Vercelは2026年7月29日(現地時間)、AI GatewayにおいてMiniMax H3の利用を開始したと発表した。MiniMax H3は、テキストプロンプト、開始画像、最初と最後のフレームのペア、または参照素材から2K解像度のビデオを生成できる。出力はmp4形式で、長さは5秒から15秒となる。
MiniMax H3は、テキスト・トゥ・ビデオ機能とファーストフレーム・イメージ・トゥ・ビデオ機能に加え、最初から最後までのキーフレーム遷移とマルチモーダルな参照・トゥ・ビデオをサポートする。マルチモーダル参照・トゥ・ビデオでは、単一のリクエストで参照画像、ビデオ、またはオーディオに基づいて生成を条件付けできる。参照モードとキーフレームモードは相互に排他的に使用される。
出力されるビデオは2K解像度で、21:9、16:9、4:3、1:1、3:4、9:16のアスペクト比に対応し、供給された画像に適合させることも可能だ。MiniMax H3を利用するには、AI SDKでmodelをminimax/minimax-h3に設定する必要がある。
プロンプトとともに開始画像を渡すことで、モデルはその画像の縦横比に従ってアニメーションを生成する。また、参照画像、ビデオ、またはオーディオをソース素材として供給し、プロンプト内でその順序を参照することで、ビデオ出力のガイドとして使用できる。Vercelは、AI Gateway上で利用可能なすべてのビデオモデルの確認や、model playgroundでのMiniMax H3の試用を推奨している。
参考: Vercel Blog — 2026年7月30日 09:00 (JST)
原文ハイライト"multimodal reference-to-video, conditioning a generation on reference images, video, or audio"