MiniMax H3 が RouterBase で利用できるようになりました。現在公開されているのは、text-to-video、image-to-video、reference-to-video の3種類です。各ルートは 2K 出力と 6秒／10秒の動画に対応しています。

重要なのは、これらを別々のシステムとして実装しないことです。アプリケーション側では、入力形式だけを切り替え、非同期ジョブのライフサイクルは共通化できます。

基本フロー

3つの入力方式

text-to-video は、既存のビジュアルに縛られず、シーンをゼロから作りたい場合に向いています。

image-to-video は、入力画像を最初のフレームとして扱い、構図や被写体を保ちながら動きを加えたい場合に適しています。

reference-to-video は、参照画像をそのまま最初のフレームにするのではなく、人物・商品・スタイルなどのガイドとして使いたい場合に有効です。

実装では、ジョブID、利用ルート、プロンプトのバージョン、入力アセット、送信時刻、リトライ回数を記録しておくと、比較と障害調査が容易になります。また、「リクエストが受理されたこと」と「動画が完成したこと」は別の状態として扱うべきです。

MiniMax公式のH3ドキュメントは、4〜15秒、画像・動画・音声を含む、より広いマルチモーダル機能を説明しています。一方、RouterBaseで現在公開されているルートは、明確に定義されたサブセットです。本番実装では、実際に呼び出すRouterBaseルートの仕様を優先してください。

モデルは速く変わります。ジョブ管理までモデルごとに作り直す必要はありません。