> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-docs-custom-nodes-sdk-v2-frontend.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# ComfyUIでのMiniMax H3 APIビデオ生成
> ComfyUIのクラウドワークフローでMiniMax H3 APIノードを使用し、テキストから動画、先頭・末尾フレームから動画生成、参照から動画を、すべてネイティブのステレオオーディオ付きで行う方法を学びます
[MiniMax H3](https://www.minimax.io/blog/minimax-h3) は、MiniMax の汎用オムニモーダル生成モデルであり、ComfyUI では MiniMax H3 APIノードを通じて利用できます。APIワークフローは MiniMax のサーバー上で生成を実行するため、モデルのダウンロードやローカル GPU は必須ではなく、生成済みビデオの1秒ごとに Comfy API アカウントへ請求されます。
MiniMax H3 は、**ネイティブステレオオーディオ**付きのビデオを生成します。音声、サウンドエフェクト、音楽は、後から重ねるのではなく、単一のフォワードパスでまとめてモデリングされます。出力は、1クリップあたり5～15秒、最大2K解像度です。
これらのAPIワークフローは、お使いの Comfy アカウントを通じて MiniMax のサーバー上で実行されます。商用目的で H3 を自社のハードウェアでローカルに実行するには、[MiniMax 商用ライセンス](https://comfy.org/minimax/license)が必要です。これは、唯一の公式リセラーである Comfy から入手できます。
## MiniMax H3 が得意なこと
* **ネイティブステレオオーディオ**: ボイス、サウンドエフェクト、音楽は、後から重ね合わせるのではなく、ビデオとともに単一のフォワードパスでモデリングされます
* **高解像度出力**: 1クリップあたり5〜15秒で、最大2K解像度に対応
* **テキストから動画へ**: テキストプロンプトから、オーディオ付きのビデオを生成します
* **ファーストフレーム/ラストフレームビデオ**: 最初のフレームと、オプションの最後のフレーム画像の間のモーションを生成します
* **参照条件付き生成**: 最大9枚の参照画像、3本の参照ビデオ、3つの参照オーディオクリップを条件として、ビデオを生成します
## 出力例
単一のプロンプトによるテキストから動画への生成（ネイティブのステレオオーディオ付き）：
先頭フレームと最終フレームによる生成（モデルが2つのフレーム間のモーションを作成）：
APIノードを使用するには、正しくログインしていることと、許可されたネットワーク環境で使用していることを確認する必要があります。APIノードの使用に必要な具体的な要件については、ドキュメントの「[APIノードの概要](/ja/tutorials/partner-nodes/overview)」セクションをご参照ください。
ComfyUI が最新版に更新されていることを確認してください。
* [ComfyUI のダウンロード](https://www.comfy.org/download)
* [更新手順](/ja/installation/update_comfyui)
このガイドで紹介するワークフローは、[ワークフローテンプレート](/ja/interface/features/template)から入手できます。
テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。
ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因：
1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している
* [Cloud](https://cloud.comfy.org) は、ComfyUI の安定版リリース後に更新されます。
したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。
## MiniMax H3 API ワークフロー
テンプレートライブラリには、以下の3つのAPIサンプルワークフローが含まれています：
* **テキストから動画生成**：テキストプロンプトから動画を生成します。
* **先頭・末尾フレームから動画生成**：先頭フレームと末尾フレームの画像から、その間の動画を生成します。
* **リファレンスから動画生成**：参照画像、動画、オーディオを条件として動画を生成します。
### MiniMax H3 テキストから動画生成
MiniMax H3 API 経由で、テキストプロンプトから動画を生成します。ステレオオーディオにもネイティブ対応しています。
Comfy Cloud で開く
JSON をダウンロードするか、テンプレートライブラリで「MiniMax H3 T2V」を検索してください
#### プロンプト作成のヒント
1. **プロンプト**：シーン全体と、それに付随するオーディオ（セリフ、SFX、音楽）を1つのブロックで記述します。
2. **再生時間**：再生時間の入力は5〜15秒に対応しています。ワークフローには、高速な5秒のプレビューが含まれています。
3. **解像度と比率**：API は2Kでレンダリングします。`16:9`、`9:16`、`1:1` などのアスペクト比プリセットを選択してください。
4. **ウォーターマーク**：AIGC ウォーターマークはデフォルトでオフになっています。必要な場合は、ノードの詳細設定で有効にしてください。
#### プロンプト作成ガイド
MiniMax は、基本生成モード（T2VA、I2VA、FL2VA、L2VA）向けの公式の[ビデオプロンプト作成ガイド](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)を公開しています。このガイドでは、プロンプトを、カメラの動きやオーディオ（セリフ、SFX、音楽）を含む時間指定のショットに構成する方法を説明し、各モードの例も紹介しています。
### MiniMax H3 先頭・末尾フレームから動画生成
MiniMax H3 API を使用して、先頭フレームと省略可能な末尾フレーム画像の間でビデオを生成します。出力のアスペクト比は入力画像に従います。
Comfy Cloud で開く
JSON をダウンロードするか、テンプレートライブラリで「MiniMax H3 FLF2V」を検索してください
ワークフロー用の先頭フレームです。または、ご自身の画像を使用できます。
ワークフロー用の末尾フレームです。または、ご自身の画像を使用できます。
#### プロンプトのヒント
1. **フレーム**: `first_frame` 入力は必須で、`last_frame` は任意です。モデルはそれらの間のモーションを生成します
2. **アスペクト比**: 出力は入力画像に従うため、両方のフレームを同じアスペクト比にしてください
3. **画像の制約**: 各フレームの幅と高さは 256 から 5760 ピクセルの間で、アスペクト比は 2:5 から 5:2 の間である必要があります
4. **プロンプト**: フレーム間の遷移と、希望するオーディオ（会話、SFX、音楽）を説明してください
#### プロンプト作成ガイド
MiniMax は、基本生成モード（T2VA、I2VA、FL2VA、L2VA）向けの公式[ビデオプロンプト作成ガイド](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)を公開しています。このガイドでは、カメラワークとオーディオ（会話、SFX、音楽）を含む時間指定のショットにプロンプトを構成する方法を説明し、各モードの例も紹介しています。
### MiniMax H3 参照からビデオへ
MiniMax H3 APIを通じて、参照画像、参照ビデオ、参照オーディオを条件としてビデオを生成します。
Comfy Cloudで開く
JSONをダウンロードするか、テンプレートライブラリで「MiniMax H3 R2V」を検索してください
ワークフロー用のストーリーボード参照です。または、ご自身の画像を使用できます。
#### プロンプト作成のヒント
1. **タグによる参照**：プロンプト内の順序で各入力を参照します。たとえば、`Image 1`、`Video 1`、`Audio 1` のように指定します。
2. **制限**：参照画像は最大9枚、参照ビデオは最大3本、参照オーディオクリップは最大3つまで指定できます。各ビデオまたはオーディオクリップは2〜15秒である必要があります。また、参照ビデオと参照オーディオは、それぞれ合計15秒までに制限されます。
3. **オーディオには視覚的なアンカーが必要**：参照オーディオは、少なくとも1つの参照画像または参照ビデオがないと使用できません。
4. **ビデオの要件**：参照ビデオは23.976〜60 FPSである必要があります。
5. **プロンプト**：各参照にジョブ（アイデンティティ、スタイル、モーション、ボイス）を割り当て、ターゲットショットを説明します。明示的な割り当ての方がはるかに良い結果になる傾向があります。
#### プロンプト記述ガイド
MiniMaxは、参照駆動型生成（R2V）向けの公式の[フル参照モードのプロンプトガイド](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md)を公開しています。このガイドでは、リライト出力の構造（サブジェクト定義、参照ラベル、保持分析など）と、各参照にターゲットショット内での役割を割り当てる方法について説明しています。