話題のMiniMax H3を今すぐ使う7つの方法【グラボなし・Colab不要でもOK】

2026年8月3日、動画生成AIの世界がひっくり返りました。

中国のMiniMax社が、動画生成モデル「MiniMax H3」を「オープンウェイト」としてHugging Faceで無料公開したんです。

オープンウェイトとは？

聞き慣れない言葉だと思うので、先に説明しておきます。

AIモデルの本体は「ウェイト（weights）」と呼ばれる巨大なデータファイルです。学習が終わったAIの頭脳そのもの、と思ってください。オープンウェイトとは、このモデル本体ファイルを誰でもダウンロードできる形で公開することを指します。

ChatGPTのようなサービスは、AIを「サーバー越しに使わせてもらう」だけで、本体は手に入りません。オープンウェイトは本体が手に入るので、自分のPCやクラウドで直接動かせます。つまり

・API利用料を払わなくていい

・生成回数の制限がない

・サービス側の規制やフィルタに縛られない

これが「オープンウェイト」の破壊力です。

これがどれくらい大事件かというと

・最大2K解像度、最長15秒の動画を生成できる

・映像とステレオ音声を「同時に」生成する（セリフ、効果音、BGMが最初から入っている）

・画像から音声つき動画を作るタスクのベンチマークで世界3位（1位Seedance 2.0、2位Gemini Omni Flash）

・それが、自分のPCやクラウドで動かせる。API利用料ゼロで

発表直後、MiniMaxの親会社の株価が香港市場で10%以上跳ね上がったというニュースもありました。市場が動くレベルの発表だったということです。

ただ、Xを見ていると、盛り上がりの一方で戸惑いの声も本当に多い。GPUのスペックが足りるのか分からない。クラウドで動かす方法にピンと来ない。導入を試みたもののエラーで先に進めない。

わかります。オープンウェイトのモデルは「無料で使える」と「簡単に使える」がまったく別物なんですよね。

この記事では、MiniMax H3を使うための方法を「全パターン」まとめました。ローカルPC、Google Colab、GPUクラウド、公式API、サードパーティのAPI、ノーコードのWebサービスまで。あなたの環境と予算に合わせて、どれか一つは必ず選べる構成にしています。

長い記事ですが、目次から自分に合いそうなところだけ読んでもらってもOKです。

第1章 MiniMax H3とは何者か

まず基本情報を整理します。

MiniMax H3は、2026年7月31日に発表され、8月3日（中国時間）にオープンウェイトとしてHugging Faceで公開された動画生成モデルです。Hailuo 3.0、Hailuo 03と呼ばれることもあります。

スペックをまとめると

・出力は5〜15秒、24fps、最大2K解像度

・32kHzのステレオ音声を映像と同じ推論パスで同時生成

・テキスト、画像、動画、音声を混ぜて入力できるオムニモーダル設計

・参照素材は画像、動画、音声あわせて最大12点まで渡せる

・テキストから動画（T2V）、先頭末尾フレーム指定（FL2VA）、参照素材からの生成（Ref2VA、R2V）、既存映像の一部だけを差し替えるインプレース編集、参照動画からカメラワークや編集リズムを抽出して別素材に適用するモーション転送まで、1つのモデルでこなす

特に革命的なのが「音声の同時生成」です。

従来の動画生成AIは、映像を作ってから音を別工程で乗せるのが普通でした。H3は映像と音声を同じ生成工程の中で一緒に作るので、口の動きとセリフ、動きと効果音のタイミングが最初から合っています。ポスプロで音を合わせる作業が丸ごと消えるわけです。

プロンプトの中で「ここでドアの音」「ここからBGM」と指定すれば、その通りのタイミングで音が入る。これは触ってみると感動します。

第2章 オープンウェイトだと何が変わるのか

冒頭で説明した通り、オープンウェイトはモデル本体が手に入ります。これが実際の運用でどう効いてくるかというと

・自分のGPUで動かせば生成コストは電気代だけ

・生成回数の上限なし

・サービス側の混雑や規制変更に振り回されない

・自動化パイプラインに組み込んでも従量課金が発生しない

特に4つ目。APIコストがかからないというのは、量産や自動化をやる人間にとっては死活問題レベルで大きい。1本あたり数十円〜数百円のAPI課金は、100本、1000本と作る世界では普通に数万〜数十万円の差になります。

ただし、注意点もあります。ここを書かない記事が多いので、あえて詳しく書きます。

第3章 ライセンスの注意点（ここ重要）

H3はMiniMax H3コミュニティライセンスという独自ライセンスで公開されています。ポイントは以下。

1 商用利用は可能。ただしライセンス表記が必要

2 年間売上が2,000万ドル（約31億円）を超える企業は、MiniMaxの事前の書面許諾が必要

3 EU、英国、韓国、米国はライセンスの適用地域外。これらの地域での利用は別途MiniMaxへの相談が必要

4 生成物を他のAIモデルの学習に使うのは禁止

5 AI生成であることを明示せずに公開するのは禁止

面白いのは3番です。ロサンゼルスの開発者はダウンロードできず、東京の開発者はできる。日本は除外地域に入っていないので、我々は普通に使えます。こういう地政学的な事情がAIモデルのライセンスに現れる時代になりました。

あと「無検閲」という点について。たしかにローカルで動かす場合、APIサービスのようなコンテンツフィルタはかかりません。ただし上記の通りライセンス上の禁止事項はありますし、生成物の公開には当然、各プラットフォームの規約や法律が適用されます。自由と無法は別物なので、そこは大人の運用で。

第4章 使う方法の全体マップ

ここから本題です。H3を使う方法を大きく分けると7つあります。

方法1 ローカルPCで動かす（ComfyUI）

方法2 Google Colabで動かす

方法3 GPUクラウドを借りて動かす（RunPodなど）

方法4 MiniMax公式APIを使う

方法5 サードパーティのAPI経由で使う（fal、RunComfyなど）

方法6 ComfyUIのAPIノード、Comfy Cloudで使う

方法7 ノーコードのWebサービスで使う（Hailuoアプリなど）

ざっくり言うと、1〜3が「ウェイトを自分で動かす＝生成コストほぼゼロ」の世界、4〜7が「ホストされたものを使う＝手軽だが従量課金」の世界です。

順番に見ていきます。

第5章 方法1 ローカルPCで動かす

一番ロマンがあって、一番ハードルが高い方法です。ただしH3は「思ったより低いスペックで動く」ことが公開直後から報告されていて、ここが今回の祭りの中心になっています。

必要な環境の目安

・ComfyUI 0.30.0以上（これが最重要。古いバージョンだとH3のノードが認識されません）

・VRAM 12GB以上（快適に使うなら16GB以上、検証報告が多いのは24GBクラス）

・メインメモリ（RAM）64GB以上推奨。VRAMに載りきらない分をRAMにオフロードして動く仕組みのため

・ディスク空き容量 約40GB（R2Vも使うなら約60GB）

・NVIDIA GPU。CUDAは新しめのスタック（cu130系）が前提で、古いと大幅に遅くなる報告あり

なぜ12GBで動くのか

本家リポジトリのフル精度（BF16）モデルは合計288GBもあり、これはマルチGPUのサーバー前提のサイズです。個人のPCで扱えるサイズではありません。

そこでComfyUI公式（Comfy-Org）が量子化版を用意しました。モデルの約40%を占める変調層をルックアップテーブルに置き換え、int8量子化とカスタムカーネルを組み合わせることで、最小構成のメモリ使用量を123.6GBから42.5GBまで66%削減。さらに動的VRAMオフロードを併用することで、RTX 3060クラスのGPUでも動作しうるところまで持ってきています。

ローカルで動かすなら、この Comfy-Org 版一択です。本家のdiffusers形式は自分でワークフローを組む上級者向けと考えてください。

実際の動作報告

・RTX 4070（VRAM 12GB）で5秒動画が6分強、10秒動画が16分程度という報告

・RTX 4090（VRAM 24GB）では、設定を詰めれば5秒動画が70秒程度、15秒フル尺の音声つき動画が約10分という報告

・ただしVRAM 12GB環境はかなりギリギリで、RAM 64GB以上をほぼ前提とした構成

制約もあります

・ローカルで生成できるのは基本768p（短辺768px）まで

・2K出力を担うアップスケール部分（H3-Regenerate-2K）はウェイトが公開されておらず、公式のホスト型APIのみで提供

つまり「ローカルは768pで回して、決めカットだけ2K化はクラウドで」というハイブリッド運用が現実解になります。

導入手順の概要

1 ComfyUIを0.30.0以上に更新する（デスクトップアプリの更新ではコアが古いまま残ることがあるので、git cloneで最新コアを取ってくるのが確実）

2 ComfyUIのテンプレートライブラリからT2V、I2V、R2Vの公式ワークフローを開く

3 ワークフロー内の案内に従って、拡散モデル、テキストエンコーダ、映像VAE、音声VAEの各ファイルをダウンロードし、指定のフォルダに配置

4 まずは小さめの解像度と短い尺（960x544、5秒程度）で1本生成して動作確認

5 動いたら解像度と尺を上げていく

ハマりどころとしては、ComfyUIのバージョン、CUDAのバージョン、音声VAEの選択漏れ（音が出ない）あたりが定番です。最初は高速化系のカスタムノードを入れず、公式ワークフローそのままで動かすのが鉄則。

向いている人

・ゲーミングPC（RTX 3060 12GB以上）を既に持っている人

・生成量が多く、ランニングコストをゼロに近づけたい人

・環境構築のトラブルを楽しめる人

なお、このローカル導入については、私自身が実際に一からセットアップして、つまずいたポイントも含めた完全手順を別記事として公開予定です。この記事の手順概要だけだと確実にどこかでハマるので、実際に導入する人はそちらを待ってからのほうが安全です。

第6章 方法2 Google Colabで動かす

「グラボはないけど、月1,000円ちょっとなら払える」という人に刺さるのがこれ。

Google ColabのL4 GPU（VRAM 24GB）でH3のローカルモデルを動かしたという報告が出ていて、コスト感としては15秒の動画（約720p）1本あたり0.23ユーロ程度、日本円で40円弱という計算が共有されています。

これがどれくらい安いかというと、同じ15秒を公式API（768p）で作ると1.20ドル、約180円。Colabの4〜5倍です。他社の同クラスのモデルのAPIと比べると8倍以上の差がつくケースもあります。

Colabのメリット

・初期投資ゼロ。ブラウザだけで完結

・Pro契約（月額課金）またはコンピューティングユニットの従量購入で使える

・壊れたら作り直せばいい。環境汚染の心配なし

デメリット

・ノートブックのセットアップに知識が要る（ここで挫折する人が多い）

・セッションが切れるとモデルの再ダウンロードが発生しがち（40GB級なので地味に痛い。Driveへのキャッシュなど工夫が必要）

・長時間の連続稼働や自動化には向かない

ノートブックに馴染みがない人には正直まだ壁があります。ただ、コスパだけ見れば現時点で最強クラスの選択肢です。

第7章 方法3 GPUクラウドを借りる（RunPodなど）

グラボを買うのではなく、時間貸しで借りる方法。RunPod、Vast.aiあたりが定番です。

Xでの試算で面白いものがありました。RunPodでRTX 5090を1時間160円程度で借りた場合、15秒動画の生成に10分かかるとして1時間で6本。1本あたり約27円。公式APIより安いという計算です。しかも部屋が暑くならない（これ、夏場は切実）。

RunPod公式もH3の解説記事を出していて、公式のComfyUIテンプレートでポッドを立てて、Hugging Face CLIでモデルを落とすだけで動くと案内しています。全量子化パターンを試すなら600GBクラスのボリュームディスクを確保しておくと安心、という規模感です。

メリット

・RTX 4090、5090、A100など、個人では買えないクラスのGPUを数百円/時で使える

・使った時間分だけの課金。使わない月はゼロ円

・環境はテンプレートで再現できるので、壊しても作り直せる

デメリット

・ポッドの起動、モデルの配置、ComfyUIの更新など、毎回の段取りがある

・ストレージを維持するなら保管料がかかる

・従量制なので「立ち上げっぱなしで寝落ち」すると財布が死ぬ

ここに、私が個人的に狙っている隙間があります。GPUクラウドはコスパ最強なのに、段取りの面倒くささで9割の人が脱落する。ならその段取りを全部パッケージ化してしまえばいい。この話は最終章で詳しく書きます。

第8章 方法4 MiniMax公式APIを使う

自分でウェイトを動かさず、MiniMaxがホストしているモデルをAPIで叩く方法。

・発表当初からAPI提供されており、ドキュメントも公開済み

・料金の目安は768pの15秒動画で1.20ドル程度という情報が共有されています

・そして最大の強みは、2K出力（H3-Regenerate-2K）が使えるのは現状ここ（と公式提携サービス）だけということ

ローカルやColabは768pまで。最終納品物として2Kが必要な案件なら、公式API（またはそれを叩けるサービス）を通すしかありません。

向いている人

・環境構築を一切やりたくない開発者

・2K解像度が必須の人

・生成本数が少なく、従量課金でも痛くない人

第9章 方法5 サードパーティのAPI経由で使う

公式以外にも、H3をホストしてAPI提供している事業者がすでに複数あります。

fal.ai

海外の生成AIインフラ大手。テキストから動画、画像から動画（先頭フレーム指定、先頭末尾フレームのペア指定）、参照素材からの生成、動画編集まで、H3の各機能がサーバーレスAPIとして用意されています。2K出力、7種のアスペクト比に対応。1回の生成に画像9点、動画3本、音声3本まで参照として渡せます。開発者がプロダクトに組み込むならここが有力候補。

RunComfy

クラウドComfyUIのサービスで、H3のAPIも提供。統一されたパラメータ形式とサンプルコードが用意されていて、非同期ジョブとしてリクエストを投げてrequest_idで結果を取りに行く方式です。

これらの共通点は「公式の出力レートに手数料が乗る」こと。手軽さと引き換えに、1本あたりの単価は自前ホストより高くなります。

第10章 方法6 ComfyUIのAPIノード、Comfy Cloud

ComfyUI使いには嬉しい話で、H3は公開初日からComfyUIが対応しました。しかも2通りの使い方があります。

1つ目は、ここまで説明してきたローカルのオープンウェイト版。

2つ目が、Partner Nodes（APIノード）。ComfyUIのワークフロー上にH3のノードを置くと、生成処理自体はMiniMaxのサーバー側で実行される方式です。モデルのダウンロードもローカルGPUも不要で、生成秒数に応じてComfy APIアカウントに課金されます。テンプレートライブラリにテキストから動画、先頭末尾フレーム、参照からの生成の3種のサンプルワークフローが入っています。

Comfy Cloud（ブラウザで動くComfyUI）でも同様に使えるので、「ComfyUIのワークフローという資産はそのまま、実行だけクラウド」という選択ができます。

ローカルの768p生成とAPIノードの2K生成を同じワークフロー文化の中で行き来できるのは、ComfyUIエコシステムの強みです。

第11章 方法7 ノーコードのWebサービスで使う

「コードもComfyUIも無理。ボタンを押したら動画が出てきてほしい」という人向け。

Hailuo（MiniMax公式アプリ）

H3はHailuo 3.0でもあるので、公式のHailuoアプリ、Webサービスから使うのが一番簡単なノーコードルートです。

Morphicなど、H3を組み込んだサードパーティのWebサービス

無料プランを用意しているところもあり、支払いなしで試し始められます。商用利用や生成量を増やしたい場合は有料プラン、という構成が一般的。

ComfyUI公式のブラウザ実行（前章参照）も、実質ここに近い手軽さです。

デメリットは、生成量あたりのコストが最も高くつくことと、サービス側のフィルタや規約の範囲内でしか生成できないこと。「まず1本作って感動する」ための入口としては最適です。

第12章 コスト比較まとめ

15秒動画1本あたりのコスト感を、現時点で出ている報告ベースでまとめます（為替や条件で変わるので目安として見てください）。

ローカルPC（自前GPU）

1本あたり 電気代のみ（数円）

初期投資 グラボ代（RTX 3060 12GBなら中古4〜5万円台から）

解像度 768pまで

Google Colab（L4）

1本あたり 約40円弱（0.23ユーロ程度の報告）

初期投資 ゼロ

解像度 720p程度

GPUクラウド（RunPod RTX 5090）

1本あたり 約27円（時間160円、1時間6本の試算）

初期投資 ゼロ

解像度 768pまで（GPU次第で高速）

公式API

1本あたり 約180円（768pで1.20ドルの報告）

初期投資 ゼロ

解像度 2K対応

サードパーティAPI（fal等）

1本あたり 公式レートに手数料が乗るイメージ

初期投資 ゼロ

解像度 2K対応

ノーコードWebサービス

1本あたり プラン次第（無料枠あり）

初期投資 ゼロ

解像度 サービス次第

数字を見れば一目瞭然で、量産するなら自前で動かす（ローカル、Colab、GPUクラウド）の3択、単発や2K必須ならAPI系、お試しならWebサービス、という棲み分けになります。

第13章 結局どれを選べばいいのか

タイプ別の結論です。

とにかく1本作ってみたい人

→ 方法7（HailuoなどのWebサービス）。5分後には動画ができています。

RTX 3060以上のゲーミングPCを持っている人

→ 方法1（ローカルComfyUI）。RAMが32GBなら64GBへの増設を検討。電気代だけで回し放題の世界へようこそ。

PCは非力だけど月数千円は出せる人

→ 方法2（Colab）か方法3（GPUクラウド）。コスパは現状この2つが最強。

アプリやサービスに組み込みたい開発者

→ 方法4（公式API）か方法5（fal等）。2Kが必要ならなおさら。

ComfyUIを既に使っている人

→ 方法1と方法6の併用。普段は768pローカル、決めカットだけAPIノードで2K。

第14章 それでも残る「最後の壁」と、私が作ることにしたもの

ここまで読んで、こう思った人が多いはずです。

「選択肢はわかった。でも、ComfyUIの更新、モデル4ファイルのダウンロードと配置、CUDAのバージョン合わせ、クラウドのポッド設定。それが無理なんだって」

そうなんです。H3は「12GBのグラボでも動く」ところまでは来た。でも「誰でも動かせる」ところまでは来ていない。オープンウェイトの恩恵が、環境構築できる一部の人にしか届いていないのが現状です。

だから私は、この環境構築を丸ごと省略できる仕組みを自分で作ることにしました。

目指している形はこうです。

・ボタンを押すとクラウド上にGPU環境が立ち上がり、H3の生成環境が全部セットアップされた状態で起動する

・ComfyUIの知識ゼロでも、プロンプトを入れれば音声つき動画が出てくる

・使い終わったら落とすだけ。かかるのはGPUの時間貸し費用のみで、API従量課金なし

・つまり量産や自動化と組み合わせても、コストが線形に膨らまない

スペックの壁も、環境構築の壁も、仕組みの側で消してしまう。私は普段からWebサービスを一人で開発して食べているので、これは自分の土俵です。開発の過程もこのnoteで公開していきます。興味がある人はフォローしておいてください。

まとめ

・MiniMax H3は2K、15秒、音声同時生成の動画モデルで、2026年8月3日にオープンウェイト公開された

・日本はライセンス適用地域内。商用利用も可能（表記義務などの条件あり）

・量子化版なら12GB VRAMのGPUでも動作報告があり、個人のPCに手が届くところまで来た

・使う方法はローカル、Colab、GPUクラウド、公式API、サードパーティAPI、ComfyUIのAPIノード、Webサービスの7パターン

・量産するなら自前ホスト、2Kが必要ならAPI系、お試しならWebサービス

・環境構築を丸ごと省略できる仕組みを自作すると決めた。開発過程もnoteで公開予定

・次回は、ローカルComfyUIへの導入手順を実践レポート形式で詳しく解説予定

↓検証しました。果たして結果は？？？
【検証】8GB VRAMの普通のPCで話題のMiniMax H3は動くのか？RTX 3050の限界に挑んだ結果

動画生成の民主化、いよいよ本番です。この波、乗り遅れないでください。

次の記事を見逃したくない人は、フォローしておいてもらえると確実です。