MiniMax H3 プロンプトガイド：ショット・カット・リファレンス
このファミリー向けの執筆で異なる点
ビデオモデル用のプロンプトを別のボックスに書く必要はありません。セグメントのショットを絵コンテに記述するだけです（形式は全プラン共通で、マーカー・秒数・構図・カメラ・登場人物・動作・セリフ・効果音で構成されます）。サイトがそのセグメントを1つのリクエストに変換します。MiniMax H3 で変わるのは、このリクエストのサイズです。1セグメントの上限は15秒で、常に音声付きでレンダリングされ、数カット分を1つにまとめられます。そのため短いやり取りとそのリアクションを、別々のレンダリングをつなぎ合わせるのではなく、1つの作品として出力できます。
そのためこのファミリーは、短く密度の高い見せ場——態度が変わる対決、リアクションを伴う発表、2往復のやり取りなど——に適しています。長く途切れない1テイクのシーンや大人数のキャストが登場するシーンにはあまり向きません。それぞれの対処法は後述のセクションで説明します。
ショットを書いてから秒数を決める
上の静止画はRocket Pupというエピソードのもので、当サイトで台本から合成までWan 3.0 · 720Pを使って制作されました。執筆に使われたショットの文法はMiniMax H3セグメントと同じで、テイクの長さだけが異なります。
各ショットはマーカーと秒数で始めます。秒数は飾りではありません。セグメントは1回の生成単位で、その長さは各ショットの合計秒数になるため、レンダリング前に計算が合うようにする必要があります。セリフのあるショットは発話分の長さが必要で（英語の場合、1秒あたり約3単語が目安です）、表情だけのショットは短くできます。以下は、余裕のある4ショット構成のセグメント例です。当サイトの標準的な書き方に沿っています：
[Shot 1] 4s：ミディアムショット、固定カメラ。テーブルの先頭に@Mara、彼女の右側に@Jules。彼女が@Sealed letterを手前に滑らせる。@Mara（低く、落ち着いた声で）：断る前に読んで。（音声：🔊Mara）窓に打ちつける雨の音。
[Shot 2] 3s：クローズアップにカット。フレーム内は@Julesのみ。彼は手紙に視線を落とし、顎を食いしばる。セリフなし。
[Shot 3] 5s：ミディアムショットにカット、ハンドヘルド。@Julesが椅子を引いて立ち上がる。@Jules（歯を食いしばって）：そんな権利、ないだろ。（音声：🔊Jules）
[Shot 4] 3s：クローズアップにカット。フレーム内は@Maraのみ。彼女は視線をそらさない。セリフなし。環境音：廊下の時計の音。
各ショットで「しないこと」に注目してください。途中で構図を変えるショットはなく、2つの動作を含むショットもなく、セリフのないショットはその旨を明記しているため、不要な発話が生成されることがありません。こうした習慣は、カットのないテイクよりもこのファミリーで重要です。カットこそがレンダリングの骨格になるからです。
カットをショットリストに書き込む
セグメント内のショットはまとめてレンダリングされるため、ショット間のカットはエディターではなく生成時に作成されます。新しいショットは新しい構図へのカットとして扱い、クローズアップにカット：やワイドショットにカット：のように明記してください。連続する2つのショットに同じ人物が登場する場合は、構図かアングルを変えてください。そうしないと、つなぎ目が飛び跳ねたように見えてしまいます。
逆も同様です。カメラを1つの対象に固定したい場合は、1つの長いショットとして必要な秒数を割り当ててください。カットに対応しているからといって、わざわざ細かくショットを分割する必要はありません。1つの固定ショットは、動作を途切れさせないための方法でもあります。見せ場全体が15秒に収まらない場合は、上限の長いファミリーにシーンを移すことを検討しましょう。
セリフは短く、1ショットにつき話者は1人にする
このファミリーでは、セリフと環境音はすべての生成に含まれます。サイレントモードはないため、セリフのないショットはモデルに推測させるのではなくセリフなしと明記してください。2人が話す場合は、やり取りを1つの長いセリフにまとめるのではなく、各セリフを別のショットに割り当て、リアクションを次のショットにしましょう。短い文の方が、ミスが生まれにくくなります。
執筆前にリファレンスを計画する
H3セグメントで最も多い不満点はここです。そしてそれはプロンプトの問題ではなく、単なる計算の問題です。1セグメントにつき最大9枚の画像と3つの音声クリップ（音声の合計は約14秒）が使用でき、音声クリップは画像とセットで添付されている場合にのみ機能します。セグメントの要求がこの上限を超えると、サイトは重要度の低いリファレンスから順に除外します。そのためよくある症状はエラーではなく、声が変わったり小道具の設定画が反映されなかったりすることです。
そのため、予算に合わせてセグメントを書きましょう。画面に登場する人物だけを指定してください。話者が4人いるシーンは音声が1つ足りません。2つのセグメントに分割するか、余分な話者はデリバリーノートの記述から音声が生成されることを許容してください。群衆の顔1つひとつに設定画は必要ありません。群衆は文字で説明し、画像はカメラが捉える主要人物に使いましょう。このファミリーのリファレンス仕様は各プランのページに記載されており、MiniMax H3 とその独自ルールに完全な一覧があります。
このシーンを別のファミリーで書くべきケース
1つの動作を15秒以上途切れさせずに続ける必要がある場合や、キャストが多すぎて全員の設定画が必要な場合は、上限が長くリファレンス予算に余裕のあるファミリーが適しています。Wan ステップと Seedance 2.5 プランは、1回の生成で最大30秒、最大10枚の画像と5つの音声クリップに対応しています。比較表はMiniMax H3 を Wan より選ぶべきときに、Seedance 2.5 との比較はSeedance 2.5 対 MiniMax H3に記載されています。
よくある質問
このサイトでMiniMax H3のプロンプトはどう書けばいいですか？
自由形式のプロンプトではなく、絵コンテにカットごとに記述していきます。マーカーと秒数、構図とカメラ、登場人物、動作、セリフ、環境音です。各カットの秒数を合計した長さが1回の生成単位となり、MiniMax H3とMiniMax H3 Fastでは最長15秒まで生成できます。
1つのMiniMax H3セグメントに複数のカットを入れられますか？
はい。1つのセグメント内のカットは1回の生成の中でつなげられるので、やり取りとそのリアクションを1本のレンダリング結果として受け取れます。各カットは新しい構図への切り替えとして記述し、秒数の合計が合うように調整してください。
このファミリーのセグメント間で声が変わってしまうのはなぜですか？
多くの場合、リファレンスの容量上限が原因です。1つのセグメントで使用できるのは画像9枚と音声クリップ3つまでで、それを超えると優先度の低いリファレンスから除外されます。セグメント内の登場人物を減らすか、セグメントを分割してください。
MiniMax H3 FastはMiniMax H3と同じカット構成を使えますか？
はい。MiniMax H3 Fastは低解像度・低価格の下位モデルで、セグメントの上限長、音声、リファレンスの制限は同じです。1秒あたりのクレジット消費はMiniMax H3が25クレジットなのに対し16クレジットなので、一方で作成したカットリストはそのままもう一方でレンダリングできます。
どういう場合に長めのテイク用に書くべきですか？
1つの途切れないアクションに15秒以上必要な場合、または登場人物に9枚以上の画像が必要な場合です。どちらも、そのシーンを上限の長いファミリーに移す理由になります。
2026年10月14日更新
料金プラン·ガイド·サンプル·代替ツール·回答·サポート·プライバシーポリシー·利用規約·法的情報·お問い合わせ·アフィリエイトプログラム·© 2026 SceneMixer