MiniMax: Hailuo 2.3

MiniMax: Hailuo 2.3 は MiniMax の動画生成モデルで、api14 の video カテゴリに掲載されています。書かれた説明と参照用の静止画から短い動画クリップを作るために作られており、MiniMax の生成メディアモデル群の中の Hailuo 系に位置します。既存の動画を編集するのではなく、プロンプトから動く映像を生成する必要がある製品であれば、これはカタログ項目が示す種類のモデルです。

このモデルはテキストと画像を入力として受け取り、出力として動画のみを返します。つまり、主に 2 つのワークフローがサポートされます。プロンプトだけが結果を導く text to video と、静止画を開始点として使う image to video です。出力は 1080p、16:9 のアスペクト比で生成され、クリップの長さは 6 秒または 10 秒です。image-to-video の実行では、参照フレームとして first frame image を指定できます。音声生成はこのモデルの対象外なので、必要な音は後段で追加する必要があります。この項目にはコンテキスト長は記載されていません。

これらの機能は、かなり特定的なタスク群に対応します。マーケティングやソーシャルのチームは、スクリプトの一行や製品写真から 16:9 の短いスポットを生成できます。ストーリーボードやプリビジュアライゼーションの作業では、コンセプトフレームを 1080p の 6 秒または 10 秒のビートに動かせるため、image-to-video の経路が役立ちます。ゲームやアプリの開発者は、撮影なしでループ用またはトランジション用の映像を作れます。クリップは短く、音声も生成されないため、このモデルはショット単位の制作に向いており、単体で長編を組み立てる用途には向きません。

api14 の OpenAI 互換 API を通じて、モデル id "minimax/hailuo-2.3" を使って呼び出します。サポートされるリクエストパラメータは max_tokens、temperature、top_p なので、ゲートウェイ上の他のモデルと同じようにサンプリング挙動と出力長を調整できます。スキーマが OpenAI 形式に従っているため、既存のクライアントライブラリやコードパスは、通常はモデル id、プロンプト、必要に応じて参照画像を変えるだけで動作します。この項目では maxOutput が 0 と記載されており、解像度、アスペクト比、長さ、first-frame 入力の固定設定は、追加パラメータではなくモデル自身の設定から来ている点に注意してください。

ここにはコンテキスト長の記録はなく、音声トラックも生成されません。映像と一緒に音声も生成する必要がある場合は、別のモデルの方が適しています。作業が長編動画である場合、16:9 以外のアスペクト比が必要な場合、または 1080p を超える解像度が必要な場合、このモデルに記載されたオプションでは対応できません。プロンプトまたは開始フレームから作る、短く無音の 1080p クリップであれば、直接適合します。