MiniMaxは本日、第三世代動画生成モデル「H3」をオープンウェイトとして正式公開した。同社は従来シリーズに代わる次世代アーキテクチャをリリースし、ComfyUIおよびComfy Cloudに即日対応させた。本モデルはテキスト、画像、動画、音声を統合的に処理するクロスモーダル設計を採用。2K解像度、最大15秒の動画クリップを生成する際、ステレオ音声を別プロセスではなく同一推論パスでネイティブ出力する。これにより映像と音声の同期精度が向上し、ポストプロダクション工程を廃止できる。 プロンプトで入力素材間の関係性を指定する仕組みは、生成の制御性を大幅に高めた。特にリファレンス動画からカメラワークや編集リズムを抽出し、別素材の視覚スタイルと融合させるモーション転送機能と、既存映像の特定範囲を編集するインプレイス編集は、ワークフローの反復開発を効率化する。 コンシューマー環境での実用化に向け、開発チームは重要な推論最適化を施した。モデル重みの約40％を占めるモデュレーション層を機能的に同等なルックアップテーブルに置換し、出力品質を維持しながらメモリ消費を抑制。さらにint8量子化とカスタムカーネルを統合した結果、最小バリアントのメモリフットプリントは123.6GBから42.5GBへ66％削減された。動的VRAMオフロードとの併用により、GeForce RTX 3060等のローカルGPUでの動作が可能となった。 公開ワークフローの提供はComfyUI 0.30.0以降に最適化されており、開発者やクリエイターは低コストで高度なマルチモーダル生成を実現できる。オープンウェイトの公開は、動画生成AIのオープンソースエコシステムに新たな標準を設定し、ローカル環境での実装障壁を事実上撤廃した。本モデルの登場は、次世代生成AIツールの分散型開発とクリエイティブワークフローの再構築に明確な影響を与える見込みだ。