わずか15秒の動画でも、完成までには意外と時間がかかります。

台本を考え、素材を探し、音楽や字幕を入れ、何度も編集する。個人で動画を作る人や小さな店にとっては、短い一本を仕上げるだけで半日かかることもあります。

MiniMaxは7月31日、動画生成モデル「H3」を発表しました。同社によると、最長15秒、最高2K解像度の動画を作ることができます。

文章で場面を指示するだけでなく、写真や動画、音声を参考素材として読み込ませることも可能です。映像と一緒にステレオ音声も生成できるため、完成後に別のソフトで声や効果音を付ける手間を減らせます。

たとえば、洋服店なら商品の写真と歩いている人物の動画を用意し、服を着たモデルが動く短い映像を作れます。料理を紹介する人なら、完成した料理の写真と音楽を渡し、曲のテンポに合わせた動画に仕上げる使い方も考えられます。

動画の最初と最後の画像を指定し、その間の動きを作らせる機能もあります。生成できる長さは4秒から15秒までです。

これまで別々に行っていた映像制作、動きの追加、音声づくりを、ひとつの流れで進められる点がH3の特徴です。専門の撮影チームがいなくても、まずは企画を映像にして確認しやすくなります。

一方で、生成した動画をそのまま公開できるとは限りません。人物の動きが不自然になったり、文字が正しく表示されなかったり、商品の形や細かな部分が変わったりすることがあります。複雑な場面では、仕上がりが安定しない可能性もあります。

H3が映像制作者や編集者の代わりになるわけではありません。ただ、頭の中にあるアイデアを、まず一本の動画にしてみる。その最初の一歩は、これまでより踏み出しやすくなりそうです。