MiniMax H3 で AI 予告編を作る：タイトルカードも崩れない

AI で予告編を作ろうとしたことがあるなら、どこで壊れるかはもう知っているはずです。ショットはそれなりに出ます。そこでタイトルカードを頼むと、返ってくるのは THE LAST FLEEF LFFT EARTH、しかも誰も選んでいない書体で。

よくある助言は、生成された文字はあきらめろというものです。無音で出して、編集ソフトに持ち込んで、タイトルは自分で置く。それに従う前に、MiniMax 公式の予告編サンプル二本をフレーム単位で分解してみました。二本合わせてタイトルカードは十二枚、そしてアニメーションが終わったあとの状態では、十二枚すべてが正しく綴られています。

あなたのぶんもそうなるという保証ではありません。ショーケースは選ばれたものです。ただ、天井はスクリーンショットから受ける印象より高いということは言えますし、そのスクリーンショットの多くがどこから来ているのかも、これで説明がつきます。

十五秒、七枚のカード、音楽つき、すべて一度の呼び出しから。やり方は以下のとおりです。

MiniMax H3 の一度の呼び出しで出てくる AI 予告編

これが H3 が一度の呼び出しで出した予告編です。十五秒、五つのセットアップ、ハードカット、人物は最初から最後まで同じ、音楽つき、そしてタイトルカードが七枚：

冒頭は THE LAST FLEET LEFT EARTH を、その下に SHE WAS NOT ON BOARD を敷いて見せ、切り替わってから THE FINAL DEPARTURE → EARTH SENT THE LAST FLEET → FINAL COUNTDOWN → WITHOUT HER → SHE KNEW WHY → THE MISSION WAS A LIE と進み、最後は冒頭のタイトル組みに戻って終わります。

どの語も正しく出ています。編集ソフトなし、テロップのプラグインなし、二度目の生成なし。

ここで起きなかったことに目を留める価値があります。いま AI 予告編について言われている手順は、五つのツールを積み上げるものです。構成表を書くのに対話モデル、アンカーとなる静止画に画像モデル、動きに動画モデル、音楽に一つのサービス、ナレーションにもう一つ、そして組み上げるのに編集ソフト。この積み上げが存在するのは、たいていの動画モデルが無音のショットを返してくるからです。

H3 は映像と 32 kHz ステレオを同じパスで生成し、しかも既定でショット間を切り替えます。だから音楽はカットの近くではなく、カットの上に着地します。五つのツールの積み上げは、一度の呼び出しと一枚の静止画に畳まれます。

MiniMax H3 の予告編プロンプトと、そこに書かれていないもの

全文はこれだけです。

Faster rhythm, grand but not dragging. Quick hard cuts, bridge
vibrations, intense light flashes, short black screens, jump shock
transitions. Text is movie trailer-style wide letter-spacing title
packaging, font not pure white, should have restrained glow and
texture, faint edge glow. Text animations include fading in from deep
space darkness, being swept by starlight, letter-spacing expansion,
motion trails, faint glow, black screen flashes.

もう一度読んで、何がないかを見てください。人物がない。場所がない。ショットのリストもなければ、あの七つの文字列は一つも書かれていません。MiniMax は全体に (Not a complete prompt, details can be added independently) という但し書きを付けているので、これは断片として扱ってください。あの行のいくつかは、公開されていない部分に打ち込まれていた可能性が高いです。

ただ、カードのうち一枚は、どこにも打ち込みようがありません。そして注目に値するのは、その一枚のほうです。

プロンプトではなく参照画像に置くべき、たった一枚のタイトルカード

このリクエストが持っていた参照画像は一枚だけです。これです。

タイトルがすでに組まれた、仕上がり状態のキービジュアルです。これがクリップのどこに現れるかを見てください。

最初の八フレーム——0.000 秒から 0.292 秒——がこの画像で、ゆっくり寄っていきます。そこで黒へハードカット。12.5 秒でそれが戻ってきて、予告編はそれを見せたまま終わります。

つまりあの二行のタイトル組みは、H3 が綴ったものではありません。静止画そのものが、カメラを動かしながら冒頭と結末の両方で画面に出ているのです。字間を広げたサブタイトルも、それが組まれているオフホワイトも、字と字の間隔も、どれ一つ生成されていません。だからどれ一つ、間違いようがなかったわけです。

ここから得られる規則

当たり前の結論を出す前に、もう一本のサンプルを見てください。あちらは逆向きに切っています。MiniMax の二本目の予告編クリップはカードを五枚持っていて、そのタイトルはプロンプトの中にあります。文字どおり書き出され、色の指示まで付いています。

A large title fades in from the dark edge, blurry first then clear:
"THE STARS WERE LISTENING" font extremely narrow, heavy, all caps,
dark red mixed with rust red

正しく返ってきましたし、指定どおりの暗い錆色で返ってきました。同じクリップは NO ONE WAS MEANT TO HEAR IT ——二行にわたる七語——も、間違いなく出しています。

というわけで公式クリップ二本を合わせた成績は、記述したものも与えたものも同じく、十二枚すべて正解です。タイトルをプロンプトに打ち込むやり方は機能します。 本当に効いてくる区別は、記述か供給かではありません。

だから、つなぎのカードは書いてください。悪いことは起きませんし、参照枠も手元に残ります。ただし毎回のテイクで必ず正しくなければならない一枚——ブランド名、製品名、作品名そのもの——は、そもそも生成にしてはいけません。 画像に入れれば、それは抽選から外れます。

そしてその画像をムードボードではなく仕上がったフレームとして組めば、それが二度手に入ります。これは Ref2VA そのものの性質ではなく、あなたが渡すものの性質だという点に注意してください。もう一本のクリップの参照は雰囲気ボードと人物のポートレートで、そのどちらでも開幕していません。

これで作業の順序がひっくり返ります。予告編を書いてから、あとでタイトルを足すのではありません。最後のフレームを先に設計して、そこへ到着する十五秒を頼む——そしてそれは、冒頭のフラッシュも兼ねます。

デザイナーでない人が、キービジュアルを作るには

ここは誰もが飛ばしてしまう工程なので、具体的に書きます。必要なのは静止画一枚、最終的なアスペクト比で、次の四つが入っているものです。

1. タイトルを、望むかたちに組む。 字間を広く、すべて大文字、そして純白ではなく。公式の静止画で文字の並びを採色したところ、ピークは #bcc0c6——わずかに寒色寄りのグレー、明度でおよそ 78% でした。この一つの選択が、カードが打ち込んだものではなく設計されたものに見える理由のほとんどで、MiniMax 自身のプロンプトが "font not pure white" と書いているのもそのためです。タイトルを #ffffff から一段落とすだけで、字幕らしさが消えます。
2. サブタイトルが要るなら一行。 SHE WAS NOT ON BOARD はちゃんと働いています。作品名を前提に変えているのです。
3. 前後で見せたい構図。 文字の後ろにあるものが、予告編が開幕するフレームであり、着地するフレームでもあります。だから被写体をそこに置いて、背景ではなく仕上がったショットとして構図を決めてください。
4. 雰囲気。 カラーグレーディングも粒状感も光も、画像と一緒に渡っていきます。

どの画像ツールでもできますし、Figma や Canva のスライド一枚でもかまいません。文字は生成である必要はなく、読めて、確定していることが必要です。長辺 1280 以上で書き出してください。

作る前に知っておく価値があることが一つ。参照画像は自分の照明を連れてきます。静止画が寒色で暗ければ、プロンプトに何を書こうと予告編全体が寒色で暗く返ってきます。ポスターとして映える光ではなく、完成した作品で見たい光を選んでください。

十五秒はティザーであり、それこそが作る価値のある尺

何かを計画する前に、これを声に出してください。MiniMax H3 のクリップは 15 秒が上限です。 劇場用の予告編は 90 秒から 150 秒あります。二分の予告編を一発で組むつもりで来たのなら、それができるモデルは今日のところありません。

十五秒が何であるかを正確に言えば、これはソーシャル向けの短尺版です。TikTok・Reels・Shorts に流れるティザーの尺であり、いま予告編が実際に見られている場所です。そしてこれは、五つのツールの積み上げがいちばん割に合わない尺でもあります。十五秒の一本を組み上げる手間は、九十秒の一本と変わらないからです。

長さが必要なら、打ち手は「もっと長く生成する」ではありません。これをいくつも作って、それぞれを自分のカードに到着させ、つないでいくことです——そしてその一本一本は、十二回ではなく一度の呼び出しのままです。

8 秒か 15 秒を頼む。その間は頼まない

小さなことですが間違えやすく、しかも現れる場所はただ一つ、最後の一拍です。

H3 は固定ブロックで生成します——24 fps で 17n + 5 フレーム——なので、入力した尺はいちばん近い正規の値へ吸着されます。公式の予告編クリップは二本とも 362 フレーム、つまり 15.083 秒で返ってきます。15 秒ではありません。

この端数は普通のショットなら無害です。予告編ではカードを拍に合わせるので、これが効いてきます。8.000 秒が唯一取れる整数秒で、15.083 秒がこの範囲の上端です。この二つのどちらかを選び、それに合わせてタイミングを書けば、最後のカードは置いたところに着地します。

H3 は綴れないのだと思わせた、あのフレーム

文字を確認するためにもう一本のサンプルから一フレーム抜き出したら、こうなりました。

THE STARS W RE LISTEN

文字が抜け、末尾が落ちています。まさに誰もが警告しているあの失敗に見えました——隣のフレームを見るまでは。一秒後、同じカードは THE STARS WERE LISTENING と読め、サブタイトルまで揃って、完璧です。

カードは字間を広げながら現れるので、どれもが数十分の一秒だけ「出現の途中」の状態を通ります。壊れてなどいませんでした。まだ現れている最中のフレームを取って、私がカードを裁いていたのです。

これは少し立ち止まる価値があります。「H3 は綴れない」というスクリーンショットの一定数は、ほぼ確実にここから来ているからです。出現途中のカードは壊れたカードとまったく同じに見えますし、タイムラインをドラッグすればそういうフレームに当たる確率は偶然よりずっと高くなります——目に見えて何かが起きているのは、そのフレームだからです。

ここから二つ。 文字はドラッグ中ではなく、落ち着いたフレームで判断すること。そしてサムネイルを抜くときは、カードが固まったあとで抜くこと——でなければ、その不具合を自分で出荷することになり、誰かにスクリーンショットを撮られます。

これを追いかけたら、それ自体で 1 本になりました。6 本のクリップで、プロンプトが名指しした文字列は最後にはすべて正しく綴られていて、面白いのは誰も名指ししなかった文字のほうです。H3 が名指ししなかった文字に何をするかに、フレーム単位の数値があります。

プロンプト側が受け持つもの：カットのリズムと文字の処理

画像がタイトル組みを引き受けたあと、テキストがする仕事は二つで、どちらも真似する価値があります。

カットのリズムを決めます。 "Quick hard cuts, bridge vibrations, intense light flashes, short black screens, jump shock transitions" は五項目のメニューで、モデルは五つとも使います。私が外さないのは short black screens です——予告編には最後のカードの前に息を継ぐ場所が要り、黒はそれをいちばん安く買う方法です。これを抜くと、十五秒のカットはただの雑音として読めます。

すべてのカードの文字処理を一度に決めます。 暗闇からのフェードイン、星明かりが走る、字間の拡張、モーショントレイル、かすかな輝き、黒画面のフラッシュ。生成された六枚のカードが、設計された一枚と同じ組に見えるのは、この半分のおかげです——同じ輝き、同じ字間、同じ入り方。参照画像を差し替えるときにここをそのまま残せば、あなたの六枚もあなたのタイトル組みに揃います。

MiniMax H3 の予告編を回すといくらか

十五秒の予告編は 768P が 62 クレジット、2K が 122。八秒版はそれぞれ 34 と 66 です。参照静止画は無料——最初の 5 枚までは無料です。どのプランでも消費レートは同じなので、プランを変えてもこれらの数字は動きません。

この計算のうち二点は、予告編に固有のものです。

解像度のほうが比率より高くつきます。 768P から 2K に上げると 1 秒あたりの消費は倍になり、16:9 から 21:9 に変えると半分が乗ります。十五秒の 2K シネスコは 182 クレジット、同じ画を 768P のシネスコで撮れば 92。シネスコは予告編というかたちの標準の顔なので、そこは意図して選んでください——ただし何かを削るなら、安いレバーは比率ではなく解像度のほうです。

下書きは二回目の生成であって、割引ではありません。 アップグレードボタンはありません。768P のテイクと 2K のテイクは二回の生成、二回の課金です。だから下書きに働かせてください。八秒・768P・16:9 で 34 クレジット、フルレングスの 21:9 2K 一本の五分の一を切ります。カットが拍に乗っているかは 768P でも完全に聴き取れますし、繰り返し詰める価値があるのは拍だけです。リズムが決まってから長いテイクを回してください。

料金表は料金ページに。

試してみる

上のプロンプト、参照用の静止画、そして仕上がったクリップは、すべて同じページにあります：MiniMax H3 の SF 予告編プロンプト。

自分のキービジュアルを持ち込んで、この文法を参照素材から動画に貼ってください。静止画を作る前にカットのリズムを確かめたいなら、テキストから動画で 8 秒を回せば、カードなしでテンポだけつかめます。

サンプルのクリップ・プロンプト・参照画像はいずれも MiniMax 自身のもので、CC BY 4.0 のもと awesome-minimax-h3-prompts で公開されています。上記のフレーム数・タイミング・タイトル文字列は、ファイルから直接読み取ったものです。