H3 Max プロンプトガイド：MiniMax H3 動画プロンプトの書き方
H3 Max のプロンプトは、1つのショットを時間の流れに沿って書くのが基本です。画面に何が映り、何が起こり、カメラがどう動き、何が聞こえるか。 当サイトでは、普通の文章で書けば十分です。生成前にプロンプトが自動で H3 向けの詳しい形式に書き換えられるためです。カット割りやセリフ、音楽まで細かく指定したい場合は、MiniMax 公式のプロンプトガイドの構造を使います（後半で解説）。
すぐに使える例文を探している場合は、H3 Max プロンプト集30選をご覧ください。
基本の型
次の順番で、1〜4文で書きます。
- 被写体 — 画面に映る人や物。年齢、服装、色、素材など大事な特徴を添えます。
- 動き — 動画の始まりから終わりまでに起こること。
- カメラ — ゆっくり寄る、横に並んで追う、など動きを1つに絞ります。
- スタイルと光 — 実写、3DCG、水彩風など。夕暮れ、ネオン、曇り空など。
- 音 — 環境音、動作の音、音楽。H3 は映像と同時に音も生成するので、音も書きましょう。
Live-action, cinematic. A cyclist in a yellow rain jacket rides through a narrow cobblestone street at dusk, splashing through puddles. The camera tracks alongside her at slow speed. Wet tires hiss on stone, a church bell rings in the distance, soft piano plays underneath.プロンプトは日本語でも入力できますが、英語のほうが結果が安定しやすい傾向があります。
当サイトでのプロンプトの扱い
H3 は、動画の内容を細かく構造化した長い説明を前提にしています。MiniMax のホスト版も fal.ai も、短いプロンプトを生成前にそうした説明へ書き換えます。h3maxvideo.net では、すべてのプロンプトが fal の balanced モードで自動拡張されます（約1秒）。
つまり：
- 短いプロンプトでも大丈夫。 書いた内容に沿って細部が補われます。
- あいまいより具体的に。 補えるのは書いた内容の範囲だけです。「犬が浜辺を走る」だけだと、犬種・光・カメラ・音はおまかせになります。
- 正確に残したい言葉は引用符で。 セリフや画面内の文字は引用符で囲むと、言い換えられにくくなります。
- 最大2,000文字まで入力できます。
MiniMax 公式のプロンプト構造
MiniMax の動画プロンプト作成ガイドは、書き換え後に H3 が受け取る形式を説明しています。項目は3つです。
| 項目 | 書く内容 |
|---|---|
integrated_multimodal_description | 本文。スタイル、構図、被写体、動き、カメラワーク、カット、話者、セリフ、画面内の音を時系列で |
overall_soundscape | 動画全体の環境音・動作音・声以外の人の音（風、足音、息づかい）を1〜4文で |
non_diegetic_music | 登場人物には聞こえない BGM を1〜3文で。楽器、テンポ、リズム、音量の変化。なければ N/A |
この構造での短い例：
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a medium shot frames an elderly watchmaker at a cluttered workbench under a single desk lamp. The camera pushes in with small amplitude at slow speed as he lifts a tiny gear with tweezers and fits it into an open pocket watch. The watchmaker with a low, gentle voice (S1) says: <d>[English] Almost there.</d> [Shot 2] At 00:04.000, the camera cuts to a close-up of the watch hands starting to move.
overall_soundscape: A quiet workshop hum with the faint ticking of several clocks. Metal tweezers click softly against brass, followed by a small mechanical snap.
non_diegetic_music: Slow solo cello with long sustained notes, fading out at the end.このようなプロンプトをそのままジェネレーターに貼り付けることもできます。ただし自動拡張でそのまま使われるか調整されるかは保証されないため、「細かい指示を伝える方法」と考えてください。
カメラワーク：動きの種類・幅・速さ
公式ガイドでは、カメラワークを最大3つの要素で表します。動きの種類、任意の幅（with small amplitude 小さく / with large amplitude 大きく）、任意の速さ（at slow speed ゆっくり / at fast speed 速く）です。普通の動きでよければ、幅と速さは省略します。
| 動き | カメラの動作 |
|---|---|
| Push in / Pull out | 前進して寄る / 後退して引く |
| Zoom in / Zoom out | 位置はそのままで画角を変える |
| Pan left / Pan right | その場で左右に振る |
| Truck left / Truck right | 横に平行移動する |
| Tilt up / Tilt down | その場で上下に振る |
| Pedestal up / Pedestal down | そのまま真上 / 真下に移動する |
| Arc shot | 被写体の周りを回り込む |
| Tracking shot | 動く被写体を追いかける |
| Static shot | 完全に固定 |
| Shake slightly / strongly | 手持ち風の揺れ |
| POV | 被写体の主観視点 |
| Roll clockwise / counterclockwise | レンズ軸を中心に回転する |
文末にラベルを並べるのではなく、文の中で動きとして書きます。
The camera pans right with large amplitude at fast speed, revealing a crowded night market.ショットとカット割り
- 5〜10秒の動画なら、たいてい1ショットで十分です。 距離や角度を少し変えるだけなら、カメラワークで表現します。
- カットは新しい情報があるときだけ。 新しい場所、被写体、視点、時間など。
- ショットに番号を付け、カットの時刻を書く。 最初のショットには時刻を付けず、2つ目以降は
[Shot 2] At 00:03.500, the camera cuts to …のように始めます。時刻は順に増え、動画の長さ以内に収めます。
セリフ・ナレーション・画面内の文字
- 話者には固定の ID を付けます。
(S1)、(S2)のように。声の特徴（年齢、性別、高さ、話す速さ、なまり）は最初に1回書きます。 - 話す言葉は
<d>[Japanese] …</d>で囲み、先頭に言語タグを付けます。中の言葉はそのまま発話されるので、翻訳しないでください。 - ナレーション（画面外の声） は
says in an off-screen voiceoverと書き、その人物の口が閉じたままであることも書き添えます。 - 画面内の文字（看板、ラベル、字幕）はダブルクォーテーションで囲み、原文のまま書きます：
a neon sign reading "営業中"。
The barista with a bright, fast voice (S1) says: <d>[Japanese] お待たせしました、オーツラテです！</d>音と音楽
- 効果音・環境音 は本文か soundscape に書きます：窓に当たる雨、砂利を踏む足音、ドアが閉まる音。
- 登場人物にも聞こえる音楽（路上ミュージシャン、ラジオなど）はシーンの一部なので本文に書きます。
- BGM は気分を表す言葉ではなく、楽器とテンポで書きます。「感動的な音楽」より「ゆっくりしたピアノと柔らかい弦楽器」。
- 無音にしたい場合 は、音楽なし・音なしとはっきり書きます。
画像から動画のプロンプト
画像から動画では、見た目は画像が決めてくれます。言葉は「動き」に使いましょう。
- 最初のフレームだけ： 画像に写っている状態から書き始め、動きの始まり・展開・結末を書きます。人物、服装、色、配置は写真と同じに保ちます。
- 最初と最後のフレーム： 2枚の画像の「間」の動き（被写体の動き、ポーズや構図の変化）を書き、1つの連続したショットにします。2枚の画像の内容を改めて説明する必要はありません。
The woman in the photo turns from the window, picks up the coffee cup from the table and walks toward the camera, smiling. The camera pulls out slowly to keep her in frame. Soft footsteps on wooden floor, a cup clinks on a saucer.よくある失敗
| 失敗 | 改善 |
|---|---|
| 5秒の動画にアイデアを詰め込みすぎる | 1ショット・メインの動き1つ |
| 「cinematic, epic, 4K, masterpiece」 | スタイル、光、カメラの動きを具体的に |
| 文末にカメラのラベルを並べる | 文の中で動きとして書く |
| BGM を気分の言葉で書く | 楽器、テンポ、音量の変化で書く |
| 音を書かない | 環境音、動作音、音楽を書く |
| 話させたいセリフを翻訳してしまう | 話させたい言語のまま、正確に書く |
安く試すコツ
まずは H3 Max Turbo で 480P・5秒 の下書きを作りましょう。消費クレジットは H3 Max の半分です。動きと音が決まったら、H3 Max の768Pか1080Pで仕上げます。クレジットの目安は料金をご覧ください。
よくある質問
公式の構造化フォーマットで書く必要はありますか？ いいえ。当サイトではプロンプトが自動で拡張されるので、普通の文章で十分です。カット割り、セリフ、音楽を正確に指定したいときに役立ちます。
H3 Max のプロンプトは何文字まで書けますか？ 当サイトのジェネレーターでは最大2,000文字です。1ショットなら、明確な文が1〜4文あれば十分なことがほとんどです。
日本語でプロンプトを書いてもいいですか？
はい。ただし英語のほうが結果は安定しやすい傾向があります。日本語で話させたいセリフは、日本語のまま [Japanese] の言語タグを付けて書いてください。
プロンプトの一部が無視されるのはなぜですか？ 多くの場合、1本の動画に詰め込みすぎています。1ショット・メインの動き1つに絞るか、動画を長くしてみてください。
プロンプトの例はどこで見られますか？ H3 Max プロンプト集と、手順を解説した H3 Max の使い方をご覧ください。
参考資料：MiniMax H3 動画プロンプト作成ガイド、fal.ai の H3 Max API ドキュメント。最終更新日：2026年10月1日。
h3maxvideo.net は独立したサイトであり、MiniMax および fal.ai とは提携関係にありません。