『動画の中の日本語の看板が、いつもぐちゃぐちゃになる』
これはAI動画生成で多くの方がずっと諦められてきたところです。私自身も、これまでの当サイトでの検証の中で、いろいろなモデルを使ってきましたが、ほぼほぼどんなモデルを使っても、例外なく読めない字を出してきました。
ところがMiniMax H3で、提灯の「ラーメン」が正しく書けました。
しかも解像度は2560×1440の2Kで動画が生成されました。当サイトでこれまで測った動画はすべて1080pまでで、2Kは初めてです。
ただし1本160クレジット（約528円）と高額でした。実測値をそのまま置いておきます。
同じ開発元のHailuo AIはHailuo AIを実際に使ってレビューにまとめています。
結論：2K解像度で日本語の看板が読める
MiniMax H3を動画生成してみた結果を以下にまとめておきます。
| 項目 | 実測値 |
|---|---|
| 解像度 | 2560×1440（2K） |
| 尺 | 5.17秒（設定は5s） |
| ビットレート | 6,498kbps |
| ファイルサイズ | 4.20MB |
| 音声 | ステレオ48kHz（実効値0.016・ピーク0.268） |
| 生成時間 | 213秒（約3分半） |
| 消費クレジット | 160（定価320の50%off・約528円） |
| 日本語の看板文字 | 正しく描けました |
管理人がこれまで測ってきた動画モデルは、すべて1080pが上限でしたが、MiniMax H3は2K解像度で動画生成することができました。
さらに驚いたのが、提灯に書かれた「ラーメン」が、読める日本語になっていました。これも動画では初めてです。
作例：日本語プロンプトで生成
今回の検証では、入力プロンプトを英語に翻訳することはせず、日本語のまま入力してみました。
プロンプト（全文）
夜の路地裏にある小さなラーメン屋台。年配の店主が鍋を振ると湯気が立ちのぼる。提灯が揺れ、雨に濡れた路面にネオンが反射する。カメラはゆっくり前へ寄る。
実際の出力：2560×1440／5.17秒／6,498kbps／4.20MB
消費160クレジット（約528円）／所要213秒
実際に生成された動画について、プロンプトの指示内容を分解して、反映されたかを確認してみました。
| 指示した要素 | 結果 |
|---|---|
| 夜の路地裏 | ○ |
| 小さなラーメン屋台 | ○ |
| 年配の店主が鍋を振る | ○ |
| 湯気が立ちのぼる | ○ |
| 提灯 | ○（「ラーメン」の文字つき） |
| 雨に濡れた路面のネオン | ○ |
| カメラがゆっくり前へ寄る | ○ |
上記の結果の通り、プロンプトで指定した7つ要素すべて反映されました。カメラワークの指示まで通っているのは、コマを順に見ると分かります。奥の路地から始まって、最後は店主の手元まで寄っています。
コマを並べるとカメラの動きを確認
0.2秒・1.3秒・2.6秒・3.9秒・5.0秒のコマを抜き出しました。
路地の奥から始まり、屋台に近づき、最後は鍋を振る店主の手元まで寄っています。「カメラはゆっくり前へ寄る」という指示がそのまま出ています。
そしてどのコマでも提灯の「ラーメン」が崩れていません。カメラが動いて角度が変わっても字が保たれるのは、なかなか見ないところです。
この日本語の「ラーメン」という文字が崩れていないのは本当にすごいことです。これまでの動画生成AIモデルではほぼほぼ確実に日本語が崩れてましたからね。
日本語の看板が書けたのは動画では初
当サイトでは、同じ題材で複数のモデルを測ってきました。日本語の文字がどうなったかを並べます。
| モデル | 種類 | 日本語の看板文字 |
|---|---|---|
| MiniMax H3 | 動画 | 「ラーメン」が崩れず出力 |
| GPT Image 2 | 画像 | 「ラーメン」「中華そば」が崩れず出力 |
| Midjourney V8.1 | 画像 | 4枚中1枚だけ崩れず出力 |
| Midjourney v7 | 画像 | 8枚すべて崩れました |
| Recraft v3 | 画像 | 日本語が完全に崩れた |
| Ideogram v2 Turbo | 画像 | 日本語が完全に崩れた |
画像ではGPT Image 2だけが書けていました。動画で成功したのはMiniMax H3が初めてです。
日本の街並みを動画で作りたい場合、看板の文字が読めるかどうかは仕上がりを大きく左右します。ここに160クレジットを払う価値があるかは、作るものによります。
他の動画モデルと並べるとの徹底比較
Pollo AIで使える動画モデルについて、必要クレジット数と解像度を以下にまとめておきます。
| モデル | 消費 | 概算 | 解像度 | 音声 |
|---|---|---|---|---|
| Wan 2.7 | 6 | 約20円 | — | あり |
| Vidu Q2 | 10 | 約33円 | 1280×720 | なし |
| Runway Gen-3 | 40 | 約132円 | 1280×768 | — |
| Kling 2.6 | 48 | 約158円 | 1080p | あり |
| Veo 3 Fast | 100 | 約330円 | 1920×1080 | あり |
| Veo 3 | 120 | 約396円 | 1920×1080 | あり |
| MiniMax H3 | 160 | 約528円 | 2560×1440 | あり |
| Veo 2 | 180 | 約594円 | 720p | — |
MiniMax H3は上から2番目に高いモデルです。Wan 2.7の約27倍、Vidu Q2の16倍します。
ただし解像度は唯一の2Kで、他はすべて1080p以下でした。値段だけを見て切り捨てると、2Kという選択肢がなくなります。
なお表示価格は定価320クレジットに50%offがかかった状態です。キャンペーンが終われば320クレジット（約1,056円）になる可能性があります。そうなると、さすがに使いどころは限られます。
音は微妙。。
MiniMax H3の出力には音声トラックが入っていました。無音のダミーではないかを、ブラウザのWeb Audio APIで復号して確かめています。
| モデル | チャンネル | サンプルレート | 実効値(RMS) | ピーク |
|---|---|---|---|---|
| MiniMax H3 | 2（ステレオ） | 48kHz | 0.016 | 0.268 |
| Veo 3・英語 | 2（ステレオ） | 48kHz | 0.057 | 1.021 |
| Veo 3 Fast・8秒 | 2（ステレオ） | 48kHz | 0.103 | 0.990 |
音は入っていますが、Veo 3系と比べるとかなり控えめです。実効値でVeo 3 Fastの6分の1ほどでした。
また、定性的に実際に先ほどの動画を音付きで再生してみるとわかるのですが、謎の包丁で食材を切る音が入っていて、動画とはあまりマッチしていませんでした。
もし、雨音や鍋の音を主役にしたい場合は、Veo 3系のほうが向いていると思います。MiniMax H3の音は、映像に添える程度と考えておくのが無難です。
MiniMaxは開発元で、Hailuo AIがサービスという棲み分け
MiniMaxは開発元の名前で、Hailuo AI（海螺AI）はそこが出している動画生成サービスです。Pollo AIのモデル一覧にも、両方の名前が別々に並んでいます。
- MiniMax H3：今回測ったモデル。160クレジット・2K
- Hailuo AI：同じ開発元の動画モデル群（Hailuo 02、Hailuo 2.3 Fastなど）
Hailuo AIのほうは以前に測っていて、モデル別・設定別の消費クレジットをまとめてあります。同じ開発元でも価格帯はまったく違いますので、うまく違いを理解し使い分けることが重要です。
本記事で検証できなかったこと
今回の検証記事の中で、検証できなかったことを以下にまとめておきます。
- 動画を1本だけ生成：AI動画は同じプロンプトでも毎回変わりますので、「日本語の看板が必ず書ける」とまでは言えません。1本で成功したという事実までです
- 英語プロンプトでは未検証：日本語で7要素すべて通ったため、比較の必要を感じませんでした
- 設定を変えた場合の価格は未計測：今回は既定の5秒・2K・16:9のままです。尺や解像度を変えると値段が変わる可能性があります
- Hailuo AIの各モデルとの画質比較は未実施：同じ開発元ですが、今回はMiniMax H3単体の測定です
- 価格は変動：2026年7月30日にPollo AIの生成クレジットが全体的に4倍になった実績があります。実際の額は必ず生成ボタンの表示で確認してください
もし追加で検証してもらいたい内容等がございましたら、お気軽にコメントにてお知らせください。
よくある質問（FAQ）
最後に MiniMax に関してよくある質問を以下にまとめておきます。
MiniMaxとは何ですか？
中国のAI開発企業で、動画生成サービス「Hailuo AI（海螺AI）」の開発元です。MiniMax H3はそこが出している動画生成モデルで、Pollo AI経由で使えます。名前が2つあって紛らわしいのですが、MiniMaxが会社名、Hailuoがサービス名という関係です。
MiniMax H3は1本いくらですか？
2026年8月1日時点で、5秒・2K・16:9の設定で160クレジットでした。ウルトラプラン換算で約528円です。ただしこれは定価320クレジットに50%offがかかった状態ですので、キャンペーンが終われば約1,056円になる可能性があります。
解像度はどれくらいですか？
2560×1440の2Kでした。管理人がこれまで測った動画モデルはすべて1080pが上限でしたので、2Kが出てきたのはMiniMax H3が初めてです。
日本語プロンプトは通りますか？
通りました。翻訳せず日本語のまま入れて、指示した7要素（夜の路地裏・ラーメン屋台・店主が鍋を振る・湯気・提灯・雨に濡れた路面のネオン・カメラが前へ寄る）がすべて反映されました。カメラワークの指示まで通っています。
動画の中に日本語の文字を出せますか？
今回の1本では出せました。提灯に書かれた「ラーメン」が読める字になっていて、カメラが動いて角度が変わっても崩れませんでした。管理人が測った範囲で、動画で日本語の看板文字が正しく描けたのはMiniMax H3が初めてです。ただし1本での結果ですので、毎回できるとは限りません。
まとめ
MiniMax H3 を実際に使って動画を生成し、驚いたことが2点あります。
- 解像度の高さ：
これまで多くの動画生成モデルは 1080p までの対応でしたが、MiniMax H3 ではデフォルトで 2560 × 1440 の 2K 画質で動画を生成することができました。 - 文字（特に日本語）の再現性：
動画の中に出てくる文字、その中でも特に日本語が、崩れることなく読める状態で正しく出力されました。今回の検証では、提灯に書かれた「ラーメン」という文字がしっかり読める形で生成されております。
画像生成においても、日本語の文字をうまく出力できるのは GPT Image 2 など一部のモデルに限られていたため、動画でこれが実現できた MiniMax H3 は本当にすごいモデルだと考えております。
また、文字だけでなく MiniMax H3 の生成する動画のクオリティも素晴らしいものでした。
日本語プロンプトも翻訳なしで7要素すべて通り、カメラが前へ寄るという指示まで反映されました。
一方で値段は160クレジット（約528円）と、管理人が測った動画モデルの中で上から2番目の高さです。
Wan 2.7の約27倍、Vidu Q2の16倍であり、普段から常用するモデルとしての利用は難しいでしょう。
使い分けとしては、試作はWan 2.7やVidu Q2で数をこなして、日本語の看板が要る仕上げの1本だけMiniMax H3で動画生成するという使い分けが良いでしょう。
1本528円は毎回押せる金額ではありませんので、そこを割り切って使うモデルだと思います。
30以上のモデルを1つのアカウントで
Kling・Veo・Soraを個別に契約しなくても、Pollo AIならまとめて試せます。管理人もプロプラン（月額$29）で検証しています。
※広告リンクです。ここから登録いただくと管理人のお財布が少しあたたまり、次の検証の課金代になります。もちろんみなさんの料金は変わりません。
コメント