音声・動画AI · Wirkungプレビュー

Origami-H3:音付きの本格AI動画を、ノートPCサイズに折りたたみ

AIに質問 ▾

MiniMax H3は動画とサウンドを一度に作れるモデルですが、フルモデルは約45GBもあり、ふつうは大きなグラフィックボードが必要です。Origami-H3はスタートアップのWirkungが出したプレビュー版で、同じモデルを約10GBまで折りたたみ、普通のCPUやApple Silicon搭載Mac、ノートPCのチップでSSDから直接動かせるとうたっています。さらに手早い下書き用の4ステップサンプラーを内蔵し、途切れない長回しにも対応するとのこと。クリエイターにとって何が変わるのか、試し方、まだ確かめられていない点、そして今すぐオンラインで似たクリップを作る方法をまとめました。

  • ダウンロード約10GB
  • CPU・Macでも動く
  • 4ステップで下書き
音付き動画をオンラインで作る →
夜のデスクに置かれたノートPCでネオンの路地のAI動画が流れ、横に折り鶴がある様子

無修正の代替動画ジェネレーター

画像から動画

最初の写真をアップして、動き・カメラ・入れたい音を書くだけで、ブラウザ上で短いクリップが完成。対象は成人(18歳以上)の架空キャラクターのみです。

動画には開始画像が必要です。

同じH3の魔法を、45GBから10GBに折りたたみ

元のMiniMax H3を巨大な一枚の紙だと考えてみてください。パワフルだけど、たいていの机には大きすぎます。Wirkungのアイデアは、その紙を一切切り取らずに折りたたむこと。2026年11月11日にHugging Faceで公開されたモデルカードによると、216億パラメータのモデルが44.89GBから10.38GBへ、約4.33分の1に縮小。再学習もファインチューニングも一切なしです。映像と音を同時に作るエンジン、高速化アダプター、数値をフレームと音声に戻すデコーダーなど、H3ならではの部分はそのまま残っています。

クリエイター目線でのOrigami-H3の約束はシンプル。いま話題の音付き動画モデルを、ハイエンドのグラボなしで遊べるということです。カードによると、Origami-H3はグラフィックメモリを一切使わず、重みをSSDからストリーミングするので、普通のプロセッサやノートPCのAIチップ、AppleのMetalで動くとのこと。ただし注意点がひとつ。4.33という数字はファイルサイズの話で、速度ではありません。1本のクリップの生成にどれくらいかかるかは、Wirkungはまだ公表していません。

GPUなしでMiniMax H3を動かす:CPU、Mac、低VRAMのPC

多くの人がこのビルドを調べる理由はここです。H3の標準版は重いダウンロードで高性能なグラボが前提なので、MacBookや仕事用ノートPC、8GBカードのゲーミングPCでは厳しいもの。Origami-H3は対象ハードを変え、最新のIntelまたはAMDプロセッサを積んだLinuxマシンとApple Silicon搭載Macの2つをサポート。10GBのダウンロードなら普通のSSDにも余裕で入ります。Windowsはまだ非対応です。

まだ誰にも分からないのは、実際の体感速度。動画モデルをプロセッサで動かすと、ふつうはグラボよりずっと遅くなりますし、カードにも所要時間は載っていません。すぐ結果が出るとは思わず、気長に構えましょう。今すぐ低VRAMでH3を使いたいなら、現状の見立てはこうです:Origami-H3はこれまでで最もハードにやさしい試みですが、あくまで実験で、確かな近道ではありません。

  • 対応:x86-64プロセッサのLinux、Apple Silicon(Mシリーズ)のmacOS。
  • ダウンロードサイズ:約45GBではなく約10.4GB。
  • Python 3.10以上が必要。現時点でWindows版パッケージはなし。

Origami-H3 vs MiniMax H3、ほかの高速H3ビルド

H3ファミリーは急速に増えていて、派生版ごとに近道の取り方が違います。VDN-H3はフレーム同士の参照の仕方を変えて時間を節約、TaoMate-H3は3ステップでほぼリアルタイムの配信を狙い、H3 Remixは重みをブレンド、Pika H3 Flexは学習済みアダプターを追加。Origami-H3はまったく別の道で、モデルを小さくして普段使いのハードに載せるアプローチです。下の表では、双方が公表している数字だけを使って元のH3と比べています。

元のMiniMax H3Origami-H3(プレビュー)
ダウンロードサイズ約44.89GB約10.38GB
グラフィックメモリ大きなグラボが必要0GBとされ、SSDからストリーミング
動作環境主にグラボCPU、Apple Metal、ノートPCのAIチップ
サンプリングステップ標準のマルチステップ、Turbo LoRAは任意Turbo LoRA内蔵で4ステップ
長いクリップふつうは分割して生成途切れない長回しでもメモリ一定とされる
ツール対応ComfyUIなど一般的なツールWirkungランタイムのみ

ノーカットの長回しと4ステップ下書き:楽しい使い方

ストーリーテラーにとってOrigami-H3がワクワクする理由は2つ。ひとつは4ステップのサンプリング。何十回もの処理を待つ代わりに、シーンを何パターンかざっと作って気に入ったものを選べます。もうひとつは、WirkungがO(1)ホライズンキャリアと呼ぶ仕組み。平たく言うと、生成が進んでもモデルが一定サイズのメモリを保つので、ナレーションが続く長いショットを5秒ずつ切って後からつなぎ合わせる必要がなくなるはず、ということです。

公開サンプル動画はまだないので、保証された結果ではなく試してみるアイデアとして捉えてください。すべて自分のマシンで動くので、映像もプロンプトもパソコンの外に出ません。プライベートな企画や未発表の広告案には大きなメリットです。

  • ワンテイクの街歩き:雨のネオン街をカメラが滑るように進み、環境音も途切れない。
  • MacBookで絵コンテ下書き:本番レンダリングの前に、効果音付きで各ショットのラフを作る。
  • ショートドラマや広告のテスト:同じセリフを4パターンさっと作り、ベストなものを仕上げる。
  • ライブ風シーン:夕暮れのビーチや賑やかな市場など、配信のように流れ続ける映像。
夜の雨に濡れたネオン街をカメラが途切れずに進む映画的なシーン

3つのコマンドでダウンロードから初回起動まで

Origami-H3を始める手順は短めです。WirkungのPythonパッケージを入れ、専用のコマンドラインツールでモデルを取得し、ファイルが壊れずに届いたか確認するだけ。ただしモデルカードのサンプルコードはモデル情報を表示するところで終わっていて、実際に動画をレンダリングするコマンドはまだドキュメント化されていないので、多少の試行錯誤は覚悟しましょう。重みはWirkungランタイムでしか開けない特殊な.o3fファイル307個で配布されているため、ComfyUIやDiffusersのワークフローでは使えません。

1. ランタイムをインストール
pip install -U wirkung
2. モデルをダウンロード
wkng pull wirkung/Origami-H3 -o ./Origami-H3
3. ファイルを確認
wkng verify ./Origami-H3
wkng info ./Origami-H3

Origami-H3は本物?主張と実証済みの事実

グラフィックメモリゼロ、4ステップ、終わりのない長回し。ちょっと話がうますぎるので、Origami-H3が本物か気になるのは当然です。確認できる部分は問題なし:Hugging Faceのリポジトリは実在し、容量は約10.39GB、パッケージも2026年11月上旬にPyPIに登場しています。それ以外は開発者自身の説明です。ベンチマークスコアもサンプルクリップも第三者のテストもまだなく、品質の数値はリポジトリ上の論文を参照するよう案内されているだけです。

今のところコミュニティの反応は慎重です。モデルページ唯一のディスカッションスレッドでは、あるユーザーが主張はすごいとしつつも、ソースコードのない出来たてのpipパッケージは入れたくないと書いていて、執筆時点では回答がありませんでした。ランタイムはクローズドなので、予備のマシンで試し、ほかの人の結果を待つのが慎重なやり方です。

Wirkungの説明第三者による確認は?
サイズ約10GB44.89GBから10.38GBへはい、リポジトリ容量と一致
グラフィックメモリ不要0GB、重みはSSDから読み込みまだ
H3と同じ品質再学習不要まだ。スコアもサンプルもなし
途切れない長いクリップ時間がたってもメモリ一定まだ。サンプル動画なし
オープンソースのランタイム提供なしクローズド(ユーザーも指摘)

H3風の音付き動画のためのプロンプト例

WirkungはOrigami-H3のプロンプトガイドを公開していないので、ここではH3系モデルでよく使われる書き方に沿っています:被写体、動作、カメラ、音を書くこと。4ステップの下書きでは、文を短くして形容詞を盛りすぎないほうが結果が安定します。

長回し
One continuous uncut shot, camera slowly dollies through a rain-soaked neon alley at night, puddle reflections, distant thunder and soft synth hum in the audio, no scene cuts.
ショートドラマのセリフ
Medium close-up, a woman in a red trench coat turns to camera and says "You were never supposed to find this." Tense string music, ambient city noise, cinematic lighting.
商品広告
Macro shot of a perfume bottle rotating on black glass, light sweeps across, crisp glass clink sound, elegant piano sting.
ビーチウォーク(18+)
Adult fashion model (25+, fictional) in a white bikini walking along a sunset beach, slow tracking shot, waves and gentle breeze audio, golden hour.
ランウェイルック(18+)
Fictional adult model in a lingerie runway look, catwalk lights, camera pans up, bass-heavy runway music.

無修正Origami-H3:待たずに楽しむ大人向け動画アイデア

Origami-H3に無修正版やNSFW版はなく、規約で改変も禁止されているので、コミュニティ版がすぐ出てくる可能性は低いでしょう。私たちの画像から動画ツールなら、10GBのダウンロードもセットアップもなしで、成人(18歳以上)向けクリップを同じような自由度でオンライン作成できます。

架空の成人キャラクターの写真から始めて、シーンと音を書けば、数分で何パターンも試せます。上のプロンプト例は出発点にぴったり。ショット間で同じ参照画像を使い続けると、シーンが変わってもキャラクターの見た目がそろいやすくなります。

ビキニでビーチウォーク

成人モデルが波打ち際をゴールデンアワーに散歩。風と波の音付き。

ランジェリーのランウェイ

架空の成人キャラクターに、キャットウォークの照明、ゆっくりしたカメラパン、重低音を。

ナイトクラブのムーディーなダンス

ネオンのもや、肩越しの視線、響くビート。

  1. 架空の成人(18歳以上)キャラクターの、くっきりして明るい開始画像を使いましょう。
  2. 変えたいことを書く:動き、カメラワーク、音。衣装をもう一度書く必要はありません。
  3. 短いテイクを何本か作ってベストを残す。4ステップ下書きと同じ発想です。

静止画を音付きの動くクリップに。ブラウザだけでOK。

無修正の画像から動画を試す
AI動画のシーン用に、夕暮れのビーチを白いビキニで歩く成人モデル

Origami-H3のセルフホスト vs Spicy AIでオンライン生成

Origami-H3を自分で動かせばすべてが手元のパソコンで完結。オンラインならダウンロードもセットアップも不要です。

ローカル運用(公式の重み)Spicy AIオンライン
コンテンツフィルター自分の環境次第成人向けコンテンツ(18+)はゆるめのフィルター
オープンな重みダウンロード可、約10GB不要、ブラウザで動作
使用モデル折りたたみ版H3プレビュー類似のホスト型動画モデル
始め方LinuxまたはApple Silicon Mac、Python、ダウンロードページを開いて画像をアップするだけ
  • 自分の写真から画像→動画
  • プロンプトで動き・カメラワーク・音を指定
  • 結果は履歴に保存

よくある質問

Origami-H3とは?

2026年11月11日にWirkungがHugging Faceで公開した、MiniMax H3のプレビュー版です。216億パラメータの音声・動画モデルはそのままに、再学習なしでファイルを44.89GBから10.38GBへ縮小しています。

本当にグラボなしで動くの?

Wirkungによると、グラフィックメモリ使用量は0GBで、CPU、ノートPCのAIチップ、Apple MetalでSSDから動作するとのこと。ただし生成時間や品質の結果は公開されておらず、第三者による確認もまだありません。

4.33分の1のサイズ=4.33倍速いということ?

いいえ。4.33という数字はファイルサイズの比較です。速度は公表されていません。

WindowsやComfyUIで使える?

現時点では使えません。パッケージはx86-64プロセッサのLinuxとApple Silicon Mac向けのみで、重みもWirkungランタイムでしか開けない特殊な形式です。

画質は元のH3と同じくらい?

不明です。モデルカードには品質スコアもサンプルクリップもないので、頼る前に自分で結果を比べてみてください。

何もインストールせずにH3風の音付き動画を作るには?

オンラインの画像から動画ジェネレーターを使いましょう。開始画像をアップして動きと音を書けば、ブラウザでクリップが生成されます。

出典

すべての無修正AIモデル →

Sign in

Welcome to Spicy AI

or