MiniMax 海螺（Hailuo）画像から動画生成の極意：70/30プロンプトルールとカメラ制御

なぜショートドラマ制作で MiniMax H3 が選ばれるのか

本記事は Say Action チームが執筆しています。推薦および分析は短編ドラマ制作におけるワークフローの連携と実務経験に基づくものであり、独立した第三者ベンチマークではありません。

短尺の縦型ショートドラマ制作において、クリエイターが最も頻繁に直面する課題は、会話シーンにおける人物の表情の硬さや不自然な崩れです。MiniMax H3（Hailuo AI）がドラマ制作陣の間で高く評価されている理由は、業界屈指の繊細な表情変化、衣服の自然なしわの物理挙動、そして一貫したシネマティックな光影表現にあります。視線の揺らぎ、穏やかな呼吸、微細な笑みといった微妙な感情表現が、デジタル特有の不気味の谷に陥ることなくリアルに描かれます。

この強みは、Kling（可霊）や Seedance と比較した際の明確な使い分けを生み出します。Kling がダイナミックなアクションやダイナミックなカメラワークに長け、Seedance が複数参照画像を用いた長尺の一貫性に優れるのに対し、MiniMax H3 はミドルショットやバストアップ、情感豊かな会話シーンで真価を発揮します。高精細な開始フレームを与えると、肌のキメや布地の質感を尊重し、過度な破綻を起こさずに動画を生成します。

Say Action のキャンバス上では、モジュール化されたノード連携によってこの能力を最大限に引き出します。1行のプロンプトだけで一からすべてを生成させるのではなく、まず Nano Banana などの画像生成ノードで高解像度の絵コンテキーフレームを作成し、人物造形と構図を確定させてから MiniMax H3 の動画ノードへ接続します。この静止画設計と動画物理生成の分離が、安定したドラマ制作の基盤となります。

画像から動画を作る 70/30 プロンプトの法則

画像から動画を生成する際によくある失敗は、プロンプトの過剰な重複記述です。初心者は動画プロンプト入力欄に、開始画像にすでに写っている人物の服装や部屋の内装、照明の色調を長々と再記述してしまいがちです。モデルが画像内の既存ピクセルと重複する指示を同時に解釈しようとすると、潜在空間で矛盾が生じ、手足の変形や背景の崩壊、衣装の変色を引き起こします。逆に単に「彼女が振り返る」とだけ書くと、カメラが意図せず漂流してしまいます。

推奨される経験則（ルール・オブ・サム）としての 70/30 プロンプトルールは、この問題を緩和するための実践的な構成の目安です。プロンプト全体のおよそ70%を入力画像の静的要素の固定（衣装のシルエット、主光源の方向、背景の空気感の継承）に配分し、残る約30%を動的な動作制限（登場人物の具体的な動き、視線の向き、カメラの固定指示）に充てます。この指針のもとでは、開始フレームに存在しない新たな小道具や突飛な舞台設定を動画プロンプトで安易に要求することは避けます。

具体的なプロンプトの比較を見れば違いは歴然です。「シネマティックで美しい女性が雨の中で泣き、カメラがドラマチックに回転する」といった文学的プロンプトは、ほぼ確実に顔の崩壊と構図の破綻を招きます。一方、70/30ルールを適用したプロンプトは次のようになります。「開始フレームを継承：エメラルドグリーンのシルクブラウスを着た若い女性、柔らかい逆光、浅い被写界深度。動作指示：左の頬を涙が一筋ゆっくりと伝う、わずかに息を呑み、視線を落として手元の画面を見つめる。固定カメラの中近景、カメラ位置を固定。」これにより、拡散モデルに明確な幾何学的境界が与えられます。

動作を指定する部分では、抽象的な感情表現ではなく、物理的な微細動作を表す動詞を使用します。「激怒」「絶望」などの言葉は過剰で奇怪な表情を誘発しがちですが、「奥歯をわずかに噛み締める」「深く一息つく」「顔を右へ5度傾ける」といった具体的な動詞を用いれば、モデルは安定した物理軌道を描きます。9:16の縦型ドラマにおいて、こうした抑制された微細な演技こそが作品の没入感を支えます。

重要なシステム制約：API首尾フレームと参照画像の混用禁止

Say Action のバックエンドでは、MiniMax の公式 API 規約に基づいた厳格なバリデーションが機能しています。クリエイターが遭遇しやすいエラーの一つが、首尾フレームを設定しながら同時にキャラクター参照画像を渡してしまうケースです。MiniMax の公式動画生成エンジン（video-provider-minimax.ts）では、開始フレーム（first_frame）または終了フレーム（last_frame）が有効化されている場合、通常の参照画像（reference_image）を混用すると即座にエラー（minimaxMixedFrames）が発生します。

この制約には明確な生成アルゴリズムの根拠があります。動画生成モデルが首尾フレームによる生成補間を行う際、開始画像と終了画像は空間的・時間的な境界条件（ディリクレ境界条件）として機能します。ここに浮動的なキャラクターシートを同時に入力すると、潜在空間で矛盾するベクトルが衝突し、中間フレームで人物の顔が混ざり合って溶け出す異常変形が生じるためです。

そのため、Say Action のキャンバスでカットを設計する際は、2つの明確なモードのどちらかを選択する必要があります。モードAは「単一開始フレームによる画像動画化」であり、First Frame スロットに1枚の高品質キーフレームを入力し、純粋な動作プロンプトで展開します。モードBは「首尾フレームによる生成トランジション」であり、開始と終了の2枚の画像を渡して中間の物理遷移を補間させます。どちらのモードでも、同一動画ノードに追加のキャラクター設定シートを混在させてはいけません。

キャンバス上のノード接続を整然と保つことで、生成キューの予期せぬ停止を未然に防ぐことができます。絵コンテ表から一括生成を実行する前に、インスペクターパネルで各動画ノードの接続状態を確認してください。終了フレームとキャラクター参照ノードが重複して接続されている場合は、不要な接続を解除します。プラットフォームのシステム仕様を正しく理解することが、安定した制作ラインの維持につながります。

高精細キーフレームの固定による顔崩れ防止

画像から動画を生成するワークフローにおいて、時間的な一貫性の限界は入力画像の品質によって決まります。開始フレームに圧縮ノイズ、輪郭のブレ、または不鮮明な顔立ちが含まれていると、MiniMax の拡散モデルは最初の数十フレームの間にその歪みを急速に増幅させ、人物の造形崩壊を引き起こします。シリーズを通じて同一人物の顔立ちを維持するには、動かす前の静止画アンカーを極限まで高精細に仕上げる必要があります。

Say Action のキャンバスでは、Nano Banana などの画像生成ノードを用いてベースとなるキーフレームを高品質に出力し、視線の向きや衣服のディテール、照明のコントラストを入念に確認します。低解像度の動画キャプチャや粗い下描きを開始フレームとしてそのまま使用することは避けてください。輪郭が明瞭でライティングの美しい静止画こそが、動画拡散モデルに正確な幾何学的基準を提供します。

意図しないカメラのブレやドリフトも、ドラマの品位を損なう主な原因です。MiniMax H3 は環境を描写するプロンプトに非常に敏感であり、「風に揺れる木々」や「押し寄せる波」といった言葉が含まれていると、カメラマンが手持ちで動いているとモデルが誤認することがあります。会話シーンでカメラを完全に固定するには、プロンプトの冒頭に static locked-off medium close-up（固定中近景）や tripod mount（三脚固定）といったカメラ固定指示を必ず明記してください。

最後に、キャンバス上での人の目による品質チェック（QC）をワークフローに組み込みます。動画ノードのレンダリングが完了したら、最初の0.5秒のプレビューを再生して、顔の対称性や視線の整合性を確認します。もし特定のカットで崩れが生じた場合は、そのノードのプロンプトを微調整するか開始画像を差し替えて単独で再生成するだけで済み、シーン全体を作り直す必要はありません。

解像度・秒数の選択とクレジットの計算

商業向け縦型ショートドラマの制作では、計算資源のコスト管理と納期の両立が極めて重要です。Say Action における MiniMax H3 アダプターは、768P（高速プレビューおよび仮編集向け）と 2K（本番納品向け）の2段階の解像度を備え、4秒から15秒までの段階的な秒数指定に対応しています。各ショットの演出意図に応じて適切な設定を割り当てることで、無駄なクレジット消費を抑えながら映画品質の映像を実現できます。

以下の表は、Say Action キャンバスにおける MiniMax H3 の公式仕様、物理的安定性の評価、および推奨される制作フェーズの一覧です。

Say Action では、生成タスクを開始する前に消費予定のクレジットが明瞭に提示されます。モデル提供元が失敗を明確に報告した場合やタイムアウト時には、確保されていたクレジットが自動的に返還されます（モデル提供元が生成の失敗を明確に確認した場合、仮確保されたクレジットを返還します。通信が途切れるなど結果や料金が確認できない場合は、二重精算を避けるため確認待ちになります。）。自前の API キーを利用する BYOK モードの場合、上流のモデル利用料は提供元へ直接支払われ、プラットフォームによる利用料の上乗せはありません（BYOKではAPIの接続先、モデルのキー、カスタムヘッダーを設定できます。OneAPIやNewAPIなどを使う場合は、実際のAPIに合うOpenAI・Gemini・Claudeの方式を選び、モデルIDと画像・動画APIの対応状況を確認してください。すべての中継サービスや独自仕様に自動対応するわけではありません。BYOKでのモデル利用にはプラットフォームの上乗せ料金や生成クレジットの消費はありませんが、ワークスペースとモデル提供元の利用料金は別途かかります。）。ワークスペースの利用料とは別個に管理されます。

60〜90秒の1エピソードを制作する際の実践的なアプローチは「2段階レンダリング法」です。第1段階として、絵コンテの全10〜14カットをすべて768P・5秒で生成して外部編集ソフトでタイムラインに並べ、テンポとストーリー展開を検証します。構成に納得がいった後、第2段階として感情の山場となる3〜4カットのみを 2K で再出力して差し替えます。この手順を踏むことで、予算を最小限に抑えつつ作品のクオリティを最大化できます。

MiniMax 公式 API パラメータは 2026-10-11 に確認済み。プラットフォームの消費クレジットは生成前に表示され、失敗時は自動返還されます。

自分のAPIと外部のAPI中継サービスを接続する

モデルの接続設定でBase URLとAPIキーを入力し、提供元のドキュメントに従ってAPIの方式、モデルID、必要なヘッダーを設定します。生成前に、使いたい画像・動画の生成方式に対応しているか確認してください。パス、解像度、開始・終了フレームの指定方法は接続先によって異なります。未対応サービスの接続リクエストは、対応を保証するものではありません。

BYOKではAPIの接続先、モデルのキー、カスタムヘッダーを設定できます。OneAPIやNewAPIなどを使う場合は、実際のAPIに合うOpenAI・Gemini・Claudeの方式を選び、モデルIDと画像・動画APIの対応状況を確認してください。すべての中継サービスや独自仕様に自動対応するわけではありません。BYOKでのモデル利用にはプラットフォームの上乗せ料金や生成クレジットの消費はありませんが、ワークスペースとモデル提供元の利用料金は別途かかります。

信頼できる提供元だけに接続し、本番環境ではHTTPSを使用してください。リクエストはログイン認証されたバックエンドを経由し、必要なプロンプト、参考素材、認証情報が送信に使われます。APIキー、パスワード、秘密情報を含むヘッダーを公開キャンバスやスクリーンショット、サポートへの申請に載せないでください。