風景ではなく絵葉書を生むプロンプト
こう書いたとします。「夕暮れの砂漠の尾根を旅人が横切る、シネマティック、美しい照明」。返ってくるのは、技術的には正しいのに、まったく動きのない映像です。彼は尾根に立っています。光は暖かい。12秒間、何も起こらず、流れてくる音も、あなたではなくモデルが選んだものです。
プロンプトが間違っていたわけではありません。時間を生成するシステムに、写真のキャプションを渡してしまったのです。MiniMax H3は、Hailuo 3またはH3とも表記され、ネイティブのステレオ音声付きで最大15秒のクリップを生成します。その15秒のすべての瞬間を、演出するか、手放すかのどちらかです。H3はAtlabsで利用できるようになったため、その解決策も、モデルと同じ場所で手に入ります。
描写よりも時間軸の演出が重要な理由
多くのクリエイターがH3に持ち込む習慣は、プロンプトが特徴のリストで、出力が1つの凍った瞬間である画像モデルで身についたものです。画像プロンプトに形容詞を足せば、確かに良くなります。動画プロンプトに形容詞を足しても、たいていは何も起こらないことが、より美しくなるだけです。
動画には、描写では補えない3つのものが必要です。1つ目は時間による変化で、2秒の時点と12秒の時点で何が違うのかを明示することです。2つ目はカメラの動きです。動かないフレームは、指示しない限り固定された防犯カメラのように見え、指示なく動くフレームは、モデルが気の向くままに動きます。3つ目は音です。H3は、指定の有無にかかわらず、同じ生成の中でネイティブのステレオ音声を生成するため、サウンドを指定しないことは無音ではなく、他人が選んだサウンドトラックを意味します。
参照の扱いも同じ論理に従います。H3は、複数の画像（多くの場合、最大9枚程度）に加えて、インターフェースによっては限られた動画と音声の参照を受け付けます。数よりも、役割の割り当てのほうがはるかに重要です。役割を指定しない参照も出力に影響しますが、モデルが適当と判断したものに影響するだけで、アイデンティティのずれに関する不満の多くはここから始まります。画像1が顔と衣装を固定し、画像2がライティングだけを決める、と指定すれば、ずれは謎ではなくなります。
これを実現するAtlabsのワークフロー
H3のプロンプトに最も近いワークフローは台本から動画への変換です。この規律を、段落を正しく構成することを覚えておく必要のない、入力フィールドに変換してくれるからです。
台本から動画への変換は3つのステップで進みます。ステップ1には2つの入力モードがあります。ナレーション中心の作品向けの「Add your script」と、構造化された作品向けの「Add your screenplay」です。シナリオ形式の文章を貼り付けると、AtlabsがScreenplay Detectedと表示し、専用のビューが開きます。左のパネルにはAIが分析したナレーター音声、ロケーション、アクターが表示され、右のパネルでは作品がシーンごとに分解されて、ロケーションタイプ、ロケーション、時間帯が示されます。各シーンの中には、個別のSHOTの説明と、キャラクター名、セリフ、話し方のトーンを含むDIALOGUEブロックが並びます。
このショットリストは、時間軸に沿ったビートをインターフェースで表現したものです。キャストパネルは、参照の役割の固定をインターフェースで表現したものです。同じブリーフを書いていますが、構造は覚えておくものではなく、強制されるものです。
ステップごとの手順
1. 何かを開く前にビートを書く。 各段階で何が変わるのかを決めます。15秒のクリップなら、通常は3つのブロックです。0〜5秒、5〜10秒、10〜15秒。1つのブロックにつきアクションは1つ、カメラの動きも1つです。1つのブロックに無関係な出来事が2つある場合は、分割するか、どちらかを削ります。H3のクリップは短く、1つの強いビートは、急いだ3つのビートを常に上回ります。
2. ステップ1で入力モードを選ぶ。 作品がナレーション中心で、言語セレクターとAI Script Writerボタンに任せたい場合は「Add your script」を使います。すでにショットが決まっているなら「Add your screenplay」を使います。白紙の入力欄より編集のほうが得意な場合は、Suggested Scriptsパネルが3つの生成された出発点を提示します。
3. シーン分解を組み立てる。 ロケーションタイプを屋外か屋内かで設定し、次にロケーションと時間帯を設定します。SHOTの説明を、ビートごとに1つずつ、進行順に追加し、それぞれを構図ではなく動きとして書きます。「腰の高さでゆっくり横にトラッキングし、横顔を保つ」であれば、モデルに実行できる指示を与えられます。「美しいシネマティックなショット」では、何も与えられません。キャラクターが話す箇所にはDIALOGUEブロックを追加し、キャラクター名、セリフ、話し方のトーンを入力します。
4. ステップ2でスタイルを設定する。 アスペクト比は、TikTokとInstagram向けの9:16、YouTube向けの16:9、LinkedIn、Twitter、Facebook、Pinterest向けの1:1から選べます。動画スタイルは、AI Video（推奨）、AI Storyboard、そして自分のメディア用のUploadから選べます。フレーミングを確定する前に比率を選んでください。16:9で映えるゆっくりした弧を描く動きも、9:16ではクロップされてまったく別のものになってしまいます。
5. ステップ3でキャストを確定する。 台本から抽出されたキャラクターには、Click to Editが付き、Add Characterのオプションと、国別アクセントおよびナレーター音声のドロップダウンも表示されます。ここでキャラクターを定義することは、アイデンティティ画像を参照スタックの先頭に置くのと同じ役割を果たします。モデルは、ショットごとに新しい人物を即興で作り出すのではなく、「この人物は誰か」という1つの固定された答えを受け取ります。
6. 生成し、やり直しではなく修復する。 ある区間がうまくいかなかった場合は、そのクリップをModify Videoに取り込み、アップロードして、プロンプト内で@Video1として参照し、完成させたい動画を説明し、スタイルの手がかりとして最大4枚の参照画像を添付します。Keep Original Audioにはオン・オフの切り替えがあるため、映像を直しても、気に入っていたサウンドを失うことはありません。
Atlabsがこれに向いている理由
1つ目の理由はモデルルーティングです。プロンプトの規律はモデルをまたいで引き継がれますが、美的な個性は引き継がれません。スタイライズされたキャラクターのクローズアップをうまく扱うモデルが、広い海岸の屋外をうまく扱うとは限りません。Atlabsでは、MiniMax H3に加えて、シネマティックなモーションと滑らかな動きにはKling 3.0とKling 2.6、フォトリアルな表現とエスタブリッシングショットにはGoogle Veo 3.1、スタイライズされた表現、アニメ、キャラクターのクローズアップにはSeedance 2.0、高い動きとアニメに近いビジュアルにはHailuo 2.3、オープンソースのシネマティックな出力にはWan 2.6を使えます。シーンを一度書けば、同じブリーフを6つの別々のアカウントで作り直すことなく、エンジンを選べます。
2つ目は、モーションとアイデンティティを切り離したままにできることです。Motion Controlは、3〜30秒の参照動画を受け付け、そのモーションをアップロードしたキャラクター画像に適用します。モーションはプロンプトではなく参照クリップに完全に委ねられ、背景やシーンの詳細のための任意のプロンプト欄も使えます。これは、H3に動画1はモーションだけを制御すると伝えるのと同じ指示ですが、言い回しが守られることを期待するのではなく、ツールがそれを強制してくれます。
3つ目は、構造が締め切りの前でも崩れないことです。SHOTブロックとDIALOGUEブロックで組み立てたショットリストは、夜11時に、いつの間にか1つの長い段落にまとめられてしまうことがありません。それが、がっかりする長いプロンプトの多くを生む失敗パターンです。音楽中心の作品でも同じ論理がミュージックビデオにあります。Creative Directionのステップでは、トラックの検出されたテンポ、ムード、ジャンルから、タイトル、説明、ムードタグ付きの6つのシーンコンセプトを生成するため、ビートは最初からトラックに合った状態で届きます。
プロンプトの例
1. シネマティックなワンテイク。 A lone traveler in a weathered coat crosses a windswept desert ridge at sunset, leaning into the wind, coat and scarf streaming behind him, fine sand curling around his boots with each step. Camera holds a slow lateral tracking shot at waist height, maintaining profile, one continuous take. Warm backlight, long shadows, restrained teal and orange grade, subtle film grain. Ends as he stops and looks toward a distant city. Audio is wind roar, fabric flap, soft sand crunch, distant low drone, no dialogue. No subtitles, no watermarks, no additional figures. このプロンプトをAtlabsの台本から動画への変換で試す
2. 商品のヒーロームービー。 A translucent orange perfume bottle stands on wet black stone at blue hour, condensation travelling down the glass. The camera makes a slow, small clockwise arc while a narrow beam of warm light moves across the label, then settles into a clean front facing hero composition. Soft city night ambience, subtle condensation drip, a restrained low string note swelling slightly on the final settle. Exact bottle design and label preserved, no text overlays, no extra props. このプロンプトをAtlabs UGC Product Adsで試す
3. 時間軸に沿った2人芝居。 A cozy artisan bakery in morning light. 0s to 5s: wide establishing shot, flour dust suspended in window light, trays cooling on racks. 5s to 10s: medium two shot, an apprentice shaping dough while the mentor watches, hands entering frame to correct her grip. 10s to 15s: close on the finished loaf as it is turned toward camera. Warm practical lighting, shallow depth of field. Audio is oven hum, dough slap, quiet room tone, one line of dialogue delivered softly. No identity drift, no subtitles, no extra staff in frame. このプロンプトをAtlabsの台本から動画への変換で試す
4. ビートに合わせたパフォーマンス。 A singer in a red satin jacket performs on a rain slick rooftop at blue hour, neon signage smearing behind her, city haze catching the light. Camera orbits slowly through the verse then cuts harder on the chorus with each cut landing on the beat. Shallow depth of field, cool highlights against warm skin tones, cinematic grade. Audio is the track plus light rooftop wind, no added ambience competing with the vocal. （Kling 3.0経由での生成がおすすめ）このプロンプトをAtlabsのミュージックビデオで試す
5. 躍動感のあるチェイス。 Exactly two racers on two motorcycles along a wet coastal road at dusk, liveries in matte black and signal yellow, no other vehicles in frame. Continuous forward velocity throughout: rear tracking, then side parallel, then a low angle finish as the leading bike drifts through the final bend. Water spray, sparks off the footpeg, real weight in the lean. Audio is engine load, tyre hiss on wet tarmac, wind buffet, no music. No slow motion interruptions, no subtitles, no additional riders. （Hailuo 2.3経由での生成がおすすめ）このプロンプトをAtlabsの台本から動画への変換で試す
6. モーショントランスファー。 A dancer in a loose linen shirt performs in an empty concrete gallery, tall windows casting hard rectangles of afternoon light across the floor, dust visible in the beams. Motion comes entirely from the reference clip, background and lighting from the prompt. Wide static frame, no camera movement, natural room reverb, no music. Preserve the character's face, hair, and clothing exactly. このプロンプトをAtlabs Motion Controlで試す
プロのヒント
すべての参照に1つの役割を与え、何のためではないかも伝える。 画像1は顔と衣装を固定します。画像2はライティングとムードだけを決めます。動画1はモーションとタイミングだけを制御します。除外の指定も指示と同じくらい効果があります。限定のないライティング参照は、あなたのキャラクターに衣装まで平気で貸してしまうからです。
映像を書くのと同じ流れで音も書く。 環境音を明示し、アクションの効果音を明示し、話されるセリフの言語をタグ付けし、劇伴の音楽は楽器編成と、クリップを通してどう変化するかで説明します。シーンの下に何も流したくない場合は、フィールドを空欄にするのではなく、現場の音のみと書いてください。空欄は、モデルが応えられる依頼ではないからです。
ネガティブ指定は、ずれが実際に起きる箇所に使う。 アイデンティティのずれなし、画面上のテキストなし、カメラの揺れなし、余分な手足なし、透かしなし。維持すべきルールをプロンプトの末尾にもれなく並べるには30秒かかりますが、再生成を1回減らせます。冒頭にもう1文描写を足すより、効果があります。
よくある質問
MiniMax H3はAtlabsで使えますか？ はい。ラインナップのほかのモデルと同じワークフローの中で動くため、台本から動画への変換またはミュージックビデオでシーンを作成し、別のアカウントを設定することなく、生成をH3に振り分けられます。
MiniMax H3のクリップはどのくらいの長さにできますか？ 通常は4〜15秒で、ネイティブのステレオ音声が生成に含まれます。1分のストーリーをその上限に押し込もうとするのではなく、その上限に合わせてビートを計画しましょう。
参照はいくつまで使えますか？ 複数の画像（多くの場合、最大9枚程度）に加えて、インターフェースによっては限られた動画と音声の参照を使えます。役割を割り当てていない参照も、意図しない形で結果に影響するため、プロンプト内でそれぞれに役割を割り当ててください。
初心者の最適な出発点は何ですか？ 1つの明確なアクション、1つの明示的なカメラの動き、基本的な音の説明を含むテキストから動画への生成です。まずそれを安定させ、次に時間軸に沿ったビートを追加し、その次に参照を追加します。3つを一度に加えると、どの変更が効いたのか見分けられなくなります。
再生成せずにクリップの一部だけを直せますか？ はい。Modify Videoは、3〜10秒の既存のクリップを、プロンプト内で@Video1として参照し、完成させたい動画の説明と、スタイル用の最大4枚の参照画像とともに受け付けます。Keep Original Audioをオンのままにしておけば、映像を直しても音を失うことはありません。
最終評価
H3は、描写よりも制作ブリーフに報いてくれます。何がいつ変わるのかを決め、ムードではなくカメラの動きを明示し、届いたものをそのまま受け入れるのではなく音を演出し、それぞれの参照が何を制御するのかをはっきり伝えます。この4つの習慣は、次にどのモデルが登場しても引き継げるため、今から身につける価値があります。
簡単には引き継げないのは、プロンプトを取り巻くすべてのものです。ショットリスト、キャスト、アスペクト比、モデルの選択、そして1つの区間がうまくいかなかったときの修復の工程です。台本から動画への変換が構造を提供し、ミュージックビデオはそのトラック主導版を提供し、UGC Product Adsが主役となる商品の表現を担い、Motion Controlはモーションをプロンプトではなく参照の制御下に保ちます。
