AI活用事例読了 6 分

「お金かからない」動画生成AI、MiniMax H3にローカル勢が飛びついた理由

Shiritomo編集部 @shiritomoAI_jp 2026年8月16日更新

5秒の動画を1本つくるのに、6分かかっていたものが2分半になった——二つの設定を組み合わせただけで、です。

中国MiniMaxが公開した動画生成AI「MiniMax H3」の重みが8月上旬に無料公開されて以来、Xでは自分のPCで動かした結果を報告する投稿が相次いでいます。
クラウドの生成AIサービスに毎回課金する必要がなく、手元のGPUで何度でも試せる。
この「タダで回せる」という一点が、動画生成AIを日常的に使うクリエイターやSNS運用者の関心を集めています。

先に結論をまとめると：
– MiniMax H3はテキスト・画像・動画・音声を1つのモデルで扱い、ネイティブ2K解像度・最大15秒の動画をステレオ音声付きで生成できます
– 最大9枚の画像を参照に使えるため、同じキャラクターやモノを保ったまま別カットを作りやすい設計です
– モデルの重みが無料公開されたことで、クラウド利用料を払わずに手元のPCで試せる点がXで支持されています

MiniMax H3、公開直後からローカル勢が動いた

MiniMax H3は上海のMiniMaxが2026年7月31日に発表した動画生成モデルです。
テキスト・画像・動画・音声をひとつの文脈として扱う「オムニモーダル」設計で、8月上旬にはモデルの重みがHugging Face上で公開されました。
クラウドAPI経由でしか使えないモデルが多いなか、これは手元のPCにダウンロードして動かせるということを意味します。

公開から間もなく、ローカル環境で試した報告がXに投稿されました。

ローカルで動かせるMiniMax H3がリリースされたのでComfy UI（画像・動画生成AIをブロックのように組み合わせて動かす無料ツール）で適当に試した、お金かからないローカルの久しぶりの新しい動画生成モデルで品質も良い感じ、5090で1376×768サイズで5秒生成するのに350秒ほど——という投稿には1,300件以上のいいねが付きました。

ローカルで動かせるMiniMax H3がリリースされたのでComfy UIで適当に試した
お金かからないローカルの久しぶりの新しい動画生成モデルで品質も良い感じ
5090で1376×768サイズで5秒生成するのに350秒ほど pic.twitter.com/cACmJgg6BJ
— Hirokazu Yokohara (@Yokohara_h) 2026年8月3日

投稿者が使ったのはNVIDIAのハイエンドGPU「RTX 5090」。
それでも5秒の動画を1本作るのに約6分かかるというのが最初の実感だったようです。
ただ、この生成時間はすぐに大きく縮むことになります。

調べて分かったこと：速さと参照枚数、何が変わったのか

生成時間はどこまで縮むのか？

公開直後の報告では5秒動画の生成に約6分かかっていましたが、別のユーザーが最適化の手順を試したところ、状況は大きく変わりました。

MiniMax-H3の動画生成速度を上げたい方向けとして、EasyCache（生成過程の計算を一部省略して高速化する手法）とSage Attention（AIモデルの計算処理を軽くする技術）を組み合わせたところ、1メガピクセル・5秒の動画生成が6分から2分半に短縮された、という報告がありました。

【MiniMax-H3の動画生成速度上げたい方向け】

こちらの投稿を見て私も EasyCache + Sage Attentionを使ったら、1Mピクセル・5秒の動画生成が6分→2分半に大幅短縮されました！！ありがとうございます！

【備忘録メモ】
・EasyCacheで時間は短くなるが、どれだけ短くなるかは運次第？
・Sage… https://t.co/Yursesu78U pic.twitter.com/KuZSAafco4
— 金のニワトリ (@gosrum) 2026年8月3日

同じ5秒の動画生成が、設定の見直しだけで半分以下の時間に縮んだことになります。
ローカルで動かす場合、こうした個人の検証結果がそのままノウハウとして共有され、次の利用者の待ち時間を減らしていく構図が生まれているのが特徴です。

なぜ「9枚の参照画像」が重要なのか？

MiniMax H3の公式仕様では、画像は最大9枚、動画は最大3本、音声は最大3クリップまで参照素材として使えますが、種類をまたいで組み合わせる場合はファイルの合計数が12点までという上限があります。
動画生成AIでよくある悩みは、カットが変わるたびにキャラクターの顔や服装が微妙に違って見えてしまうことです。
参照素材を多く渡せるということは、同じ人物・同じモノの見た目を保ったまま、別アングルや別シーンのカットを作りやすいということを意味します。
SNS用の短尺動画やCM風の映像を複数カットで組み立てたい人にとっては、地味に効いてくる仕様です。

出力側の仕様も、ネイティブ2K解像度・最大15秒・24FPS・32kHzステレオ音声（会話や効果音、音楽を映像と同じ生成過程で作る）に対応しており、自然言語による指示ベースの編集にも対応しているとされています。

Shiritomo編集部の考察：ローカル実行が変える検証コミュニティの速度

今回のMiniMax H3の広がり方で興味深いのは、公式の発表そのものよりも、公開後にユーザーが投稿した検証結果のほうがXで拡散している点です。
EasyCacheとSage Attentionを組み合わせた高速化の報告は、開発元ではなく一般ユーザーの手によるものでした。

クラウド課金型のAIサービスでは、こうした「設定を変えて速くする」検証は基本的に起こりません。
運営側が提供する速度がそのまま体験になるからです。
一方、モデルの重みが公開されローカルで動かせるようになると、無数のユーザーが自分の環境で試行錯誤し、その結果がXで即座に共有されていきます。
SNS運用者やコンテンツ制作者にとっては、公式ドキュメントよりも「実際に試した人の投稿」を追いかけるほうが、実用的なノウハウにたどり着く近道になっているのが今のAI動画生成コミュニティの実情と言えそうです。