AI動画制作プラットフォームのPixTVが、MiniMaxが新たにオープンソース化した画像モデルMiniMax H3 Imageに対応した。ユーザーはPixTVの無限キャンバス上でこのモデルを直接呼び出して4K静止画を生成し、そのまま同じキャンバスの動画モデルに渡して制作を続けられる。
H3 Imageは、稀宇科技（MiniMax）が11月10日に公開し、重みも開放した。同社によると、4096×4096、約1600万画素の画像を約10秒で生成でき、参照画像は最大16枚。テキストからの画像生成、画像参照、画像編集を1つのモデルでこなす。PixTVはこれまでにMiniMax H3動画モデルを導入済みで、今回は画像側が加わり、H3シリーズの画像と動画が1つのプラットフォームでつながった。
1枚のキャンバスで「まず絵を決め、それから動かす」
AIショートムービーを作る人の多くは、すでに2段階の流れに慣れている。まずキャラクター、シーン、小道具の静止画を固めて見た目を確認し、その静止画を使って動画を生成する。別々に作業する場合の面倒は、書き出しと取り込みの往復、そしてモデルを替えることで生じる画風の断絶だ。
PixTVは、画像・動画・音声のモデルを1枚の無限キャンバスに並べ、ノード同士を直接線でつなぐ方式をとる。H3 Imageで作った4Kの設定画は、H3動画モデルの先頭フレームや参照としてそのままドラッグでき、プラットフォーム上のSeedanceやKlingなど他の動画モデルにつないで比較することもできる。キャンバスにはAIコンテ、ホワイトモデル動画、動画リメイクといったツールも用意されており、制作の全工程をブラウザーから出ずに進められる。
2つのモデルが同じH3シリーズであることには、技術面のつながりもある。Hugging Faceのモデルカードによれば、H3 ImageのテキストエンコーダーはH3動画モデルのQwen3-VLエンコーダーをそのまま流用しており、改変はない。同じプロンプトが両側でより近い内容として「読まれる」ため、理論上は画像から動画へ移る際の画風のずれを減らせる。実際の効果は個々のカット次第で、第三者による体系的な比較はまだない。
4K静止画は動画にどう役立つのか
動画モデルの出力解像度は通常4Kを下回り、H3動画モデルのAPIも最大2Kまでだ。静止画を4Kで出すのはやや過剰に見えるが、実際には3つの使い道がある。
- 切り出しの余裕：4096×4096の1枚から、16:9の領域を複数切り出して異なるカットの先頭フレームにできる。人物も背景も十分なディテールが残る。
- 超ワイド画角：H3 Imageは21:9で6272×2688を直接出力でき、オープニング、バナー、映画的な状況説明カットに向く。
- 複数参照での一貫性：一度に最大16枚の参照画像を読み込める。キャラクターの三面図、衣装のディテール、シーンの雰囲気画像をまとめて渡し、複数カットの設定画を統一できる。
価格と使い方はプラットフォームの表示次第
MiniMaxが公表するAPIの参考価格は、4K標準版で1枚あたり約0.069ドル。公開から1週間は、4K以上のリクエストが半額になる。PixTVでの課金方法や、会員プランにH3 Imageの利用が何回分含まれるかは、プラットフォームの公開ページでは現時点で確認できない。ログイン後の実際の表示に従う必要がある。
すでにPixTVでショートドラマや広告映像を作っているクリエイターにとって、最も分かりやすい変化は、設定画を別のサービスで作らなくて済むことだ。AI動画ツールをまだ使ったことがない人は、まずH3 Imageで4K画像を1枚作り、PixTVのキャンバスで動画ノードにつないで、静止画が数秒のカットになる様子を試すとよい。ECの商品画像が目的なら、PixPixでもH3 Imageが利用できるようになっている。
参考資料：MiniMax公式ブログ、CocoLoop、Hugging Faceモデルカード、PixTVプラットフォームページ。H3 Imageの解像度、参照画像の上限、テキストエンコーダーの由来を確認した。APIの単価は公式発表の数値による。