MiniMax Hailuo 2.3 チュートリアル：AI動画制作

MiniMax Hailuo 2.3 は、リアルな動きとシネマティックな表現で AI 動画を作れる強力なツールです。APIMart では MiniMax Hailuo 2.3 API から利用でき、テキストから動画と、最初のフレーム画像 1 枚からの画像から動画の 2 つのワークフローに対応しているため、開発者、スタジオ、教育関係者に向いています。押さえておきたいポイントは次のとおりです。

• 主な機能：768p または 1080p の動画を生成でき、長さは 768p で 6 秒または 10 秒、1080p で 6 秒です。MiniMax によると、2.3 は以前のバージョンより体の動きと微細な表情が改善されています。
• 料金：2026年10月時点で、最安は 768p の Fast で 1 秒あたり $0.0248。Fast は 768p で Standard の約半額、1080p で約 40% 安くなります。
• セットアップ：APIMart に登録して API キーを発行し、タスクの送信、ステータスのポーリング、タスク結果からの動画ダウンロードという簡単な 3 ステップで進めます。
• 最適化のヒント：画像から動画の下書きには Fast を使い、テキストから動画や最終レンダリングが必要なときは Standard に切り替え、CCR（Camera、Character、Reaction）フレームワークで明確なプロンプトを書きましょう。

このガイドでは、コストを抑えながら質の高い結果を得るための動画制作の流れをわかりやすく説明します。

重要ポイント

• APIMart の MiniMax Hailuo 2.3 は、テキストから動画と、最初のフレーム画像 1 枚からの画像から動画という 2 つのワークフローで 768p または 1080p のクリップを生成します。最後のフレームや subject reference の入力はありません。
• どのワークフローも同じ非同期の 3 ステップです。POST リクエストを送って task_id を受け取り、ステータスが completed になるまで GET /v1/tasks/{task_id} を 10 秒ごとにポーリングし、data.result.videos[0].url[0] から MP4 をダウンロードします。結果は 72 時間保持されます。
• 2026年10月時点で、APIMart の Hailuo 2.3 は 768p の MiniMax-Hailuo-2.3-Fast が 1 秒あたり $0.0248、1080p の Standard が $0.072 です。
• prompt_optimizer パラメータはデフォルトで true です。文言をそのまま使いたい場合は false にし、カメラの動きにはプロンプトの先頭に置く 15 種類の角括弧付き中国語コマンド（例：[推进]、プッシュイン）を使います。
• 768p は 6 秒または 10 秒、1080p は 6 秒のみで、プロンプトは最大 2,000 文字です。Fast モデルは first_frame_image が必須で、プロンプトも必須です。
• Fast は 768p で Standard の約半額、1080p で約 40% 安いので、まず 768p の Fast で画像から動画のプロトタイプを作り、最終レンダリングに必要な設定に切り替えましょう。

APIMart で MiniMax Hailuo 2.3 をセットアップする

APIMart アカウントの作成と設定

まず apimart.ai にアクセスし、無料アカウントに登録します。ログインしたら、ダッシュボードの 「API Key Management」 セクションに移動します。新しい API キーを発行したら、一度しか表示されないので、すぐにコピーして保存してください^[5]。

次に、モデルダッシュボードや API ドキュメントで MiniMax-Hailuo-2.3 または MiniMax-Hailuo-2.3-Fast を検索します。最初の API リクエストを作る前に、利用可能かどうかとエンドポイントの詳細を確認できます。

アカウントの準備と API キーの確保ができたら、次は開発環境のセットアップです。

開発の前提条件

APIMart の API は、Python（requests）、JavaScript/TypeScript（axios）、cURL など複数の言語に対応しています。リクエストは JSON 形式で、認証には Bearer トークンが必要です。

API キーを安全に保つため、スクリプトにハードコードせず、os.environ["APIMART_API_KEY"] のような環境変数に保存してください。

動画生成は非同期処理です。流れは次のとおりです。POST https://api.apimart.ai/v1/videos/generations にタスクを送信し、data[0].task_id から task_id を受け取り、GET https://api.apimart.ai/v1/tasks/{task_id} をポーリングし、ステータスが completed になったら data.result.videos[0].url[0] から動画をダウンロードします。APIMart は固定のレンダリング時間を公表しておらず、解像度、長さ、そのときの負荷によって変わります^[3]。

環境が整い、ワークフローの全体像がつかめたら、予算管理と利用の最適化に集中できます。

予算の把握と利用上限の設定

2026年10月時点の APIMart での各バリアントの秒単価は次のとおりです^[6]。最新の料金はモデルページで確認してください。

たとえば、Standard で 768p の 6 秒クリップを生成すると約 $0.29、Fast なら約 $0.15 とほぼ半額です。1080p の 6 秒クリップは Standard で約 $0.43、Fast で約 $0.25 で、約 40% 安くなります。実用的な進め方は、まず MiniMax-Hailuo-2.3-Fast を 768p で使って画像から動画のプロトタイプを作り、最終レンダリングに必要な解像度とモデルに切り替えることです。最新の料金はモデルページで確認してください。

APIMart の Billing ダッシュボードでは支出をリアルタイムで確認できます。生成した動画の秒数で課金されるため、バッチジョブを回すときに特に便利です。

主な動画生成ワークフロー

テキストから動画のワークフロー

テキストからの動画生成は、送信、ポーリング、ダウンロードというシンプルな 3 ステップで進みます。

• タスクの作成：https://api.apimart.ai/v1/videos/generations に、model、prompt、duration、resolution を含めた POST リクエストを送ります。Fast は最初のフレーム画像が必須なので、テキストから動画には Standard の MiniMax-Hailuo-2.3 を使います。レスポンスの data[0].task_id に task_id が返ります。
• ステータスのポーリング：task_id を使って GET /v1/tasks/{task_id} を 10 秒ごとに確認します。処理中のステータスは pending または processing で、完了すると completed に変わります。
• 動画のダウンロード：data.result.videos[0].url[0] から動画の URL を読み取り、MP4 を自分のストレージに保存します。結果は 72 時間保持されます。

ここで重要なのが prompt_optimizer パラメータです。デフォルトは true で、モデルがプロンプトを洗練させて動画の画質を高めます。ただし、ブランドコンテンツのように正確な言い回しが重要で、厳密にコントロールしたい場合は false にできます ^[3]。

カメラの動きについては、APIMart の Hailuo 2.3 は 15 種類の角括弧付き中国語コマンドに対応しており、表記どおりのラベルでプロンプトの先頭に置きます。[左移] / [右移]（左 / 右へパン＝平行移動）、[左摇] / [右摇]（左 / 右へ回転）、[推进] / [拉远]（プッシュイン / プルアウト）、[上升] / [下降]（上昇 / 下降）、[上摇] / [下摇]（ティルトアップ / ダウン）、[变焦推近] / [变焦拉远]（ズームイン / アウト）、そして [晃动]（シェイク）、[跟随]（フォロー）、[固定]（固定）です ^[3]。

このテキストベースの手法をもとに、画像から動画のワークフローでは開始画像で動画を固定し、さらにコントロールを高められます。

画像から動画のワークフロー

画像から動画では first_frame_image パラメータを使い、公開 URL または Base64 data URI を渡せます。MiniMax-Hailuo-2.3 と MiniMax-Hailuo-2.3-Fast のどちらでも使えますが、Fast では first_frame_image が必須で、プロンプトも必須です。MiniMax 自身のドキュメントでは、JPG、JPEG、PNG、WebP 形式で 20MB 未満、短辺 300px 以上、アスペクト比 2:5〜5:2 のファイルが推奨されています ^[2]。

このワークフローもテキストから動画と同じ 3 ステップ構成です。違いは、渡した画像が最初のフレームを決め、テキストプロンプトがシーンの展開を決める点です。製品画像や図をアニメーションに展開したいマーケティングや教育の場面に最適です。

長い動画を作るときに便利なのは、完成したクリップの最後のフレームをキャプチャして、次のタスクの first_frame_image に使う方法です。追加の調整なしで、複数のクリップにわたってキャラクターとシーンの一貫性を保ちやすくなります ^[9]。

APIMart の Hailuo 2.3 が対応していないこと

APIMart の Hailuo 2.3 が受け付ける画像入力は first_frame_image の 1 つだけです。last_frame_image も subject reference の入力もないため、このモデルでは最初と最後のフレームを使うトランジションや、顔の参照によるワークフローは使えません ^[3]。

それらが必要な場合は、APIMart のほかの MiniMax モデルを検討してください。MiniMax Hailuo 02 API は最初と最後のフレームのトランジションに対応し、MiniMax H3 API は最初/最後のフレーム入力に加え、マルチモーダルな参照画像・参照動画・参照音声に対応しています。

Hailuo 2.3 の 2 つのワークフロー（テキストから動画と画像から動画）は、同じ非同期の 3 ステップとカメラコマンドの書式を共有しています。切り替えは、POST リクエストに first_frame_image を加えるか外すかだけです。

Hailuo AI 動画マスタークラス：初心者からプロまで（フルガイド 2.3）

動画品質を高め、コストを抑える

効果的なプロンプトを書く

質の高い動画を作るには、明確で的確なプロンプトが欠かせません。プロンプトを組み立てる便利な方法が Camera、Character、Reaction（CCR） フレームワークです。シーンを、カメラが何をしているか、誰が映っているか、どんな動作が起きているかの 3 つに分けます。例：「[跟随] Camera：ゆっくりとしたフォローショット、Character：青いジャージのクォーターバック、Reaction：シカゴの雪の夜の試合でロングパスを投げ、スタジアムの照明がかすんだ光を作る。」

ビジュアルスタイルやフォーカスについて具体的に書くと、大きな違いが出ます。「フォトリアル」「シネマティックな照明」「アニメ調」といった言葉で、モデルを狙ったルックに導けます。「わずかに眉を上げる」「考え込むようなまなざし」のような細かなキャラクターの描写を加えると、MiniMax が Hailuo 2.3 で強調している微細な表情の改善を活かせます ^[4]。ただし、1 つのプロンプトに動作を詰め込みすぎると、ぎこちない動きや不具合につながるので避けましょう。上限は 2,000 文字なので、詳しく、かつ簡潔で目的のはっきりしたプロンプトを目指してください ^[3][7]。

適切な長さと解像度を選ぶ

動画の解像度と長さを決めるときは、選択肢を比較検討することが大切です。Hailuo 2.3 の解像度は 768p と 1080p の 2 種類です。主な違いは、1080p のクリップは 6 秒まで、768p は 6 秒と 10 秒の両方に対応していることです ^[3]。

最初の下書きには、768p の 6 秒クリップが実用的な選択です。手頃な価格で、リソースをかけすぎずに動きや構図を評価できます。候補が絞れたら、最終成果物用に高い解像度の設定に切り替えましょう。

反復型のワークフローを使う

品質とコストのバランスを取るには、反復型のワークフローが鍵です。画像から動画では、2 段階のプロセスがうまく機能します。まず Fast モデルで探り、いちばん良いバージョンを納品に必要な設定で作り直します。

「コンセプト段階では、同じプロンプトで Hailuo 2.3 Fast を使って 3〜5 個のバリエーションを生成しましょう。一番良いものを選び、その同じプロンプトを 2.3 Standard か 02 の 1080p で再実行して最終出力にします。失敗した実験に使うクレジットを減らせます。」- QWE AI Academy ^[8]

APIMart では、768p の 6 秒クリップが Fast で約 $0.15、Standard で約 $0.29 なので、Fast は 768p でほぼ半額、1080p で約 40% 安くなります。MiniMax は Fast を、バッチ制作でより速くコスト効率が高いと説明しています ^[4]。Fast で複数の下書きを試せば、最終レンダリングにお金をかける前に、最も有望なバージョンを見つけられます。納品用のティアを選ぶ前に、自分のプロンプトで両方の出力を比べてください。

MiniMax Hailuo 2.3 の動画を本番に組み込む

非同期タスクと出力ファイルの管理

Hailuo 2.3 での動画生成は、非同期の 3 ステップで進みます。まずリクエストを送信して task_id を受け取り、次にステータスが completed になるまで GET /v1/tasks/{task_id} をポーリングし、最後に data.result.videos[0].url[0] から動画の URL を読み取ってダウンロードします。

ポーリングする場合は、レート制限に引っかからないよう 10 秒間隔を守りましょう。大きなバッチでは、ジョブごとに高頻度のループを回すのではなく、保留中の task ID をキューに入れて、共通のスケジュールでポーリングします。

エラーに備えて status フィールドに注意してください。failed になったら、すぐに error フィールドを読み取り、トラブルシューティングやログに使いましょう。結果は 72 時間保持されるので、ファイルは早めにダウンロードしてください。非同期のレスポンスをまたいでタスクを追跡するには、各 task_id を社内の制作 ID と一緒に保存し、結果をリクエストにひも付けられるようにします。

効率的なタスク管理の仕組みを作れば、コスト管理や規模の拡大がよりスムーズになります。

予算と利用規模の拡大

Hailuo 2.3 は生成した動画の秒数で課金されるので、コスト計算は簡単です。たとえば 2026年10月時点で、768p の Fast（1 秒あたり $0.0248）で 2,400 秒を出力すると約 $59.52、同じ量を 768p の Standard で出力すると約 $117.12 です。

コストを抑えるには、画像から動画の初期レンダリングに Fast を使うことを検討しましょう。2026年10月時点の APIMart では、Fast は 768p で Standard の約半額、1080p で約 40% 安くなっています。タスク照会のレスポンスには cost フィールドも含まれているので、月次の請求を待たずにタスクごとの実際のコストを記録できます。

「Hailuo 2.3 Fast モデルは……より低価格でより速く動画を生成し、バッチ制作のコストを最大 50% 削減します。」- MiniMax News ^[4]

本番の規模を拡大するときは、作業量に合ったポーリング方法を選びましょう。

同時に多くのタスクを扱うなら、キューを使ったワーカーのほうが適しています。小規模や単発のジョブなら、シンプルなポーリングループで十分です。

まとめ

2026年10月時点で、APIMart の MiniMax Hailuo 2.3 は 1 秒あたり $0.0248（768p の Fast）から使え、プロ品質の AI 動画制作をわずかなコストで実現します。たとえば 768p の 6 秒クリップは、Fast で約 $0.15、Standard で約 $0.29 です。

始めるには、APIMart アカウントを準備し、目的に合ったワークフローを選びます。テキストから動画なら Standard、画像から動画なら Standard か Fast です。CCR（Camera、Character、Reaction）の手法で結果を磨きましょう^[11]。長いプロジェクトでは、各クリップの最後のフレームを次のセグメントの開始フレームに使って、ビジュアルの一貫性を保ちます^[9]。

Fast モデルははっきりとした節約につながります。768p で Standard の約半額、1080p で約 40% 安くなります。下書きやバッチ処理に使い、自分のプロンプトで出力を比べたうえで、最終レンダリングのモデルと解像度を決めましょう^[4]。

このコスト効率は注目を集めています。

「Hailuo 2.3 は動画モデルのコストパフォーマンスで再び世界記録を更新し……企業と個人の両方のユーザーに『同じ価格でより多く』を提供します。」- MiniMax 公式ニュース^[4]

大規模な動画制作を管理するチームにとって、ここで紹介した統合戦略は大いに役立ちます。キューを使ったポーリング、タスクごとの cost フィールド、プロンプトテンプレートを組み合わせれば、毎週多数のクリップを扱えるスケーラブルな制作パイプラインを運用しやすくなります。

よくある質問

複数のクリップでキャラクターの一貫性を保つには？

APIMart の Hailuo 2.3 には subject reference の入力がないため、一貫性は最初のフレームとプロンプトで作ります。各クリップを、照明と角度がそろった first_frame_image から始め、前のクリップの最後のフレームを次のクリップの最初のフレームとして再利用しましょう。プロンプトでは被写体、動作、スタイルを明確に書きます。長い動画や高解像度の動画に進む前に、6 秒の短いクリップで一貫性を確認してください。

多数の動画ジョブのステータスをまとめて確認するには？

ジョブが少なければ、GET /v1/tasks/{task_id} でそれぞれ 10 秒ほどの間隔でポーリングすれば十分です。

大きなバッチでは、保留中の ID をキューに入れ、1 つのワーカーが共通のスケジュールでポーリングし、HTTP 429 が出たらバックオフします。リクエスト数を予測しやすくなり、レート制限にも収まります。

prompt_optimizer をオフにする理由は？

動画生成を厳密にコントロールしたいときは、prompt_optimizer パラメータを false にします。システムがプロンプトを自動で書き換えなくなるため、正確な言い回しや指定がそのままモデルの出力に反映されます。