MiniMax H3 のプロンプトには公式が定めた型があります。「リファレンス素材の注記 → コアアイデア → シーンごとの記述」の 3 ブロックで、順序は固定。日本語の解説記事の多くはコツを並べるだけで、この型そのものに触れていません。型を外すと、書き込むほど結果がぶれます。
3 ブロックに分けて、シーンは「0〜3 秒：…」とタイムスタンプで区切り、セリフは鍵括弧でそのまま書く。音は後から足すものではなく同じプロンプトから生成されるので、音も書く。この 4 点で結果が変わります。
MiniMax H3 のプロンプトは 3 ブロックで書く
公式マニュアルはこう定義しています。「フルプロンプト = リファレンス素材の注記 + コアアイデア + シーンごとの記述」。この 3 つを、この順序で書きます。
以下、「公式が」はマニュアルの記載、「当サイトで」は実際に H3 を動かして確認した値です。
ブロック 1・リファレンス素材の注記。 画像や動画は @image1 @video2 の形式で参照し、役割を必ず書きます。「この画像は主人公の顔」といった宣言です。役割がないと、何に使う素材か決まりません。
ブロック 2・コアアイデア。 公式が挙げる要素は 4 つだけ。被写体・場所・出来事・ジャンル / スタイルで、ここは短くて構いません。
ブロック 3・シーンごとの記述。 ここが一番差が出ます。
タイムスタンプで区切る
「0〜3 秒：…、3〜7 秒：…」の形式です。5 秒でも前半と後半を分けて書くと動きが安定します。1 つの塊で書くと、指示が均等に反映されません。
セリフは鍵括弧で、話す言葉をそのまま書きます。比喩でぼかすほど、口の動きも表情も曖昧になります。型に沿うと、日本語ではこうなります。
@image1：主人公の顔。この人物の見た目を保つこと。
夜の駅のホームで、女性が去る相手を見送る。実写・シネマティック。
0〜2秒：ホームの引きの絵。雨音と遠くのアナウンス。
2〜5秒：女性の顔に寄る。「もう行かなくちゃ」と目を伏せる。
電車のドアが閉まる音。
3 ブロックが上から順に並んでいます。長さはこれで十分です。
MiniMax H3 のプロンプトでやってはいけない 6 つ
公式ガイドは避けるべき書き方を 6 つ挙げています。どれも「間違い」ではなく「意図した結果にならない」書き方です。
特に踏みやすいのは 4 つ目です。ワンカットで撮りたいのに「ショット 1」「ショット 2」と書くと、カットが割られます。 一続きの映像が欲しいなら、タイムスタンプで区切り、ショット番号は使いません。
3 つ目の矛盾も起きがちです。「壮大な音楽とともに」と書きつつ別の行に「BGM なし」と書く場合で、どちらを取るか決められません。
MiniMax H3 では音もプロンプトに書く
いちばん見落とされる点です。H3 は映像と音声を同一パスで生成するので、書かなければ意図した音は出ません。書くべきものは 3 種類です。
- セリフ — 鍵括弧で、話す言葉をそのまま
- 効果音 — 「ドアが軋む音」「足音が近づく」
- 環境音 — 「雨音」「遠くの車の走行音」「無音」
当サイトで 5 秒を生成して出力を確認したところ、2560×1440・24fps・音声 2ch（32kHz）でした。音のトラックは確かに付きますが、何を鳴らすかはプロンプト次第です。
日本語のまま書いて大丈夫
H3 は多言語のプロンプトを直接受け取るので、英訳は不要です。当サイトの H3 も日本語のまま送っています。
MiniMax H3 のプロンプトは何文字まで書けるか
公式はテキストのみの生成で最大 7,000 文字としています。当サイトの入力欄の上限は 2,000 文字です。
ただし長ければいいわけではありません。公式が最低ラインとして挙げるのは次の 4 点です。
- 外見
- シーン
- アクション
- スタイル
ファイルも渡さずこれ未満だと足りません。逆に型に沿っていれば数百文字でも動きます。埋めるべきは長さではなく、各ブロックです。
MiniMax H3 とシーダンス系の書き分け
同じ日本語プロンプトでも、モデルによって効く要素が違います。
| 効きやすい書き方 | |
|---|---|
| MiniMax H3 | タイムスタンプでシーンを割る／音を明記する／@image1 で役割を宣言する |
| シーダンス 2.5 | 最長 30 秒あるので、起承転結を通しで書く |
| シーダンス 2.0 | 参照動画・参照音声を渡して動きや声を寄せる |
MiniMax H3 は 15 秒までなので、長い構成を詰め込むより短い尺の密度を上げるほうが向いています。
FAQ
MiniMax H3 のプロンプトは日本語で書けますか？
書けます。多言語のプロンプトを直接受け取ります。セリフを日本語で書けば日本語で喋ります。
プロンプトの文字数制限は？
公式はテキストのみの生成で最大 7,000 文字。当サイトの入力欄の上限は 2,000 文字です。
音声はどう指定しますか？
映像と同じプロンプトに書きます。セリフは鍵括弧で正確に、効果音と環境音は言葉で説明します。同一パスで生成するため、書かなければ意図した音は出ません。
ワンカットの動画にするには？
タイムスタンプで区切り、「ショット 1」「ショット 2」と書かないことです。公式もショット番号を書くとカットが割られると明記しています。
画像を渡すときの書き方は？
@image1 のように参照し、役割を必ず書きます。なお当サイトの確認では、画像から動画を作るモードで縦横比の指定はプロバイダに拒否されます（比率は渡した画像側で決まります）。
プロンプトは長いほどいいですか？
いいえ。公式の最低ラインは「外見 + シーン + アクション + スタイル」で、型に沿えば数百文字でも動きます。
型を 1 行にまとめると、こうです。素材の役割を書く → 何の話かを 4 要素で書く → 秒数で区切って、絵と音とセリフを書く。 これだけで、同じ思いつきから出てくる映像が変わります。
最終更新：2026 年 8 月
参考にした情報
MiniMax 公式のプロンプトマニュアル（3 ブロック構成、避けるべき 6 項目、最大 7,000 文字、@ によるファイル参照）をプロンプトガイド経由で参照。解像度・fps・音声と消費クレジットは、当サイトで H3 を動かして確認した値です。