投稿者 投稿日: カテゴリー AIニュース
MiniMax H3とは、音声つき動画を作れる公開重みのAIモデルです。
中国のMiniMaxが、動画生成モデル MiniMax H3 の重みを公開しました。Hugging Faceの公式リポジトリには推論に必要なファイル一式が並び、2026年8月3日時点で1,100件を超えるいいねが付いています。7月31日の発表時点では「数日以内に公開する」とされていたもので、動画生成というクローズド優位が続いた領域に、手元へ持ち帰れる選択肢が入った形です。ライセンス上、年商2,000万ドル未満の事業者は商用利用も認められるため、日本の中小EC事業者はほぼ全員が無償枠に入ります。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が、商品動画の作り方が実際にどう変わるかを整理します。
公開されたのは何か：33Bの生成本体と、2つのチェックポイント
公開されたのは動画と音声を同時に生成する本体部分です。公式モデルカードによると、中核の H3-Omni-Transformer は330億パラメータの単一ストリーム型で、うち約130億パラメータは変調処理の分岐に置かれており、推論だけなら読み込まなくても動きます。配布形式は用途別に2つに分かれ、テキストと最初・最後のフレームから生成する FL2VA と、参照素材から生成する Ref2VA がそれぞれBF16精度で提供されています。
出力仕様は4〜15秒、24fps、32kHzのステレオ音声つきです。解像度は短辺768ピクセルが既定で、2K出力を担う H3-Regenerate-2K と、入力を整理する H3-Context-IR は今回のオープンソース対象に含まれず、APIでの提供にとどまります。つまり手元で作れるのは768pまでで、2Kが必要ならAPIを併用する構成になります。セリフは日本語を含む11言語が安定サポートの対象です。
性能面では、South China Morning Postが、ベンチマーク事業者 Artificial Analysis の評価としてH3は動画編集で世界最強である一方、テキストから動画の分野では Google の Gemini Omni Flash に及ばず、画像から動画では ByteDance の Seedance 2.0 と Gemini Omni Flash の後だと報じています。MiniMaxは「クローズドのモデルが長く動画生成を支配し、大規模言語モデルのような分野に比べて反復が遅く、エコシステムも開かれていなかった」と説明しています。APIの料金はHugging Face上の技術解説記事によれば2K出力で1秒あたり0.13ドル、1分あたり7.80ドルで、参照画像は最初の5枚まで無料です。
日本のEC事業者にとっての3つの論点
論点は、性能の順位よりも運用条件のほうにあります。順に3つ挙げます。
第一に、素材を外に出さずに動画を作れる可能性が出てきました。未発売商品の画像、OEM先から預かった図面、まだ公開していない撮影データを外部APIに投げるのが難しい場面は、EC運営では珍しくありません。重みが手元にあれば、この制約は設計次第で外せます。ただし公式が示すデプロイ例はSGLangのガイドを前提にGPU4枚構成であり、必要なVRAM量はモデルカードに明記されていません。単独の中小EC事業者がいきなり自社サーバーで動かす話ではなく、まずはAPIやホスティング経由で試すのが現実的です。この「本番投入の線引き」については、AI動画生成をどこまで本番に入れるかの判断軸にまとめています。
第二に、ライセンスの条件を先に読む必要があります。MiniMax H3 Community Licenseは、商用の製品・サービスの年間売上が2,000万米ドル、または他通貨で同等額を超える場合、事前に書面での許諾を得るよう定めています。あわせて、H3を使う商用の製品・サービスのUI上に「MiniMax H3」を目立つ形で表示する義務があります。売上要件は多くの日本のEC事業者にとって問題になりませんが、表示義務のほうは実務に効きます。楽天市場やAmazonの商品ページで、この表示をどの位置にどう入れれば要件を満たすのかは各モールの表記ルール次第で、公開情報からは確認できません。要確認事項として、動画を本番の商品ページに載せる前に整理しておくべき論点です。
第三に、日本語のセリフと効果音を含む動画が1回の生成で出てくる点は、日本の動画コマースの遅れを埋める材料になります。ネットショップ担当者フォーラムによると、日本のライブコマース市場は2022年時点で約2,992億円と、中国の1割にも満たない規模にとどまります。同記事が紹介する2025年の調査では、YouTubeなどで紹介されて知った商品やサービスを43%が購入または利用した経験があるとされており、需要側の土壌はできています。制作コストと工数が足かせだったのなら、音声を別工程で当てる必要がなくなる変化は小さくありません。ネイティブ音声つき生成そのものはFLUX 3の対応でも進んでおり、Gemini Omni Flashを商品動画に使う場合の設計とあわせて比較検討する価値があります。
初動として何をするか
最初の一歩は、モデルを選ぶことではなく、1商品で数字を取ることです。回転の速い定番商品を1つ決め、静止画だけの現行ページと、4〜15秒の音声つき動画を足したページで転換率を比べます。前掲のネットショップ担当者フォーラムは、動画施策のKPI目安として視聴完了率30%、クリック率5%、転換率2%を挙げています。自社の実測値をこの水準と突き合わせれば、続けるかどうかの判断が数字でできます。
次に、掲載先ごとの仕様を先に確認します。楽天市場、Amazon、Shopify、Yahoo!ショッピングでは動画の尺・容量・縦横比の条件が異なるため、生成の設定を掲載先に合わせておかないと作り直しが発生します。H3は16対9や9対16、1対1など幅広い比率に対応するので、縦型と横型を同じ参照素材から出し分ける運用が組めます。
権利面の確認も先に済ませます。H3は参照音声から声を写す機能を持つため、実在の人物の声や姿を商用で使うなら事前の同意が必要です。社内の誰かの声で統一する、あるいは合成音声だけで完結させるといった方針を、制作を始める前に決めておくのが安全です。なお公式モデルカードによれば、計算量を抑えるスパースアテンションの実装は初回公開に含まれず、今後のアップデートで提供されるとされています。自社環境での運用コストは、その更新後に改めて見積もるのが妥当です。
まとめ
MiniMax H3の重み公開で変わったのは、画質の順位ではなく、商品動画をどこで作るかという選択肢です。手元で作れるのは768pまで、2Kと入力整理はAPI併用、そして商用利用にはUIへの表示義務が付きます。日本のEC事業者がまず取るべき行動は、自社サーバー構築の検討ではなく、1商品でAPIを回して転換率の差を測ることです。数字が出てから、置き場所を考えれば間に合います。同じくオープンウェイト化が進む言語モデル側の動きは、Qwen3.8-MaxのEC運営ベンチマークでも取り上げています。
参考文献
- MiniMaxAI/MiniMax-H3（公式モデルカード・Hugging Face）
- MiniMax H3 Community License Agreement
- Video AI: MiniMax challenges ByteDance with low price, open weights for new H3 model（South China Morning Post, 2026-07-31）
- What Is MiniMax H3 (Hailuo 3.0)? The Open-Weight Multimodal Video Model, Explained（Hugging Face Blog, 2026-08-01）
- なぜ今“動画コマース”なのか？（ネットショップ担当者フォーラム, 2025-07-22）
- MiniMax-H3 deployment guide（SGLang Cookbook）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
