映像と音を、一つの作品へ
この記事にはアフィリエイト広告が含まれます。
AI動画を作って終わりにしない。MiniMax H3とMusicで15秒の作品にする

きれいな動画を生成できたのに、作品として見せると何か足りない。その一つは、始まりと終わりを決めていないことかもしれません。MiniMax H3の映像とMusic 3の曲を別々に作り、15秒の一本へ編集する方法を考えます。ここでの15秒は完成映像の長さであり、モデル同士を直結した実測ワークフローや、歌声に完全同期するMVの保証ではありません。
- 完成形の目安
- 15秒・3カット
- 映像
- MiniMax H3
- 曲
- MiniMax Music 3
- 仕上げ
- 編集ソフトで音と画を合わせる
結論:最初は曲と映像を別々に仕上げる
H3は映像と音声を一緒に扱いますが、気に入った曲を最初から最後まで同じ録音として保ちたい場合、映像用の音と楽曲を分ける方法があります。Musicで採用曲を決め、H3の映像を編集ソフトへ並べ、元の楽曲を別トラックで重ねます。映像の作り直しで曲まで変わるのを避けられる一方、拍合わせや音量調整は自分で行う必要があります。
問いは一つ。15秒後に何を覚えてほしい?
『かわいい人がいる』だけで終わらせるか、『この人が何かを始める』まで見せるかで、必要な絵が変わります。たとえば成人の架空モデルによる夕方のスポーツ映像なら、走る前の静けさ、踏み出す動き、前を向く表情という小さな変化を決めます。商品紹介なら、気づく、使う、結果がわかるの三段階です。これはヨルダナの編集案であり、売上や視聴維持を保証する型ではありません。
三つのカットに、違う仕事を持たせる
以下は完成映像を15秒へ編集するための絵コンテ案です。各生成の長さを5秒ぴったりに揃える必要はありません。使える区間を採り、必要に応じて前後を切ります。同じ人物・服装・光の方向を基準にし、画角や動作だけに変化をつけます。
- 0〜5秒:場面を伝える
場所と人物がわかる少し引いた構図。大きく動かす前に、どこを見る映像かを決める。
- 5〜10秒:変化を一つ見せる
踏み出す、振り向く、小物を手に取るなど一動作。曲の拍や盛り上がる位置と切り替えを合わせる。
- 10〜15秒:印象を残して終える
視線や表情など、一番見せたい画面へ着地する。文字を置く場合は読める時間を残す。

Musicでは『使う15秒』を聴いて選ぶ
曲全体の好みだけでなく、冒頭へ使える区間があるか、動きの切り替えに合う拍があるか、最後を気持ちよく止められるかで選びます。まずBGMなら歌なしの候補にし、主役の声が必要な場合だけ歌入りを検討します。音楽のピークと画の見せ場を両方詰め込みすぎると、どちらへ注意を向けるかが曖昧になります。主役を一つ決めましょう。
曲を残したいなら、音声参照と元音源を混同しない
H3へ音声を参考として渡す方法と、編集で元音源をそのまま重ねる方法は違います。参考音声は生成条件であり、同じ波形が保存される保証ではありません。口元を見せない情景映像から始めれば、歌唱の口の動きまで同時に合わせる難しさを切り離せます。正確なリップシンクを実測していない段階で、対応済みと判断しないでください。
最後は無音でも見る、小さな音でも聴く
スマホでは音を出さずに見る場面もあります。無音でも何が起きたか伝わるか、見出しが小さすぎないかを確認します。その後、ヘッドホンとスマホの小音量で聴き、音割れ、急な音量差、切り替えのクリック音を点検します。H3の元音声を使わない場合は意図してミュートし、楽曲と二重に鳴らさないようにします。
公開前に、映像と曲の条件をそれぞれ確認する
H3のモデル・追加素材、Musicのモデルまたはサービス、画像と歌詞、公開先の条件をそれぞれ確認します。H3には地域・商用利用に関する独自条件があり、Comfyはローカル生成物の商用ライセンスを案内しています。Music 3の条件をH3にも適用できるとは考えず、H3本体の契約と利用サービスを照合してください。Music APIには8月20日の提供変更もあるため、古い無料API手順で作業を組まないでください。
何を一本目にするか迷ったら、実物の構成を見る
気になるゲームや映像作品を一つ選び、まず説明とサンプルを見てください。必要なら購入し、導入に何を見せるか、どこで音を切り替えるか、最後に何を残すかを自分の言葉でメモします。作品の画像・音・文章をコピーするのではなく、役割と順序を抽象化して自分の企画へ当てはめる方法です。下の作品広告は、その観察対象を探す入口です。
よくある質問
Music 3をH3へつなぐだけで完成しますか?
このガイドは別々に作った映像と曲を編集で合わせる方法です。自動同期する接続グラフの提供ではありません。
H3には音楽生成機能がないのですか?
H3も映像と一緒に音楽を含む音声を扱います。ここでは採用した一曲を変えずに編集したい場合の別生成を紹介しています。
必ず5秒の動画を3本作りますか?
いいえ。15秒の完成映像に使う区間を選ぶ案です。実際の生成可能尺とフレーム数はモデルとワークフローに合わせます。
この方法で販売できますか?
制作手順だけで販売可否は決まりません。利用したモデル・サービス・素材・販売先の条件を確認し、完成品の品質も自分で点検してください。
