ガイド
参考画像・動画・音声を使う前に、入力方法と素材の役割を整理しましょう。開始・終了フレームとの使い分け、入力制限、生成した動画の確認手順をまとめます。
MiniMax H3 LoRAを使うときは、まず「開始画像から動かす」「開始・終了画像を指定する」「参考素材から新しい場面を作る」のどれを行うか決めます。このガイドでは、入力方法の選び方、素材の準備、プロンプトの書き方、生成後の確認手順を紹介します。
MiniMax H3 LoRAのモデルページで利用できる入力方法と設定を確認してください。APIで実装する場合は、英語のAPIドキュメントで対応するパラメータを確認できます。
現行のAPIXO公開APIは、カスタムLoRA設定を受け付けません。本記事で扱うのは、対応する参考素材を使った動画生成の手順です。
冒頭の構図を決めたい場合と、人物・製品・背景の特徴を参考にしたい場合では、画像の役割が異なります。まず目的を決めてから、使う素材を用意しましょう。
入力方法：画像からの動画生成。APIでは image-to-video
素材の役割と確認点：1枚目が開始フレームになります。被写体と構図が見える画像を用意します。
入力方法：開始・終了画像からの動画生成。APIでは image-to-video
素材の役割と確認点：1枚目が開始、2枚目が終了フレームです。被写体や構図のつながりを確認します。
入力方法：参考素材からの動画生成。APIでは reference-to-video
素材の役割と確認点：画像または動画を少なくとも1点用意します。参考画像が必ず冒頭フレームになるわけではありません。
音声を参考素材として追加する場合も、画像または動画と組み合わせます。参考動画を使う場合は480pを選び、768pとの組み合わせで送信しないでください。
480pで方向性を確認したあとに768pで生成する場合は、対応する入力条件で別のリクエストを作成します。480pの出力をそのまま引き継ぐ専用のFinal機能としては扱いません。
製品動画なら、製品画像で外観、背景画像で光、短い動画でカメラの動きを伝えます。音声は音やリズムの参考になりますが、必要な視覚素材を代替できません。
素材を用意するときは、次のように役割を整理します。以下は素材構成の例であり、生成結果を確認した実測例ではありません。
各素材のどの要素を使うかプロンプトに書きます。制作計画の方法であり、モデルがすべての属性を完全に分離して反映する証拠ではありません。
現行ルートは480pまたは768pで5～15秒の出力に対応し、参考画像は最大9枚、動画3本、音声3本を受け付けます。
現在、参考動画を入力できるのは480pです。非対応の768p設定で繰り返し送信せず、仕様上の制限を確認してからモデルを選んでください。
音声だけでは有効な参照生成リクエストになりません。必要な視覚素材も用意します。
維持する外観を先に指定し、次に動作、カメラ、音を説明します。元資料にない重要な製品の細部を、モデルが正確に復元すると期待しないでください。
未テストのプロンプトの例:
商品画像のボトルの形と色を保つ。背景画像は照明の参考にする。参考動画は、カメラがゆっくり横に動くテンポだけに使用する。ボトルは動かさず、文字、小道具、人物は追加しない。
使用する入口の参照構文に従ってください。この例は情報の役割を説明するもので、あるプラットフォームの特別な記号が他でも使えると想定していません。
外観の問題では鮮明さ、角度、被写体数を、動きの問題では複数の動作や頻繁なカットを確認します。映像と音の要件がぶつかる場合は別々に検証してください。
一度に明確な変数一つを変え、全試行を記録します。LoRAという名称だけで、通常H3よりスタイル制御や人物の一貫性に優れるとは判断できません。
APIXO Pricingで、出力だけでなく参考素材の料金も確認してください。出力1秒あたりの最低単価だけでは総費用は分かりません。
API 従量料金です。Studio の月間クレジットは別です。
生成した動画では、被写体の形、動作の終わり方、音声と映像のずれを確認します。修正する場合は入力素材と設定を記録し、まず一つの条件だけを変えて再生成してください。
次に進むときは、MiniMax H3 LoRAのモデルページで入力方法と見積もりを確認します。APIで実装する場合は英語のAPIドキュメント、通常のH3と仕様を比べたい場合はH3とH3 LoRAの比較ガイドをご覧ください。
APIXOで開発
画像、動画、音声の各モデルを1つの場所で探索。