MiniMax H3（Hailuo 3.0）とは｜オープンウェイト公開のオムニモーダル動画生成AI・2K/15秒＋ネイティブ音声同時生成・商用ライセンス条件・VRAM要件・Sora/Veo/Seedanceとの違い【2026年10月最新】

MiniMax H3（Hailuo 3.0）は、中国のMiniMaxが2026年7月31日に提供を始めたオムニモーダル生成モデルです。テキスト・画像・動画・音声をまとめて理解し、最大2K・15秒の映像と32kHzステレオ音声を1回で生成します。 8月3日には重みがHugging Faceで公開（オープンウェイト）されました。日本企業も条件付きで商用利用できますが、ローカルで出せるのは768pまでです。年商$20M超は事前の許諾が必要で、オープンウェイトには除外地域（米国・EU・英国・韓国）があります。UIへの「MiniMax H3」表示と、AI生成であることの明示も義務です。

この記事では、次の内容を公式ドキュメント・モデルカード・ライセンス全文をもとに整理しています。

• MiniMax H3の仕組み、出力仕様、Hailuo 3.0・H3 Max・Hailuo 3・M3といった名前の違い
• 公式API・10月に始まったM Plan・fal・Hailuo AIのルート別料金（公式APIのH3-Maxで始まった入力素材の課金も反映）
• 量子化フォーマット別のVRAM早見表と、VRAMより先に足りなくなりやすいシステムRAMの目安
• 高速化手段5系統（Turbo LoRA／Turbo-SLA／Acc LoRA／Fused Turbo／FastH3）とComfyUI標準のSparse Attentionの選び方
• 商用ライセンスを受託・広告・自社サービスで確認するためのチェックリスト（自社サービスに組み込むときの追加義務を含む）
• Sora 2・Veo 3.1・Seedance 2.5との秒単価・尺・解像度・ライセンスの違い

動画生成AIの導入を検討している事業会社や制作会社の担当者、自社GPUでH3を動かしたいエンジニア、2026年9月24日に終了したSora 2 APIの移行先を探している方に向けた記事です。「Hailuo H3」「hailuo 3.0」「minmax h3」で検索してきた方も、探しているのは同じモデルです。

動画生成モデルは、料金・ベンチマーク順位・周辺ツールの変化が速い分野です。数値は2026年10月12日時点で確認したもので、円換算は1ドル＝150円としています。発注や契約の前には、必ず公式ページで最新の情報を確認してください。

MiniMax H3の要点｜料金・スペック・ライセンス早見表

導入を判断するときに最初に必要になる数字を1つの表にまとめました。

MiniMax H3（Hailuo 3.0）とは｜動画専用ではなくオムニモーダル生成モデル

出典: Hugging Face - MiniMaxAI/MiniMax-H3

MiniMax H3は、公式が「オムニモーダル生成モデル」と呼んでいるモデルです。1つのトランスフォーマーがテキスト・画像・動画・音声を同じ文脈で理解し、映像と音声を同時に出力します。 音声は後からBGMを付けたり別工程でTTSをかけたりするのではなく、映像と同じ生成処理から出てきます。そのため、口の動きと声がずれにくい構造になっています。

公式のモデルカードは8月13日を最後に更新されておらず、10月12日時点で新しいバージョンは出ていません。動画のタイトルなどで見かける「MiniMax H3.1」は、公式のリリースノート・Hugging Face・ブログのどこにも載っていない名前です。

Hailuo 3.0・H3・H3 Max・M3の違い

似た名前が多く、検索でいちばん混乱しやすい部分です。 配信先によって呼び名も変わります。

覚え方は 「H＝動画、M＝テキストLLM」 です。テキスト系のMiniMaxを探している場合は、MiniMax M2.7の解説を参照してください。同じMiniMaxのモデルでも、テキストLLMと動画モデルではライセンス条件がまったく違うので注意が必要です。

出力仕様

一部のWikiに「48kHz」と書かれていますが、公式モデルカードの記載は32kHzステレオです（48kHzなのはfalのH3 Max Directorです）。参照素材の上限も「最大15素材」と紹介されることがありますが、公式ガイドでは合計12ファイルまでとなっています。

公開されたもの・非公開のもの

4つのチェックポイントのうち、公開されたのは2つだけです。10月12日時点でもこの状況は変わっていません。

モデルカードには「2K再生成モジュールは準備ができ次第公開」「スパースアテンションの実装は今後のアップデートで公開」と書かれていますが、どちらもまだ出ていません。このため、「重みが公開された＝APIと同じものが手元で動く」わけではありません。 ローカルで出せるのは768pまでで、前処理を担うContext-IRも手元にはありません。

MiniMax H3でできること・強み

H3の実務上の価値は、「映像と音声を1回で作れる」「参照素材を多く渡せる」「条件を満たせば自社環境で動かせる」の3点です。

• 1モデルで複数の作業に対応: テキスト→動画、画像→動画（最初・最後のフレーム指定）、参照生成、動画編集を自然言語で指示できる
• 音声の同時生成: 台詞・効果音・環境音を映像と同じ処理で生成する。日本語の台詞を入れた広告やSNS向け短尺動画を1工程で作れる
• オムニ参照: 画像9・動画3・音声3（合計12ファイルまで）を1つの文脈で参照し、キャラクター・スタイル・声質をそろえられる
• オープンウェイト: 未公開商品や人物素材などを外部に送らず、自社GPUで生成できる
• ControlNet・周辺ツールがそろっている: Fun ControlNet Union（Canny／Depth／HED／MLSD／Pose＋動画インペイント）、キャラクターの一貫性を保つRefMods、ComfyUI 0.34.0以降のMultiframe Reference（出力の任意の時点に参照フレームを固定できる）など、ローカル向けのツールが増え続けている
• 前処理だけAPIを使う構成もできる: Context-IRを単独のAPIとして呼ぶと、マルチモーダルの入力を構造化したプロンプトに変換して返す（動画は作らない）。生成はローカル、前処理だけAPI、という組み合わせが可能
• 公式のプロンプト作成スキル: GitHubで、AIエージェント向けのプロンプト作成スキルが配布されている（npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill h3-prompt-writing）

MiniMax H3の弱み・制約

導入でつまずきやすいのは、「15秒の上限」「ローカルでは2Kが出ない」「ライセンスの条件」の3点です。

MiniMax H3の料金｜公式API・fal・Hailuo AIのルート別比較

出典: OpenRouter - MiniMax Hailuo 3

料金は「どのルートで使うか」で決まります。公式APIは解像度×秒数の従量課金で、768Pが$0.08/秒、2Kが$0.13/秒です。10月からは個人向けサブスクのM Plan（Explore以上）でもH3が使えるようになりました。1080pを使いたい場合は、fal版のH3 Max（$0.16/秒）かその半額のTurbo（$0.08/秒）を選びます。

ルート別料金の一覧

※OpenRouterは単価をページに出しておらず、レスポンスの usage.cost で確認する方式です。RunwayでもH3（768p／2K）が使えますが、消費クレジットは確認できていません。

公式API（Pay-as-you-go）の単価と試算

platform.minimax.ioのPay as You Goページに載っている現行価格です（2026年10月12日確認）。

公式APIのH3-Maxは「高速生成版」という位置づけで、T2V・I2Vに加えて参照生成（参照画像・動画・音声）にも対応しています。H3-Maxだけの設定として、プロンプト拡張の強さ（disabled／balanced／quality）を選べます。

旧世代のHailuo-2.3やHailuo-02は、価格ページの「Legacy Models」として今も料金付きで載っています（例: Hailuo-2.3の768P・6秒で$0.28）。ただしH3とは料金体系が違うので、旧モデルの「1本いくら」をH3の見積もりに流用しないでください。なお、月額$1,000〜の動画パッケージと旧Token Planは、どちらも「H3は対象外」と明記されています。

見落としやすい「入力素材」の課金

公式ドキュメントでは、出力とは別に入力素材の課金ルールが決められています。H3-Maxは、以前は入力素材に課金がありませんでしたが、10月時点では画像の3枚目から課金されます。

キャラクターをそろえるために参照画像を9枚入れると、H3では1回あたり$0.16（4枚分）、H3-Maxでは約$0.52（7枚分）が上乗せされます。参照画像を多く使う運用では、出力単価が同じでもH3本体のほうが安くなることがあります。2K再生成では、元の768Pタスクで使った入力素材がもう一度課金される点にも注意してください。

「768Pで試作してから2K化」は総額が同じ

• 最初から2Kで15秒: $0.13×15＝$1.95
• 768Pで15秒 → 2Kに再生成: $1.20＋$0.75＝$1.95

総額は同じなので、節約テクニックではありません。 意味があるのは、何本も作って当たりを選ぶ場合です。10本を試作して1本だけ採用するなら、768Pで10本（$12.00）＋採用分だけ2K化（$0.75）＝$12.75 です。全部を2Kで作ると$19.50なので、約35%安くなります。「一発で決まる案件は最初から2K、当たりを探す案件は768P→再生成」 と使い分けるのが合理的です。参照素材を使う場合は、再生成時に入力素材がもう一度課金される分も足して計算します。

M Plan（2026年10月開始の個人向けサブスク）

MiniMaxは2026年10月、Token Planに代わる個人向けサブスク「M Plan」を始めました。H3を使えるのはExplore以上です。

• 動画モデルの利用量は週単位の枠だけで管理されます（テキスト系は5時間枠と週枠の両方）
• 年払いは10か月分の料金で12か月使えます
• ローンチ特典として月額の初月50%OFFが告知されていますが、期間は2026年10月14日までです。それ以降は通常価格になるので、申し込み時に公式ページで確認してください
• 同じキーをClaude Code・Codex・Cursor・OpenClawなどに接続して、テキストLLMにも使えます
• Token Planは新規購入できなくなりました。Token PlanからExplore・Buildへアップグレードすると、H3が使えるようになります
• Credits（1,000クレジット＝$1、購入から365日有効）はM Planなしでも購入でき、H3にも従量課金の定価で使えます

注意点は、H3を1本作ると週の枠を何%使うかが公式に書かれていないことです。 そのため「Exploreなら何本作れる」とは言えません。判断の目安は次のとおりです。

• 2Kが必要、または本数の見積もりを正確に立てたい → 公式APIの従量課金（M Planで2Kが使えるかは確認できていません）
• 768Pで週に一定本数を作り、MiniMaxのテキストLLMもコーディング用途で使う → Exploreを1か月試して、週枠の減り方を実測する
• 月に数本だけ → 従量課金かfalの無料枠で十分

fal経由（H3 Max／H3 Max Turbo／H3 Max Director）

falでは、H3のオープンウェイトをポストトレーニングした H3 Max と、その高速版の H3 Max Turbo が使えます。MiniMax公式APIのH3-Maxは480P・768Pまでですが、fal版は1080pにも対応しています。

• 75%OFFのローンチ割引は2026年9月14日で終わり、現在は通常価格です（H3 Max 480p $0.05／768p $0.08／1080p $0.16、Turboはその半額）
• 15秒・768pのH3 Maxで$1.20、5秒・768pで$0.40です
• サインイン済みユーザーは1日5回まで無料（直近24時間の枠・最大15秒・音声付き）
• 対応モードはT2VとI2Vです。Reference-to-Videoはページ上で「追加予定」の表記のままなので、使う前に確認してください
• サブスク契約もインストールも不要です

H3 Max Directorは、falが9月上旬に公開したリアルタイム版です。1本の連続した映像を生成しながら、途中でプロンプトを変えられます。料金は$0.08/秒で、最低60秒分（$4.80）から課金されます。1セッションは最長15分、480p／768p・24fps、音声は48kHzステレオで、接続はWebRTC（@fal-ai/client）です。H3本体ではなくfalの派生サービスで、ライセンス条件はfalの利用規約以外に記載がありません。それでも、15秒の上限を超える映像をホスト型で作りたい場合の選択肢になります。

Hailuo AI（一般向けサブスク）

Web・アプリ版のHailuo AIには無料プランと複数の有料プランがあります。ただ、公式のプランページは動的に表示されるため、確定した料金表を掲載できません。第三者の集計ではStandardプランの価格が$9.99〜$14.99とばらついており、キャンペーンで変わることもあります。H3でのクレジット消費量も公式で確認できていないので、契約前に公式ページの実際の表示を確認してください。

APIとローカル、どちらが安いか

10秒の動画を月に何本作るかで試算しました（1ドル＝150円、入力素材の課金は含まない）。

コストだけで比べれば、APIのほうが明らかに安いです。 24GB級のGPUを新しく買うと、元を取るまでに年単位の時間がかかります。しかもローカルでは2Kを出せません。

ローカルを選ぶ理由は、コストではなく次の3点です。

1. 素材を外部に送らない（未公開商品、実在人物の顔や声、契約上社外に出せない映像）
2. 試行回数に上限がない（電気代以外に追加費用がかからない）
3. LoRAやControlNetで細かく調整できる

どれにも当てはまらなければ、APIかfalで十分です。年商$20Mを超える企業がローカルで商用利用する場合は、Comfy経由の有償ライセンス（Professionalで月$5,000から）が必要になる点も、ローカルの費用に含めて考えてください。生成AI全体の料金を横並びで見たい場合は、生成AI料金比較も参考になります。

MiniMax H3の使い方｜3つの導入ルート

「まず試す」ならfalかHailuo AI、「システムに組み込む」なら公式API、「素材を外に出せない」ならローカル実行を選びます。

• 公式APIの基本: V2の動画生成エンドポイントで MiniMax-H3 か MiniMax-H3-Max を指定します。callback_url を渡すとタスクの状態をプッシュ通知で受け取れ、タスクの照会・一覧は過去7日分まで遡れます。2K再生成では、768P生成時の content をそのまま送り直し、元の動画を role=base_video として1つ加えます
• ComfyUIでAPIを使う方法: ComfyUIのMiniMaxパートナーノードに H3 Max／H3 Max Turbo があります（480p・768p、5〜15秒、音声付き）。処理はクラウドで行われ、利用分が課金されます。ローカルのワークフローを変えずに、必要なときだけホスト版を呼び出せます
• 公式のダウンロードコマンド: hf download MiniMaxAI/MiniMax-H3 --include "model_index.json" "FL2VA/*" "Ref2VA/*" --local-dir MiniMax-H3
• サーバーで本番運用する場合: MiniMax公式のセルフホストガイド（8月26日に最終レビュー）は、ComfyUI・SGLang（プレビュー扱い、v0.5.17以降、参照構成はB200×8枚）・vLLM-Omni（コミュニティのレシピ、AMD ROCmでも動く）の3経路を案内しています。vLLMの公式ブログ（2026年9月1日）によると、vLLM-OmniとFastH3を組み合わせて、8×B300で10.125秒の動画を約8.7秒で生成できたとのことです

ローカル実行に必要なVRAM・システムRAM｜量子化別の早見表

出典: ComfyUI 公式サイト

MiniMaxは最低限必要なVRAMを公式には公開していません。 セルフホストガイドにも「選んだワークフローを自分のハードウェアで検証すること」とあるだけです。そのため、ここで示す数字はコミュニティの報告をもとにした目安です。必要なVRAMは量子化の選び方でほぼ決まり、BF16では40GBを超えますが、pruned INT8なら24GB級、GGUF Q4_K_Mなら12GBまで下がります。ただし、VRAMを減らすほどシステムRAMの消費が増えます。

「42.5GB」はVRAM要件ではない

MiniMaxとComfyUIの公式ブログでは、プルーニング・INT8 convrot量子化・カスタムカーネルの3つの最適化により、総メモリフットプリントを123.6GBから42.5GBに減らしたと説明しています。この42.5GBはComfyUI版のモデル一式のサイズに近い数字で、必要なVRAMの量ではありません。 なお、公式の重み一式（BF16とFP32の混在）は約108GBあります。

量子化フォーマット別の早見表（システムRAMの目安付き）

※システムRAMの目安は、公開されている報告をもとにした安全側の値です。解像度・フレーム数・キャッシュの設定で大きく変わります。Comfy-Orgの変換済み重み（INT8／NVFP4）と公式チェックポイントは別物で、品質・メモリ・再現性が違うと公式も注意しています。

VRAMよりシステムRAMが先に足りなくなる

12GB級のGPUでH3を動かすときは、VRAMよりシステムRAMが問題になりがちです。 VRAM 12GBの環境で公式のRef2VAワークフローを動かしたところ、VRAMのピークは約11.6GBだったのに、システムRAMは43GBを超えたという第三者の報告があります。

• システムRAM 32GBは最低ラインです。強いオフロードが前提になり、生成中にPC全体が固まることがあります
• 64GBあれば、公式ワークフローを安定して動かせると考えてよいでしょう
• 「21GBのモデルファイルならVRAM 21GBで足りる」とは限りません。実行時の使用量は解像度・フレーム数・キャッシュによって増えます
• ストレージは、T2V/I2Vの最小構成で約42.5GB、参照生成も使うなら約63.5GBです。複数の量子化を試すなら600GB程度を見込んでおくと安心です

VRAM容量そのものを増やす選択肢として、統合メモリ128GBのNVIDIA RTX Sparkのような構成も候補になります。VRAMに合わせて量子化を選ぶ考え方は、Gemma 4 12Bの16GB VRAM動作のようなLLMの場合と同じです。

手持ちGPU別の判定

テキストエンコーダの量子化もそろえる

H3のテキストエンコーダ（Qwen3-VL-32Bベース）は、拡散モデルとは別のファイルです。 拡散モデルだけを軽い量子化にして、エンコーダをBF16（48GB級）のまま使うとOOMになります。拡散モデルとテキストエンコーダの量子化は必ずそろえてください。 エンコーダのもとになっているQwen系マルチモーダルモデルについては、Qwen 3.5-Omniの解説が参考になります。

VRAM別のComfyUI起動オプション

SageAttentionを使うには、PyTorchとCUDAのバージョンに合ったwheelが必要です。まず公式ワークフローをそのまま動かし、動いてから追加すると、問題が起きたときに原因を切り分けやすくなります。

ローカルで動かす手順｜必要ファイル・高速化・よくあるエラー

必要ファイルと配置先

ComfyUI公式のrepack（Comfy-Org/MiniMax-H3）の標準構成です。ComfyUI 0.30.0以降が必要です。

VAEは映像用と音声用の2ファイルとも必要です。 音声用VAEを入れ忘れると、映像は出ても音が出なかったり、ノードがエラーになったりします。リポジトリには、このほかにBF16の minimax_h3_fl2va_pruned_bf16／ref2va_pruned_bf16、fp8版、prunedではない *_int8_convrot も追加されています。

ComfyUIのバージョンごとに増えた機能

解像度設定で気をつけたい点

ComfyUIで解像度を「1.0MP」にすると1376×768になり、H3-Baseの画素数の上限を超えます。 0.98MP（32の倍数）を選ぶか、1344×768を直接指定してください。尺は24fpsで「17k+5」フレームの刻みに丸められます。2Kが欲しい場合も、ネイティブ解像度を大きく超えて生成するのではなく、768pで生成してから別工程でアップスケールするよう公式ガイドは勧めています。

高速化の手段は5系統｜用途別の選び方

量子化でVRAMに収めても、20ステップのままでは時間がかかりすぎます。 RTX 3060で5秒の下書きに約9分かかったという報告もあります。主な高速化の手段は次の5系統です。

このほか、9月以降に次の選択肢も出ています。

• ComfyUI標準のSparse Attention（実験的）: 0.35.0以降のModel Sparse Attentionノードで、ベースの重みには sol-attn、FastH3には vsa を使います。CUDAとcomfy-kitchenの sol_attn カーネルが必要で、ないと警告なしに通常のアテンションに戻り、速くなりません。スパースアテンションを重ねて、RTX 3060で2.5秒のクリップの生成時間が6分7秒から1分29秒になったという報告があります
• HyperFlow（Video Rebirth、9月19日）: 8ステップのLoRAです
• Comfy Kitchen attentionの注意点: int8-convrotのチェックポイントではアライメントエラーで落ちます。BF16版の重みなら使えます

使い分けるときの注意点は次のとおりです。

• 推奨設定は手段ごとに違います。 Acc LoRAにTurbo LoRAの設定を流用すると、映像が崩れます
• 4ステップでは顔や肌が不自然にシャープになりやすい傾向があります。納品用は6〜8ステップで比べて選ぶのが無難です。参照への忠実さが必要なショットではLightningをオフにし、ずれる場合は25ステップまで上げます
• LoRA本体のライセンス（Apache-2.0など）とベースモデルのライセンス（Community License）は別物です。LoRAが自由に使えても、生成物にはH3のライセンス条件がかかります

キャラクターの一貫性を保つRefMods

RefMods（2026年9月5〜7日に公開）は、参照画像や参照動画を一度エンコードし、1.1〜1.6MBのアダプタとしてLoRAのように使い回せる仕組みです。同じキャラクターを何本もの動画に登場させるときに、毎回参照素材を処理し直す必要がなくなります。ノードはMIT、重みはApache-2.0で、配置先は ComfyUI/models/refmods/ です。

ControlNetで動きを制御する

Alibaba PAIのVideoX-Funチームが2026年8月に公開したFun ControlNet Unionを使うと、Canny／Depth／HED／MLSD／Poseによる動きの制御や、マスクを使った動画インペイントができます。ComfyUI 0.35.0以降が必要です。参照画像でキャラクターを固定しながらポーズだけを指定できるので、広告やMV制作で同じ結果を再現しやすくなります。

実測の生成時間（目安）

条件がそれぞれ違う報告なので、横並びの比較には使えません。おおよその時間感覚をつかむための参考値です。

「12GBで動く」と「12GBで実務に使える」は別の話です。 Turbo LoRAなどで4〜8ステップにして、初めて実用的な速度になります。量子化と高速化はセットで考えてください。

よくあるエラーと対処

ローカルでは2Kが出せない｜オープンウェイト版とAPI版の違い

出典: Hugging Face - MiniMaxAI

2K再生成とプロンプト前処理のモジュールはAPIでしか使えません。そのため、ローカルとAPIでは解像度も出力の傾向も変わります。

ベンチマークの見方も変わってきました。Artificial Analysisの10月時点のランキングでは、H3が「MiniMax H3（768p）」として掲載されています。ローカルで出せる解像度のままで総合上位に入っているということです。ただし、この評価がContext-IRを通した結果かどうかは確認できていません。手元でプロンプトの前処理なしに同じ品質が出るとは限らない点に注意してください。自社環境で完結できるオープンウェイトモデルは動画以外でも増えており、Meta Muse Glimmerのような30B級のモデルも登場しています。

商用ライセンスの条件｜受託・広告で使う前のチェックリスト

出典: GitHub - MiniMax-AI/MiniMax-H3

H3のライセンスは「MiniMax H3 Community License Agreement」という独自ライセンスです。Apache-2.0やMITのような無条件の許諾ではありません。 日本で年商$20M以下の企業なら、コミュニティライセンスの範囲で商用利用できます。押さえておくべき主な条項は次のとおりです（ライセンスの日付は2026年8月2日。10月12日に全文を確認）。

第三者に重みや改変版を配布する場合は、ライセンスの写し、改変した旨の記載、NOTICEファイルも必要です（ホスト型サービスとして提供する場合を除く）。このほかの禁止用途として、違法行為、なりすまし、偽情報の拡散、マルウェア、医療・司法・与信などでリスクの高い判断を自動で行うこと、軍事利用などが挙げられています。

APIは全世界で使える｜除外地域はオープンウェイトだけ

MiniMaxがHugging Faceで公開しているライセンスQ&Aでは、除外地域があるのはオープンウェイトだけで、APIは全世界で使えると説明しています。APIならMiniMax側で安全対策を管理できるから、という理由です。除外地域を設けた背景としては、EU AI Actの施行、英国・韓国の規制がまだ固まっていないこと、米国の規制の変化と動画生成AIをめぐる著作権訴訟が挙げられています。Q&Aは「今はまだ（not yet）であって、今後もずっと（not ever）ではない」として、対象地域を広げる可能性にも触れています。除外地域の組織は、専用フォームから正式なライセンスを申し込めます。

ただし、APIを使えば米国向けでも問題ない、とまでは言い切れません。API経由の利用にはMiniMaxのAPI利用規約が適用されるので、米国・EU向けの案件では規約本文も確認してください。

ComfyUIの「ローカルの商用利用には有償ライセンスが必要」をどう読むか

ComfyUIの公式ドキュメントには、「ローカルで生成した出力を商用利用するには、Comfy経由でMiniMaxの商用ライセンスが必要」という一文があり、全員に有償ライセンスが要るように読めます。日本語の解説記事でも、この一文をもとに「ローカルの商用利用は別途契約が必要」と書いているものがあります。

一方、同じComfyのライセンス販売ページは「コミュニティライセンスは年商$20M以下なら一般に商用利用を認めている」と書き、有償ライセンスが必要なのは①年商$20M超、②除外地域での利用の2つとしています。ライセンス本文も同じ読み方になります。そのため、ドキュメントの一文は有償ライセンスが必要な場面を指していると読むのが自然です。断定はできないので、迷う場合は法務担当に確認してください。

Comfyは自社を「MiniMaxの商用ライセンスの唯一の公式リセラー」としています。

受託・広告・自社サービスの実務で確認する9項目

制作会社や代理店がH3を案件に使う場合、または自社サービスに組み込む場合は、契約前に次の点を確認してください。

1. 配信先・発注元に除外地域（米国・EU・英国・韓国）が関わっていないか。 ローカル生成の出力は、対象地域の外で使うことも禁止されています。グローバル広告ではAPI利用規約を含めて個別に確認します
2. 「AIツール名を出さない」という要件がないか。 自社製品やサービスにH3を組み込む場合はUIへの表示が必須なので、発注側の要件と合わないことがあります
3. AI生成であることを明示する方法を、納品物の仕様に入れているか。 公開する広告やSNS投稿での表記方法を事前に決めておきます
4. 生成した動画を別のAIモデルの学習に使う予定がないか。 H3系以外のモデル改善に使うことは禁止です
5. 自社（またはサービス）の年間売上が$20Mを超えていないか。 超えている場合は、許諾やComfy経由の有償ライセンスを得るまでのリードタイムを見込んでおきます
6. falなどのホスト型を使う場合、そのプラットフォームの規約も確認したか。 MiniMaxのライセンスとは別に、各社の利用規約がかかります
7. H3を組み込んだサービスを第三者に提供するなら、利用規約に同等の利用制限を入れて通知しているか。
8. 同じく第三者に提供するなら、不正利用を防ぐ仕組み・通報窓口・削除や利用停止の手順を用意したか。 生成機能を外部に出す場合の義務です
9. 自社の素材や作品について、MiniMaxを相手に訴えを起こす可能性はないか。 訴えるとその日にライセンスが終了します

7と8は、社内ツールや自社SaaSとして開発する段階で設計に組み込んでおく必要があります。新しいモデルを自社の業務システムに組み込む進め方や、どこに費用がかかるかの目安は、既存システムにAIを組み込む方法で解説しています。

この解釈は断定できるものではありません。実際に使えるかどうかは、自社の法務担当や顧問弁護士、必要に応じてMiniMaxへの問い合わせで確認してください。制約を受け入れにくい場合は、Apache-2.0で公開されているAnimeGenのように、ライセンス条件がシンプルなモデルを選ぶのも合理的な判断です。

除外地域が設けられた背景

2025年9月、Disney・NBCUniversal・Warner Bros. DiscoveryがMiniMaxを米国で著作権侵害で提訴しました。被告にはH3のライセンサーであるNanonoble Pte. Ltd.も含まれています。2026年5月に却下申立てが棄却され、その後の和解や判決は確認できず、現在も係争中です。判決は出ていないため、侵害があったとは断定できません。 ただし、訴訟が続いていること自体が、既存のキャラクターや作品を連想させる生成物を業務で使うリスクになります。生成物が既存IPに似ていないかを確認する工程を、運用に入れておくのが安全です。

ベンチマーク上の位置づけ｜「世界1位」ではなく部門ごとに見る

H3は総合1位ではありません。2026年10月12日時点のArtificial Analysisでは、T2V（音声あり）で総合4位、オープンウェイトの中では首位です。I2V（音声あり）では、派生版のH3 Maxが1位、H3本体が2位です。

Artificial Analysisは評価方法の版を更新しており（T2Vはv2.0）、Eloの水準が9月以前と大きく変わりました。古い記事のEloと今の数字は、そのまま比べられません。

Text to Video（音声あり）

オープンウェイトで2番手のLTX-2.5 Fast（946）とは、約190の差があります。音声なしのT2Vでは、1位Wan 3.0（1,129）、2位H3 Max（1,118）、3位H3（1,117）です。

Image to Video（音声あり）

音声なしのImage to Videoでは、H3は4位（1,356）です。1位はGemini Omni Flash（1,368）でした。

「H3が世界1位」という紹介は、どの部門の話かを確認してから読む必要があります。Eloは日々変わるので、導入判断に使うときは日付付きの数値を確認してください。ほかの動画生成モデルの評価も含めた全体像はAI動画生成ツールおすすめ比較で、上位のGemini Omni FlashはGemini Omni Flashの解説で紹介しています。

Sora・Veo・Seedanceとの違い｜秒単価・尺・解像度・ライセンスで比較

H3のいちばんの違いは、「オープンウェイトで自社環境に置ける」ことと「音声付き768Pが$0.08/秒と安い」ことです。一方、4Kが必要ならVeo 3.1、30秒の長尺ならSeedance 2.5が向いています。Sora 2は2026年9月24日にAPIの提供が終わりました。

主要モデルの比較表

※Veo 3.1とGemini Omni FlashはGemini APIの公式料金（10月12日確認）です。Seedance 2.5はBytePlus ModelArkのトークン単価（$10.70/100万トークン）を秒あたりに換算した目安で、公式ページの本文では確認できていません。Wan 3.0の最長尺とLTX-2.5の最大解像度は、情報源によって数字が食い違うため「未確認」としています。

H3 vs Sora 2｜移行先として使えるか

OpenAIのSora 2は、Web・アプリ版が2026年4月26日に終了し、API・Videos APIも9月24日に提供を終えました。 OpenAIの非推奨モデル一覧では、後継モデルの欄が空欄のままです。

日本国内向けの配信なら、H3は「音声の同時生成」「日本語対応」「ローカル実行も選べる」がそろった移行先になります。 米国向けの案件では、オープンウェイトが除外地域に当たり、APIでも規約の確認が要るため、Veo 3.1などのほうが扱いやすいでしょう。移行先を幅広く比べたい場合はSora代替ツールおすすめ比較、終了の経緯とデータの扱いはSoraサービス終了まとめを参照してください。

H3 vs Veo 3.1｜価格・解像度・配信地域

• 価格: 1080pで比べると、Veo 3.1 Liteとfal H3 Max Turboはどちらも$0.08/秒で同額、Veo 3.1 Fastは$0.12/秒です。品質重視のVeo 3.1 Standard（$0.40/秒）はH3 2K（$0.13/秒）の約3倍です
• 解像度: 4Kが必要ならVeo 3.1を選びます。H3はAPIで2Kまでです
• 地域: Veoは米国での配信に制約がありません。H3のオープンウェイトは米国が除外地域です
• 自社環境: Veoはクラウド専用です。H3は重みを手元に置けます
• 評価: Artificial AnalysisのT2V（音声あり）では、H3（4位）がVeo 3.1（19位）を上回っています

H3 vs Seedance 2.5｜尺と参照素材の数

• 長さ: Seedance 2.5は1回で最長30秒、H3は15秒です。ワンカットの長尺が必要ならSeedanceが向いています
• 解像度: Seedance 2.5のネイティブ出力は480p・720pです。1080p以上が確実に必要ならH3（API 2K／fal 1080p）を選びます
• 参照素材: Seedance 2.5は最大50点、H3は合計12ファイルまでです
• オープンウェイト: Seedance 2.5は重みが公開されていません
• 評価: T2V（音声あり）ではSeedance 2.5が3位、H3が4位で、差は6ポイントです

Seedanceについて詳しくはSeedance 2.5の解説で、サブスクで手軽に使えるKlingはKling AIの解説で紹介しています。プロ向けの制作ワークフローとの連携を重視するなら、H3もモデル一覧に入っているRunway Gen-4も候補です。

「Wan 3.0はオープンソース」は誤り

2026年10月12日時点で、Hugging FaceのWan-AI組織が公開しているモデルにWan 3.0は含まれていません。 Wan 3.0はAPI専用で、T2Vの総合1位ですが重みは手元に置けません。Alibabaのオープンウェイトの最新はWan 2.2系のままです。「Wan 3.0はApache 2.0で公開済み」と書いているサイトもありますが、確認できません。

そのため、「ローカルで動き、音声を同時生成でき、品質も高い動画モデル」は、事実上H3とLTX-2.5の2つに絞られます。 品質と日本語対応を優先するならH3、ライセンスのシンプルさ（除外地域なし）と生成速度を優先するならLTX-2.5、というのが現時点での整理です。同じAlibaba系の動画モデルとしては、HappyHorse AI動画もあります。

2026年8月〜10月の主なアップデート

公開から約2か月半で、周辺ツールと提供ルートが急速に増えました。 8月に書かれた解説には載っていない変化をまとめます。

公式の重みとモデルカードは8月13日以降更新されていません。2K再生成モジュールとスパースアテンションの公式実装は、10月12日時点でも未公開です。

セキュリティ・企業導入で確認すること

企業で使う場合、機能や料金よりも先に、素材の送信先とライセンス義務で導入できるかどうかが決まることがあります。

API・M Plan・Hailuo AIを使う場合、入力した素材はMiniMax（中国企業）のインフラに送られます。 中国には国家情報法やデータ安全法などがあり、政府がデータの提出を求められる法的な枠組みがあります。個別の漏えい事例は確認されていませんが、未公開の絵コンテ・台本・未発表商品の素材・実在人物の顔や声をそのまま入れるのは、情報管理上のリスクです。これはH3に限らず、中国系AIサービス全般に言えることです（中国製AIモデルの利用動向も参考になります）。

ローカル実行なら、素材を外部に送らずに済みます。 機密素材を扱う制作会社がローカルを選ぶ理由は、コストよりも情報管理です。ただし、ローカルでもライセンス上の義務（UI表示・年商の閾値・除外地域・AI生成であることの明示）はすべて適用されます。Context-IRだけAPIで使う構成にすると、プロンプトや参照素材は外部に送られる点にも注意してください。

運用で決めておきたい項目は次のとおりです。

• 肖像権・パブリシティ権: 参照素材に実在の人物を使う場合は、事前に権利処理をしておく。リップシンクは特に注意する
• 既存IPとの類似チェック: 訴訟が続いている以上、既存のキャラクターに似た出力を公開前に確認する
• AI生成であることの表示: ライセンス上の義務なので、社内で表記ルールを決める
• 生成履歴の記録: どのプロンプトと参照素材から作ったかを残しておくと、後から権利を確認するときに役立つ
• 社外に生成機能を出す場合の安全対策: 利用規約・不正利用の防止・通報窓口・削除手順を用意する（ライセンス上の義務）
• ホスト型の規約: falやComfyUIのAPIノード、OpenRouter、Runwayなどを使う場合は、各プラットフォームのデータ取り扱いも確認する

生成AIを導入するときの一般的なリスクと対策は、生成AIのセキュリティリスクで詳しく解説しています。

こんな人におすすめ／おすすめしない人

おすすめできる人・組織

おすすめしない人・組織

よくある質問

falのH3 MaxとMiniMax公式APIのH3-Maxは同じもの？

どちらもH3をもとにしたH3 Maxですが、使える範囲と料金の細部が違います。MiniMax公式APIのH3-Maxは480P・768Pで、T2V・I2V・参照生成に対応しています。ただし入力画像は3枚目から課金されます。fal版は1080pにも対応し、半額のTurbo版と1日5回の無料枠がありますが、参照生成はまだ「追加予定」の表記です。768Pの単価はどちらも$0.08/秒なので、参照素材を使うなら公式API、1080pやTurboを使いたいならfal、という選び方になります。

M PlanのExploreとAPIの従量課金はどちらが得？

今のところ、どちらが得かは断定できません。 H3を1本作ると週の枠を何%使うかが公式に書かれていないためです。2Kが必要な場合や、案件ごとに費用を正確に見積もりたい場合はAPIの従量課金が確実です。768Pで週に一定の本数を作り、MiniMaxのテキストLLMもあわせて使うなら、Exploreを1か月使って週枠の減り方を実測してから判断するのがよいでしょう。

MiniMax H3を無料で試す方法は？

いちばん手軽なのは、falにサインインして無料枠を使う方法です。 1日5回まで、最大15秒の音声付き動画を生成できます。Hailuo AIのWeb版にもFreeプランがあります。ローカル実行は重みが無料ですが、数十GBのダウンロードとGPU環境が必要です。

VRAM 8GBや12GBでもMiniMax H3は使える？

12GBなら、GGUF Q4_K_Mで動きます。ただし、実務で使うにはTurbo LoRAによる4〜8ステップ化と、64GB程度のシステムRAMがほしいところです。 12GBの環境で、VRAMのピークが約11.6GBでもシステムRAMは43GBを超えたという報告があります。8GBでも低ビットの量子化と強いオフロードで動いた報告はありますが、品質と速度がかなり落ちるため、試しに触る用途と考えてください。

日本の会社が作った動画を米国向けの広告に使ってもいい？

使い方によって変わるので、個別の確認が必要です。 ローカル（オープンウェイト）で生成した場合、米国は除外地域で、対象地域の外で出力を使うことも禁止されています。公式APIについては、ライセンスQ&Aが「APIは全世界で使える」と説明していますが、MiniMaxのAPI利用規約が適用されるため、規約の確認と法務判断を経てから使ってください。

ComfyUIのドキュメントに「ローカルの商用利用には別のライセンスが必要」とあるのはなぜ？

ライセンス本文とComfyの販売ページを合わせて読むと、有償ライセンスが必要なのは年商$20M超の企業と除外地域での利用です。日本で年商$20M以下なら、コミュニティライセンスの範囲で商用利用できると読むのが自然です。ただし表現が食い違っている以上は断定できないので、気になる場合は法務担当かMiniMaxに確認してください。

生成した動画に「AI生成」と表示する必要はある？

公開する場合は必要です。 ライセンスでは、機械生成であることを明示せずに公開の場でコンテンツを流布することが禁止用途とされています。広告やSNS投稿では、キャプションやクレジットにAI生成であることを書くルールを決めておきましょう。なお、「Powered by MiniMax H3」の表示は推奨で、必須なのは商用製品やサービスのUIでの「MiniMax H3」の表示です。

生成した動画を自社AIモデルの学習データに使ってもいい？

使えません。 ライセンスでは、H3の出力をH3系以外のAIモデルの改善に使うことを禁じています。蒸留や合成データでの学習も派生物（Model Derivatives）に含まれます。H3そのものをLoRAなどで調整する場合は、H3のライセンス条件の範囲内で行う必要があります。

生成した動画の権利は誰のもの？

ライセンスには、MiniMaxは生成物に対する権利を主張せず、生成物とその利用の責任は利用者が負うと書かれています。MiniMaxから権利を主張されることはありませんが、既存の作品に似ていた場合の責任は利用者にあります。また、素材や出力をめぐってMiniMaxを訴えるとライセンスが終了する条項もあります。準拠法は香港特別行政区法です。

「MiniMax H3.1」は出ている？

10月12日時点で、公式にはH3.1というモデルは発表されていません。 公式のリリースノート・Hugging Face・ブログのどこにも載っておらず、動画のタイトルなどで使われている呼び名です。公式の重みとモデルカードも8月13日以降更新されていません。

まとめ

MiniMax H3（Hailuo 3.0）を検討するときに押さえておきたいポイントです。

• H3は映像と音声を同時に生成するオムニモーダル生成モデル。 33B dense、15秒、最大2K、32kHzステレオ、日本語を含む11言語に対応
• 料金は公式APIで768Pが$0.08/秒、2Kが$0.13/秒。 15秒の2K動画で約293円。公式APIのH3-Maxは参照生成に対応した一方、入力画像は3枚目から課金される
• 10月からM Plan（Explore $55／Build $132）でもH3が使える。 ただしH3が週枠をどれだけ使うかは公式に書かれていない
• 1080pならfal H3 Max（$0.16/秒）かTurbo（$0.08/秒）。 無料で試すならfalの無料枠（1日5回・最大15秒）が最短
• ローカル実行で出せるのは768pまで。 2K再生成とプロンプト前処理はAPI専用（前処理だけAPIで呼ぶこともできる）
• 公式は最低VRAMを公開していない。 目安は24GBならpruned INT8、12GBならGGUF Q4_K_M、RAMは64GB推奨。8GBは検証用
• 商用利用は可能だが条件がある。 年商$20M超は事前許諾、オープンウェイトの除外地域（米国・EU・英国・韓国）、UIへの「MiniMax H3」表示、AI生成であることの明示、他モデルの学習への利用禁止。自社サービスとして提供するなら、利用制限の通知と安全対策も義務
• ベンチマークでは部門ごとに見る。 T2V（音声あり）では768pで総合4位・オープンウェイトで首位、I2V（音声あり）ではH3 Maxが1位、H3が2位
• Sora 2 APIの移行先としては、国内向けならH3、米国向けならVeo 3.1、長尺ならSeedance 2.5

まず品質を確かめるならfalの無料枠、本番運用なら公式API、素材を外に出せないならローカル実行、という順で検討するのがおすすめです。ほかのAI動画生成ツールと並べて比較したい場合は、AI動画生成ツールおすすめ比較もあわせてご覧ください。