VDN-H3 · OpenVDN · オープンウェイト

無修正 VDN MiniMax H3:再生より速く生成できるAI動画

数秒のAI動画のために何分も待たされると、せっかくの楽しさが台無しです。VDN MiniMax H3 はその常識を覆します。高性能なサーバーなら、音声付きの14秒クリップが約9秒で完成し、見終わるより先に動画ができあがります。OpenVDNの研究チームが、オープンな動画モデル MiniMax H3 をより速くしたもので、映像と声の質感はそのままです。さらにうれしいことに、デスクトップアプリ FreeVideo を使えば、普通のゲーミングPCでも動かせます。このページでは、速さがあなたにもたらすもの、みんなが作っているもの、自宅での試し方、そしてすぐに貼り付けて使えるプロンプトを紹介します。

  • 再生より速い
  • 音声付き動画
  • 家庭用PCで動く
  • オープンウェイト
今すぐ写真を動画に

見終わるより先に、クリップが完成

約束はひと言で言えます。動画を作る時間のほうが、再生する時間より短いのです。最上位クラスのグラフィックカードを8枚積んだサーバーでは、VDN-H3 の高速モードがプロンプトから14.4秒のワイド画面クリップを、音声込みで約9秒で作り上げます。もとになった研究論文によると、同じマシンで動かした元のH3のおよそ14.5倍の速さです。

違いを体感するのに、サーバールームは必要ありません。ハイエンドのカード1枚の場合、元のモデルはクリップ1本に14分近くかかります。新しい高画質モードならそれが約5分に、高速モードなら1分未満になります。コーヒー休憩のたびにテストショットを1本作るのか、同じ時間でシーン全体をざっと形にできるのか、という違いです。

バージョン動かす環境14秒クリップ1本にかかる時間
元のH3ハイエンドのサーバー用カード1枚約14分
VDN・高画質モード同じカード約5分
VDN・高速モード同じカード1分未満
VDN・高速モード(8枚)サーバー用カード8枚約9秒

所要時間は、開発者自身がNVIDIA B200カードで行ったテストの結果で、GitHub、プロジェクトのブログ、論文で公開されています。

速さがあなたにもたらす変化

速さというとエンジニア向けの数字に聞こえますが、実は作る楽しさそのものを変えてくれます。下書きが数秒で届くなら、プロンプトがどうなるかを想像する必要はなく、ただ見て確かめればいいのです。このモデルが普段のクリエイターにもたらすものを紹介します。

1つではなく10のアイデアを

これまでクリップ1本にかかっていた時間で、衣装、雰囲気、カメラワーク、セリフをいろいろ試し、気に入ったテイクだけを残せます。

映像と一緒に音も届く

声、足音、雨音、その場の空気感まで、映像と同時にステレオで生成されます。あとから音を付ける手間はありません。

H3の映像美はそのまま

開発者によれば、仕上がりは通常のH3とほぼ同じ。映画のような映像も、リップシンクも、プロンプトへの忠実さも変わりません。

自分のPCで十分

FreeVideo アプリのおかげで、8GBのグラフィックカードを積んだゲーミングPCでも試せます。スタジオ級の機材は要りません。

数秒で終わらないストーリー

モデルがクリップの前半で起きたことを覚えているので、1分以上の動画も現実的な目標になります。

誰にでも開かれている

ウェイトとコードが公開されているため、コミュニティがアプリやComfyUIノード、デモを次々と追加しています。

ほぼリアルタイムの動画でクリエイターが作るもの

音声付きの高速な動画は、完璧な1本よりもたくさんのクリップが必要な人にぴったりです。クライアントワークから純粋な遊びまで、特に力を発揮するシーンを紹介します。

ショートドラマをワンショットずつ

開始と終了の画像でキャラクターを固定し、複数のショットをつなげて、それぞれをすぐにプレビュー。気に入ったものを高画質モードで仕上げましょう。

縦型広告と商品クリップ

さまざまなフック、セリフ、商品のアングルを並べてテストし、自分のフィードに一番しっくりくるバージョンを投稿できます。

話すポートレートと動き出すアート

1枚の静止画から始めて、セリフを1行と背景の音を加えれば、ポートレートやイラスト、AI写真が話して動き出します。

別々の写真から集合ショット

公式デモでは、別々の参照画像にある2人の人物、サモエド、カフェを1つの動くシーンにまとめ、カフェのざわめきまで付けています。

大きなプロジェクトの絵コンテに

映像作家やゲームのシナリオライターなら、午後のうちにシーンの流れを組み立て、メモ書きの代わりに動く下書きをチームに見せられます。

バーチャルホストや配信用のループ

論文のテーマはまさにライブ配信向けの動画です。途切れなく続くクリップはバーチャル司会者や選択式のストーリーに向いていますが、まだ初期段階なので、ご自身で試してみる価値があります。

ロマンスやグラマラスなシーン

水着でのビーチ散歩、キャンドルの灯るデート、スローダンス。オリジナルの成人キャラクター(18歳以上)で、すばやい下書きを重ねれば、ぴったりの雰囲気が簡単に見つかります。

ミームやお祝いメッセージ

自撮りやペットの写真を、オチのひと言や誕生日のお祝いを話す短いクリップに。そのままチャットで共有できます。

近くはじっくり、残りは記憶する:速さの秘密

VDN MiniMax H3 は、UC Berkeley、UT Austin、Impossible, Inc. の研究者が参加するグループ OpenVDN によって、2026年9月6日に公開されました。「Video DeltaNet」と題された論文は、シンプルな発見から出発しています。元のモデルは、すべてのフレームを他のすべてのフレームと見比べることに、時間の85%以上を費やしているのです。これは、映画の編集者がカットを入れるたびに作品全体を見直すようなものです。

新しい設計は、腕のいい編集者が実際にやっているのと同じ方法で動きます。じっくり見るのは隣り合うフレームだけにして、それ以外についてはメモを取り続けるので、ストーリーは最初から最後まできちんとつながります。最初と最後のフレームが目印の役割を果たし、始まりと終わりの一貫性を保ちます。言葉と音はこれまでどおり丁寧に処理されるため、プロンプトどおりに仕上がり、口の動きも声に合います。さらに高速モードでは、描画の工程が50回から8回に減ります。

短いローカルの光線と、1本の長く輝くメモリーリボンでつながった動画フレームの列。ハイブリッドアテンションがモデルを高速化する仕組みを表現

高速な下書きか、最終仕上げか:バージョンの選び方

選べるバージョンは2つあります。高速版は8回の工程でクリップを描き上げ、チームが日常使いに推奨しているものです。高画質版は従来どおりの50回の工程を保ち、細部までこだわりたい最終レンダリングに向いています。高速モードでアイデアを探り、気に入ったものを高画質で作り直すのが賢い使い方です。

VDN-H3 は、H3を速くする他の方法と比べてどうでしょうか。開発者によれば、映像は元のモデルとほぼ同じで、品質と指示への忠実さの両方で MiniMax FastH3 を上回るとのことです。コミュニティ製のTurbo LoRAは工程の回数を減らすだけですが、このモデルはフレームの見比べ方そのものも変えています。ただし、これらは並べて比較した例に基づくチーム自身の感想です。テストのスコアは公表されていないので、ご自身の目で確かめてください。

VDN 高速モードVDN 高画質H3 Turbo LoRAMiniMax FastH3
向いている用途下書きと日常使い最終レンダリング通常のH3の高速化MiniMax公式の高速版
時間を節約する方法賢いフレーム比較 + 8回の工程賢いフレーム比較工程の回数を減らすのみ別の高速版モデル
音声あり、ステレオあり、ステレオありあり
追加ダウンロードH3に加えて約5.1GBH3に加えて約4.3GBLoRAファイル1つ別のウェイト

1分間の動画と終わりのないストーリーチェーン

1回の実行で得られるのは約14秒です。このモデルはすべてのフレームを見直す代わりにメモを取り続けるので、動画を長くしても待ち時間が一気に膨らむことはなくなりました。2026年10月13日にリリースされた FreeVideo バージョン0.4.0は、1分を超える動画を生成できるとしています。

どのツールでも使える簡単なコツがあります。ストーリーを約14秒ずつの章に分けて書き、各章の冒頭でキャラクターの見た目と場所を繰り返すことです。そうすれば、主人公が途中でコートを着替えてしまうこともありません。あるクリップの最後の画像を、次のクリップの最初の画像として使うこともできます。シーン同士が自然につながり、本物のエピソードのように編集できます。

FreeVideoなら自宅の8GBゲーミングGPUでも動かせる

公式のコードはRTX 4090のような24GBのカードを想定しています。2026年10月2日にリリースされたオープンソースのデスクトップアプリ FreeVideo は、このハードルを大きく下げます。最小要件はグラフィックメモリ8GBとシステムメモリ16GBで、お使いのカードに合った軽量な設定を自動で選んでくれます。これなら、RTX 3060でもこのモデルに手が届きます。

正直にお伝えすると、小さなカードでクリップ1本にどれくらいかかるかは誰も公表していません。上記のサーバーでの時間よりずっと遅いと考えておきましょう。FreeVideo はWindowsとLinuxで動作し、macOSのプレビュー版もあり、ComfyUIプラグインとしても利用できます。

  1. 1GitHubのページからお使いのシステム向けの FreeVideo をダウンロードするか、ComfyUIプラグインをインストールします。
  2. 2モデルのファイルを取得させます。ディスクの空き容量を約82GB用意しておきましょう。
  3. 3求められる補助ファイルを追加します:テキストエンコーダー、アップスケーラー、ターボLoRAです。
  4. 4高速モードを選んでプロンプトを貼り付け、長いものを試す前に短いテストクリップを作ります。
  5. 5特別なスタイルにしたい場合は、コミュニティ製のLoRAをアプリのLoRAフォルダに入れます。
お使いのハードウェアいちばん簡単な方法期待できること
8〜12GBのカード(例:RTX 3060)FreeVideo アプリ公表されている最小要件を満たす。速度は未公表
24GBのカード(例:RTX 4090)FreeVideo または公式コードメモリ約20〜22GBを使って動作
サーバー用カード1枚公式コード高速モードでクリップ1本あたり1分未満
サーバー用カード8枚SGLangサーバークリップ1本あたり約9秒
家庭用ゲーミングPCで、カフェのシーンの動画をローカルでレンダリングしているモニターがあるクリエイターの机

開始・終了画像とComfyUIワークフロー

テキストだけでなく、VDN-H3 は画像もガイドとして受け取れます。最初のフレーム、最後のフレーム、その両方(FL2VAと呼ばれます)、そして2026年9月17日からは、複数の参照写真を1つのシーンにまとめることもできます。最初と最後のフレームを使うモードは、物語を作る人に一番人気です。ショットがどこから始まり、どこに着地するかを自分で決めれば、その間の動きと音はモデルが埋めてくれます。

ComfyUIユーザーには、コミュニティ製の選択肢が2つあります。すぐに使える t8star/Vdn-Minimax-H3-Comfy のファイルと FreeVideo プラグインで、よりシャープな映像にするためにアップスケーラーと組み合わせることがよくあります。開始画像と終了画像を読み込み、その間に起きることを説明し、服装や照明には両方の画像と同じ言葉を使いましょう。そうすれば、自然なトランジションになります。

ダウンロード先と、チームでの運用方法

モデルはHugging Faceの OpenVDN/vdn-minimax-h3 にあり、コードはGitHubにあります。必要なのは、約72GBの MiniMax H3 ベースファイルと、小さなVDNの追加ファイルです。高速版なら5.1GB、高画質版なら4.3GBです。初回起動時はソフトウェアの準備に数分かかりますが、それ以降はすばやく動きます。

9秒という結果を求めるスタジオは、プロジェクトが標準で対応している配信ツール SGLang を使い、8枚のGPUで動かしています。この構成が現在対応しているのは、テキストから動画と、最初と最後のフレームを使う生成です。チームは、生成の前に H3-Context-IR のようなプロンプト支援ツールで大まかなアイデアを整えることも勧めています。

今日から貼り付けて使えるプロンプトテンプレート

このモデルは、監督のメモのようなプロンプトを好みます。画面に誰がいて、何を順番にして、カメラがどこへ動き、何が聞こえるのか。以下のテンプレートはそのパターンに沿っており、オリジナルの成人キャラクターを使っています。

  • 動作は first、then、finally を使って順番に説明しましょう。このモデルは順序のある指示によく従います。
  • 音は最後に audio: と dialogue: で書くと、声や背景の音がシーンに合います。
  • 長い動画では14秒ごとの章に分けて書き、各章でキャラクターの見た目と場所を繰り返しましょう。
  • 高速モードで下書きし、お気に入りを高画質で作り直しましょう。

音声付き動画の万能テンプレート

[shot type], [subject and look], [action: first…, then…, finally…], [setting and light], [camera move], audio: [ambience], dialogue: "[line]"

ショートドラマ

Medium close-up, a young woman in a red trench coat stands under a neon-lit awning in the rain, she turns toward the camera and whispers, slow push-in, cinematic teal-orange grade, audio: rain on metal, distant traffic, dialogue: "You came back."

最初と最後のフレーム

From the first frame to the last frame, the character walks from the doorway to the window, camera tracks left smoothly, consistent outfit and lighting, soft room tone.

複数の写真から集合ショット

[character A] and [character B] sit at the cafe table from reference 4, the Samoyed from reference 3 rests at their feet, they laugh and clink coffee cups, handheld warm look, cafe chatter.

プールサイドのグラマーショット(18歳以上)

Wide shot, an adult woman in a navy swimsuit walks along a sunlit pool, she turns toward the camera and smiles, slow dolly-in, golden hour light, audio: water splashing, soft summer music.

コミュニティの反応

関心は急速に高まりました。このページの調査時点で、モデルにはHugging Faceで約360件のいいね、1か月で約3,300回のダウンロードがあり、人気の minimax-h3-ultra-fast Spaceを含む22のコミュニティ製デモが作られていました。GitHubのページは約670スター、FreeVideo は2,800スターを超えていました。

VDN-H3 をめぐる空気は、ひと言で言えば興奮です。カード1枚で1分未満の下書きができること、そして自宅で長い動画を作れるという現実的な期待があります。よくある不満はセットアップで、大きなダウンロード、いくつもの補助ファイル、初期バージョンのバグが挙げられ、FreeVideo に寄せられた未解決の報告の多さにも表れています。映像の品質に関する声は好意的ですが、測定されたスコアではなく個人の感想です。

無修正 VDN MiniMax H3:オープンウェイトで実際に得られるもの

高速版にフィルターが付いているのか、と気にする人は少なくありません。特別な無修正版やNSFW版は存在せず、開発者は組み込みのコンテンツフィルターについて何も説明していません。ウェイトはオープンで自分のマシンで動くため、間にオンラインのモデレーションは入りませんが、モデルが学習で何を身につけたのかを正確に知る人はいません。FreeVideo はコミュニティ製のLoRAを読み込めますが、内部の設計が変わったため、既存のH3向けアダルトLoRAがそのまま使えるかどうかは検証されていません。セットアップを省きたいなら、ブラウザで動く無修正の動画ジェネレーターで、オリジナルの成人(18歳以上)キャラクターを使って生成できます。

大きなダウンロードもグラフィックカードも不要:成人のオリジナルキャラクターの静止画をオンラインで動かしましょう。

画像から動画を開く

無修正の代替動画ジェネレーター

静止画を1枚アップロードし、動き、カメラ、音の希望を説明するだけで、ブラウザで短いクリップが手に入ります。成人(18歳以上)のオリジナルキャラクターのみ対象です。

生成を始める

VDN MiniMax H3 のセルフホスト vs Spicy AIでのオンライン生成

自分で動かせば、完全なコントロールと高速モード本来の速度が手に入ります。オンラインなら、それと引き換えにセットアップが一切不要です。

ローカル導入(公開ウェイト)Spicy AI オンライン
コンテンツフィルター自分の環境で設定成人向けコンテンツ(18歳以上)に緩やかなフィルター
オープンウェイトあり、合計約82GB不要、ブラウザで動作
使用モデルVDNの高速版または高画質版同様のホスト型動画モデル
始め方ダウンロード、インストール、十分な性能のグラフィックカードページを開いて画像をアップロード

よくある質問

VDN MiniMax H3 とは何ですか?

OpenVDNが開発した、オープンな動画モデル MiniMax H3 の高速版です。Video DeltaNetと呼ばれる賢いフレーム比較の方法と、8回の工程で仕上げる高速モードを使って、テキストや画像から音声付きのワイド画面768p動画を作ります。

実際どれくらい速いのですか?

開発者の報告では、サーバー用カード8枚で14.4秒のクリップが約9秒、1枚では1分未満です。論文では、50回の工程を使う元のH3より14.5倍速いとされています。

映像の質は落ちますか?

チームは、並べて比較した例をもとに、ほぼ劣化がなく MiniMax FastH3 より優れていると説明しています。テストのスコアはまだ公表されていません。

自分のグラフィックカードで動きますか?

公式のコードは24GBのカードが必要で、約20〜22GBを使います。FreeVideo はグラフィックメモリ8GBとシステムメモリ16GBを最小要件としていますが、小さなカードでの速度は公表されていません。

写真を動かしたり、最初と最後のフレームを使ったりできますか?

はい。テキスト、最初のフレーム、最後のフレーム、その両方(FL2VA)、複数の参照写真から生成できます。GPU 8枚のSGLang構成が対応しているのは、テキストと最初と最後のフレームのみです。

ダウンロードサイズはどれくらいですか?

合計約82GBです。H3のベースモデルが約72GB、それにVDNの追加ファイルと補助ファイルが加わります。

無修正版はありますか?

専用の無修正ビルドはありません。オープンウェイトを自宅で動かす場合はオンラインフィルターがなく、コミュニティ製のH3 LoRAがまだ使えるかどうかはご自身で試す必要があります。

出典

すべての無修正AIモデルを見る →

ここに記載されている製品名やプロジェクト名は、それぞれの所有者に帰属します。すべてのキャラクターは成人(18歳以上)でなければなりません。実在の人物のコンテンツを本人の同意なく作成しないでください。

Sign in

Welcome to Spicy AI

or