのない Fast リクエスト) - 無効な API キー
- アカウントの残高不足
- レート制限(429)
- サーバー内部エラー(5xx)
画像を使うリクエストは、入力ファイルが大きすぎる場合やアスペクト比が対応範囲外の場合にも失敗することがあります。
タスクのステータスが failed に変わったら、error フィールドで具体的な理由を確認してください。
APIMart チームについて
APIMart チームは、AI でプロダクトを開発する開発者向けに、モデル解説・比較・料金分析を執筆しています。APIMart なら 1 つの API で複数プロバイダーのチャット・画像・動画モデルを利用でき、本記事で紹介したモデルをリリース前に比較検証できます。
モデルマーケットで使いたいモデルを選ぶ
APIMart のモデルマーケットでチャット、画像、動画モデルを試し、統一 API でモデルの能力をすばやく体験できます。
