MiniMax H3(Hailuo 3.0)は、中国のAI企業MiniMaxが2026年7月31日に発表し、8月3日に「オープンウェイト」として公開した動画生成モデルだ。テキスト・画像・動画・音声をまとめて材料にでき、最大2K・15秒ほどの映像を、音まで同時に生成する。しかも重みが公開され、誰でも中身を調べて改造できる。
「その規模では世界最強の動画モデル」とコミュニティが評するほど注目を集めている。ただし日本の私たちにとっては、手放しで喜べない条件が一つ付く。まずは何がすごいのかを見て、最後にその「条件」を説明する。
何が新しいのか——「音を後付けしない」
動画生成AIの多くは、まず映像を作り、あとから音を足す。H3の新しさは、映像と音を一度に作る点にある。テキストや画像、既存の映像クリップや音声をまとめて読み込み、そこから4〜15秒のクリップを2K・24fpsで、ステレオ音声つきで吐き出す。音の後付けも、粗い映像を引き伸ばす処理も要らない。
コミュニティの評価も具体的だ。第三者ベンチマークのArtificial Analysisで、H3は音声つきの動画編集で1位、テキストや画像から動画を作る部門でも上位に食い込んだ。ComfyUIなど定番ツール向けの重みも早々に出回り、手を動かす人たちの環境がすぐ整った。
公式は「みんなのためのオープンな動画生成」と掲げる
MiniMaxはこのモデルを、クリエイター全員に開くものだと位置づける。重みを公開する狙いは、コミュニティが研究し、微調整し、まったく新しい制作の流れを上に築けるようにすることだ、と説明している。
H3の重みはまもなく公開される。つまりコミュニティはこれを研究し、微調整し、まったく新しいクリエイティブなワークフローを上に築ける。オープンな動画生成を、すべての人へ。(原文英語・筆者抄訳)
この一手は、動画生成の勢力図を揺らす。当サイトの動画生成AIおすすめで見たように、この分野は有力モデルが目まぐるしく入れ替わってきた。閉じた高性能モデルが主役だった土俵に、性能で競える「開いたモデル」が出てきた意味は小さくない。しかも作り手は中国勢だ。オープンモデルで攻める中国AIの勢いは、いまや文章から映像へと広がっている。
日本のユーザーは、ここを必ず確認したい
さて、冒頭で触れた「条件」だ。H3のコミュニティライセンスは、米国・EU・英国・韓国をローカル利用の対象から明示的に除外している。「オープン」という響きから連想する、どこでも自由に使える状態とは違う。日本が対象内かどうかは、利用前にライセンス本文を必ず自分で確かめる必要がある。
「開いた動画AI」の価値は、使える人にだけ届く
H3は、動画生成が「閉じた大企業の独占」から「開かれた競争」へ動いた象徴だ。ただしその恩恵は、ライセンスの地図の内側にいる人にだけ届く。日本の書き手やクリエイターは、飛びつく前にまず自分の地域が対象かを確認する——それが、この魅力的なモデルと安全に付き合う最初の一歩になる。技術のオープンさと、使える権利のオープンさは、別物なのだ。
出典: MiniMax公式X(重み公開の告知) / Hugging Face(H3解説・仕様) / explainx.ai(ライセンスが米EU等を除外) / ComfyUI Wiki(オープンウェイト公開)
